756641_es-ES

liliconcom

Herramientas y aplicaciones de minería de datos en la fabricación (2021-EU-30MP-770)

Yassir EL HOUSNI, ingeniero de I+D/científico de datos, Saint Gobain Research Provence
Mickael Boinet, líder del grupo de fabricación inteligente, Saint-Gobain Research Provence

Trabajar en proyectos de datos en diferentes departamentos, como I+D, producción, calidad y mantenimiento, requiere adoptar un enfoque paso a paso para lograr el progreso. Por tal motivo, se implementó un protocolo basado en la metodología Descubrimiento del Conocimiento en Bases de Datos (KDD) y la filosofía Six Sigma. En este artículo se presenta un estudio de caso real de este protocolo utilizando JMP como herramienta de apoyo. Se utilizaron los siguientes pasos: preprocesamiento de datos, transformación de datos y minería de datos. El objetivo de este estudio de caso era evolucionar el rendimiento técnico de un producto específico a través del análisis estadístico. Debido a la complejidad del proceso (fenómenos multifísicos: químicos, eléctricos, térmicos y temporales), este enfoque se ha combinado con interpretaciones físicas. En este artículo se explicará la agregación de datos (provenientes de más de 100 sensores). Para explicar el rendimiento, se utilizó el aprendizaje del árbol de decisión como enfoque de modelado predictivo. El aprendizaje de árboles de decisión es un método comúnmente utilizado en la minería de datos. El objetivo es crear un modelo que prediga el valor de una variable objetivo en función de varias variables de entrada. En nuestro caso, se utilizó un modelo basado en tres variables de entrada para predecir el rendimiento.

Transcripción generada automáticamente...

Vocero	Transcripción
YASSIR EL HOUSNI	Hola.
	Soy Yassir El Housni, ingeniero de I+D y científico de datos del equipo de fabricación inteligente de Saint-Gobain Research Provence.
	en Cavaillon, Francia.
	Trabajamos para unidades de negocio de materiales cerámicos. En este post, tenemos dos puntos. En el primero presentaremos el ciclo de vida de los proyectos de datos que proponemos para los proyectos de datos de fabricantes.
	Y en el segundo seguiremos
	presentar dos casos de usuarios de materiales Saint-Gobain... industrias de materiales cerámicos.
	Trabajar en proyectos de datos en diferentes departamentos, como I+D, producción, calidad y mantenimiento, requiere adoptar un enfoque paso a paso para lograr el progreso.
	descubrimiento de conocimiento en metodología de bases de datos y la filosofía Six Sigma, también conocida como DMAIC para definir, medir, analizar, mejorar y controlar.
	Definimos en este bucle infinito siete pasos a seguir para gestionar correctamente un proyecto de análisis de datos. En todos ellos, nos aseguramos de tener una buena comprensión del proceso, porque creemos que es una clave de relevancia para proyectos de datos exitosos en un mundo industrial.
	Por ejemplo, para detectar la variación en el proceso utilizamos el SIPOC o mapa de diagrama de flujo y para detectar las causas de variación utilizamos nuestra caja de herramientas de resolución de problemas las cuales contienen un ??? o diagrama de Ishikawa.
	Entonces el bucle infinito presenta también otra ruta para lograr la mejora continua. A continuación detallaremos el planteamiento, paso a paso.
	Comencemos por definir los proyectos. Es necesario definir claramente tres elementos antes de iniciar proyectos de datos.
	Proponemos aquí algunas preguntas que nos parecieron muy útiles para definir claramente los elementos del comercio(?). En primer lugar, definición de las necesidades empresariales.
	Con frecuencia, los objetivos de los proyectos de datos en fabricación son optimizar un proceso, maximizar un rendimiento, mejorar la calidad de un producto específico o reducir el consumo de energía.
	Según la definición de oportunidad de negocio, debemos saber qué se utilizará, si el objetivo necesita solo una visualización o análisis.
	Y después de eso, el impacto debería traer nuestra ganancia cuantificada al negocio.
	En segundo lugar, la disponibilidad de datos y su usabilidad. En él lanzamos un análisis diagonal de la calidad de los datos. Es muy importante en el paso determinar la viabilidad del proyecto de datos. Y por lo tanto la configuración del equipo,
	una persona del equipo de datos, una persona del equipo de la unidad de negocio y una persona de las plantas, un ingeniero de procesos con cinturón verde o negro Six Sigma.
	Pasemos al segundo paso.
	Preparación de datos.
	Con la transformación, integración y limpieza, es un paso importante que consume mucho tiempo en los proyectos de datos. Por ejemplo, aquí tenemos diferentes fuentes de datos y necesitamos centralizarlas.
	en una mesa. Principalmente usamos X para entradas e Y para salidas. En esta configuración utilizamos diferentes herramientas en JMP, como el procesamiento de valores faltantes, el ??? de variables constantes y, por supuesto, las herramientas de tablas de datos JMP que garantizan la solicitud SQL correcta para transformar las tablas correctamente.
	El tercer paso consiste en explorar datos con visualización dinámica y con JMP tenemos una gran variedad de opciones de visualización. Por ejemplo, trace la distribución de la variable y estime la carga (?) que sigue.
	Detecte los valores atípicos con el diagrama de diagramas de caja,
	regresión no lineal entre dos variables,
	el contorno o el mapeo de densidad para determinar la ubicación principal para la concentración de cada población, y tenemos una gran opción para trazarla.
	???, los usamos habitualmente en nuestro trabajo y los encontramos muy útiles.
	El cuarto paso es desarrollar el desarrollo del modelo y depende del tipo de análisis que necesitemos.
	Es para...
	el objetivo es explicar o predecir. El primero trata sobre vínculos entre variables y sirve para explicar patrones en los datos. El segundo tiene que ver con fórmulas y sirve para predecir patrones en los datos.
	Generalmente dividimos nuestros conjuntos de datos en tres bloques, 70% para entrenamiento, 20% para pruebas y 10% para validación. Y en ocasiones, si tenemos un tamaño de datos pequeño, utilizamos el 70% para entrenamiento y el 30% para validación. Si el modelo es bueno, solicitamos un nuevo conjunto de datos para impulsar la toma de decisiones.
	Tenemos que acercarnos al aprendizaje supervisado y no supervisado. Hoy en Saint-Gobain usaremos la versión normal de JMP.
	Y tenemos acceso a herramientas de aprendizaje supervisado, como la regresión lineal, el árbol de decisión y la red neuronal. Hoy trabajamos mucho con el árbol de decisión porque nos brinda resultados relevantes que nos ayudan a resolver un desafío en la industria de materiales cerámicos.
	El quinto paso consiste en encontrar la solución óptima. A veces es sólo una solución, pero en otros casos es una combinación entre muchos modelos. Y para garantizar el sentido común, agregamos algunas restricciones, por ejemplo, la media máxima y el paso de valoración de cada variable.
	El perfil JMP nos brinda una gran posibilidad de optimizar rápidamente las soluciones.
	A partir de ahora, el siguiente paso es el paso a planta, con el apoyo de nuestro ingeniero de procesos con cinturón verde o negro Six Sigma.
	El sexto paso consiste en implementar la mejor solución en las plantas y regirse por un solo modelo representativo. Por ejemplo, implementamos los gráficos de control de la salida Y1 y analizamos las diferentes variaciones.
	En el séptimo paso, monitoreamos la efectividad del modelo y visualizamos la ganancia global de trabajar en nuestro proyecto de datos. Por ejemplo, en los gráficos circulares, vemos el impacto radial en el rendimiento global.
	Y por último, pero no menos importante, la preparación del paso uno de un nuevo proyecto de datos para asegurar la continuidad, la mejora continua y la continuidad del bucle infinito.
	Se trataba del ciclo de vida del proyecto de datos y ahora pasaremos a presentar dos estudios de casos reales del protocolo que utiliza JMP.
	En los dos ejemplos estudiamos la misma tecnología de proceso. Se trata de hornos de arco eléctrico, pero para los dos tenemos diferentes productos y diferentes objetivos.
	En esta tecnología, tenemos fenómenos multifísicos complejos, como efectos eléctricos, térmicos, químicos, del tiempo y otros efectos físicos.
	Aquí tenemos, por ejemplo, más de 100 variables de proceso que provienen de diferentes tipos de sensores.
	la necesidad empresarial
	era explicar el rendimiento global de un producto específico, JO7.
	En él detectamos muchos tipos de defectos, el Defecto #1, #2 al #N.
	Y para eso, para preparar correctamente los conjuntos de datos, utilizamos Pareto,
	procesamiento de valores atípicos con distancia de Mahalanobis y recodificación de los atributos correctos para corregir el tipo de errores y el procesamiento de valores faltantes.
	En el paso tres, en explorar, presentamos aquí solo un ejemplo de correlación que estudiamos entre entradas para reducir el número de variación.
	después de trabajar con modelos.
	Como resultado, encontramos nuestro árbol de decisión con solo tres variables y aquí, el objetivo era explicar por qué el rendimiento no es
	en el máximo
	Y tenemos un
	árbol de decisión con solo tres variables por debajo de 100. Entonces, para el modelo usamos aquí el 70% de los datos para entrenamiento porque no tenemos un gran tamaño de datos y el 30% para validación y obtenemos buenos resultados con una raíz cuadrada importante.
	Como ves, es más del 70%.
	Entonces, el mensaje que le transmitimos a la planta es que solo con la configuración específica de
	X1, X2 y X3 podemos explicar el
	rendimiento global, y si necesitamos maximizar Y, el porcentaje de este rendimiento, necesitamos obtener una configuración específica solo para X1 y X3.
	Y el rendimiento global debería evolucionar rápidamente. Es el punto... en el grupo de puntos aquí.
	y para cada uno
	proyecto, también damos la comprensión física de cada parámetro
	a la planta.
	Para el segundo ejemplo aquí con la misma tecnología pero para otro producto, aquí tenemos solo 80 variables de proceso y el objetivo era evolucionar el número de piezas sin defectos, D1.
	La necesidad es explicar la calidad.
	de nuestros productos específicos, por lo que utilizamos la misma metodología para nuestros pasos. Por ejemplo, aquí estudiamos la misma correlación entre entradas para reducir la cantidad de variables que incluiremos en el modelo.
	Y, como resultado, utilizamos también un árbol de decisión, pero aquí encontramos 12 variables que explican este rendimiento global.
	con buena
	resultados. Como puede ver, el R cuadrado fue del 84%, el RMSE fue del 3% y el número de tamaño fue 287. Para eso, utilizamos el método de validación cruzada.
	porque tenemos un tamaño de mesa muy pequeño.
	Entonces el primer parámetro fue muy importante, como ven, aporta el 50%.
	Y era difícil explicar eso con las 12 variables a las plantas. Para eso, cuando graficamos solo la primera variable, vemos visualmente que podemos definir un umbral solo con la variable X1, y con ella el rendimiento global debería evolucionar rápidamente.
	Gracias.