耦合双精馏塔的结构方程模型 (2021-EU-45MP-756)Markus Schafheutle，商业咨询顾问
Laura Castro-Schilo，JMP 高级研究统计开发人员，SAS
Christopher Gotwalt，SAS 统计研发总监
我们描述了一个用于对化学工艺制造数据进行建模的案例研究。研究的目的是确定制造工艺中可控因素的最佳设置，从而在保持产品质量的同时将成本降至最低。我们使用结构方程模型 (SEM) 来拟合多元时间序列模型，该模型捕捉了众多工艺变量之间多元关联的复杂性。然后，我们使用 SEM 中模型隐含的协方差矩阵创建了一个预测分析器，可以估计可控因素的最佳设置。结果由领域专家验证，并将预测与热力学模型的预测进行比较。验证成功后，SEM 和分析器结果在化工厂进行了测试，结果良好；优化的预测设置指明了优化质量和成本的正确方向。最后，我们概述了使用社会和行为科学（而非工程学）中常用的方法对这些数据进行建模所面临的挑战。
自动生成的成绩单...
扬声器 | 脚本 |
| 你好，我是 Chris Gotwalt， |
| 今天我要 |
| 与 Markus Schafheutle 一起演讲 |
| 和劳拉·卡斯特罗-斯基洛 |
| 关于工业应用 |
| 结构方程模型，或 |
| SEM。本次演讲展示了 |
| 我最喜欢的事情 |
| 我使用 JMP 进行的工作。在 JMP 中 |
| 统计发展，我们有一个 |
| 鸟瞰图 |
| 数据分析中发生的事情 |
| 跨越许多领域， |
| 我们有机会跨越 |
| 促进最佳实践 |
| 学科。 |
| 在 JMP Pro 15 中，我们添加了新的 |
| 结构方程模型 |
| 平台。这是占主导地位的 |
| 数据分析框架 |
| 很多社会科学因为 |
| 它灵活地模拟复杂 |
| 多变量关系 |
| 设置。其中一个关键 |
| 特点是变量可能 |
| 既可用作回归量，又可 |
| 同时做出回应 |
| 同一模型的一部分。 |
| 此外，我突然想到 |
| 这些复杂的 |
| 他们所代表的模型 |
| 图表显示，至少在 |
| 表面看起来像图表 |
| 代表制造业 |
| 流程。我不是唯一一个 |
| 建立这种联系。Markus， |
| 谁在和 |
| 化学公司认为 |
| 同样的事情。他正在研究 |
| 化学公司的问题 |
| 双柱双缸 |
| 蒸馏制造 |
| 他们想要的流程 |
| 尽量减少能源成本 |
| 大部分是蒸汽 |
| 生产，同时仍在制造 |
| 产品留在 |
| 规范。他伸手 |
| 他的 JMP 销售工程师， |
| 马丁·德梅尔 (Martin Demel) 随后 |
| 马库斯对劳拉和我说道。 |
| 我们举行了一系列会议 |
| 他展示并描述了 |
| 数据、问题和 |
| 公司的目标。我们 |
| 能够对数据进行建模 |
| 非常好。我们的模型 |
| 通过分享结果进行验证 |
| 与 JMP 沟通 |
| 公司的 |
| 内部专家 |
| 第一原理模拟器 |
| 然后使用新的物理数据 |
| 来自植物。这显然 |
| 数据科学的成功 |
| 项目。不过我想 |
| 添加警告。成功 |
| 需要共同努力 |
| 劳拉，顶级专家 |
| 在结构方程中 |
| 建模。在加入 JMP 之前， |
| 她曾任定量研究教授 |
| 大学心理学 |
| 北卡罗来纳州，教堂山，一 |
| 顶级部门 |
| 美国。她也是 |
| JMP Pro 中的 SEM 平台。 |
| 这次练习很有挑战性 |
| 甚至对她来说也是如此。她必须写一篇 |
| 本身编写的 JSL 程序 |
| 指定一个 JSL 程序 |
| 以这个模型为例。 |
| 我们适合的模型可能是 |
| 最大和最 |
| 所有复杂的 SEM 模型 |
| 时间。我想呼唤 |
| 真正杰出的 |
| 开创性的工作 |
| Laura 用 SEM 完成了这两件事 |
| 平台一般而言， |
| 案例研究。现在 |
| 我要把它交给 |
| 马库斯将给予 |
| 问题背景 |
| 客户想要解决，然后 |
| 劳拉将要谈论 |
| SEM 和她的模型 |
| 问题。我会做一个简短的 |
| 讨论我们如何建立 |
| 然后 Markus 会 |
| 总结并讨论 |
| 该项目的收获和 |
| 客户的行为 |
| 根据我们的结果采取的措施。 |
| 谢谢你，克里斯 |
| 介绍。 |
| 在我开始解决这个问题之前， |
| 我想让你熟悉 |
| 蒸馏的原理。 |
| 蒸馏是一种 |
| 分离液体混合物 |
| 大部分时间都是分开的 |
| 将它们融入到各自的 |
| 组件。那么这是如何实现的呢？ |
| 能行吗？这里，你看一个示意图 |
| 实验室蒸馏的视图 |
| 设备。你在这里看到的是 |
| 烧瓶中盛有粗混合物， |
| 必须分开的是 |
| 里面。你把这里加热一下 |
| 在这种情况下，用油浴 |
| 然后搅拌它然后它开始 |
| 沸腾。因此最低沸点 |
| 材料首先开始，然后 |
| 蒸汽在这里上升并暂停 |
| 这是温度计 |
| 沸腾温度然后 |
| 进一步进入这些冷却器 |
| 在这里凝结 |
| 然后凝结物会落到这里 |
| 到另一个小烧瓶里。 |
| 正如我所说，它建造 |
| 用于分离混合物... |
| 不同液体的 |
| 沸点，也就是 |
| 按沸点分开。 |
| 例如，大家都知道 |
| 如果你想 |
| 用麦芽浆酿制的杜松子酒，你只需 |
| 把里面的糊状物做成 |
| 烧瓶，加热，然后你 |
| 在这里蒸馏酒精 |
| 并得到杜松子酒。 |
| 因为它看起来很简单 |
| 在实验室里 |
| 行业有点更多 |
| 很复杂。因为让我们 |
| 说设备不是 |
| 不仅更大而且更多 |
| 很复杂，主要是因为 |
| 工程部分的 |
| 的故事。 |
| 因此在本研究中， |
| 未进行蒸馏 |
| 就像你之前看到的一样， |
| 而是以连续的方式。这 |
| 意味着粗混合物 |
| 在中间某处抽水 |
| 列，然后低 |
| 沸腾的物质上升为 |
| 蒸汽到达塔顶 |
| 然后它就离开了专栏 |
| 另一个是沸点较高的 |
| 物质向下流动， |
| 离开底部的列。 |
| 让它更 |
| 复杂，在我们的例子中 |
| 然后泵送底部流 |
| 进入第二列， |
| 再次蒸馏， |
| 分离另一种材料 |
| 来自主要..来自... |
| 残留物。所以 |
| 实际上我们分开了 |
| 原始粗混合物 |
| 三个部分 | 馏出物 1， |
| 馏分 2 和什么 |
| 左边，然后是底部流 |
| 第二个静止图像。 |
| 并且让它更加 |
| 复杂，我们利用 |
| 第二塔的馏出物 |
| 加热第一柱 |
| 为了节省能源。 |
| 从示意图上看， |
| 这看起来像这样。 |
| 这里有剧照 1 和 |
| 还有 2。我们在这里 |
| 原材料混合 |
| 实际上是组装 |
| 馏出物 |
| 制造和我们想要的 |
| 要做的就是分离价值 |
| 其余的材料。所以我们 |
| 把这种粗混合物泵入 |
| 第一张剧照。正如我在某处说过的 |
| 在中间它分开 |
| 低沸点，即 |
| 我们要 |
| 有，剩下的留下 |
| 首先仍然在底部。然后 |
| 它立即被存储在这里 |
| 一辆坦克，然后从这里 |
| 再次泵入第二 |
| 仍然在某处 |
| 中间，然后分成 |
| 第二个价值材料和 |
| 离溪流，当时 |
| 重新沉积。为了加热这些东西， |
| 我们从这边开始因为 |
| 这是沸点较高的 |
| 材料，所以我们需要更高的 |
| 温度，这也意味着 |
| 更多的能源。因此我们注入 |
| 这里是蒸汽，这里是加热， |
| 以及从这里离开的材料 |
| 顶部温度为 |
| 这种物质的沸腾，所以 |
| 我们利用余热 |
| 加热第一个蒸馏器。如果 |
| 之间有一点差距 |
| 接下来会发生什么 |
| 我们需要什么 |
| 首先在这里蒸馏 |
| 不过，我们还可以添加一点 |
| 保持额外的蒸汽 |
| 一切运行。 |
| 所以这是一个非常高的水平 |
| 看待事物，如果你 |
| 想进一步了解 |
| 细节，这里是 |
| 相同的图片。但这里我展示的是 |
| 你带着各种不同的标签 |
| 我们在这里为所有 |
| 读数和质量控制以及 |
| 温度控制等 |
| 等等。所以你看到的 |
| 这里？我们从这里开始，先喂一个 |
| 进入第一个静止图像。 |
| 然后我们分开到顶部 |
| 我们控制的流 |
| 密度，是一种品质 |
| 特征。并且在 |
| 底流，底流 |
| 进入这个中间水箱。 |
| 然后从这里开始安装 |
| 再次放入第二个蒸馏器中 |
| 也在这里分开 |
| 底流换顶流。 |
| 我们再次在这里测试 |
| 密度进行质量控制。 |
| 在这里我们也加入蒸汽 |
| 把所有这些东西加热， |
| 然后顶部的气流通过热量 |
| 换热器进入第一蒸馏器 |
| 然后再次加热。这里 |
| 我们可以添加 |
| 有一些额外的蒸汽 |
| 这里一切都平衡。 |
| 因此我们在本地看到的 |
| 你有很多 |
| 相关性，所以这已经完成了 |
| 这里的颜色代码是 |
| 箭头。例如，feed |
| 这里有饲料 |
| 密度，是衡量 |
| 这里的组成 |
| 饲料。因此，加上这两个 |
| 正在定义顶级流和 |
| 质量在这里， |
| 底部流或多或少。所以你 |
| 有一些本地预测。此外 |
| 这里的材料进来 |
| 这里和这里定义了一些东西 |
| 这里。但如果你想有一个 |
| 整个的描述 |
| 设备，然后就变得棘手了 |
| 因为你可以做局部最小二乘 |
| 相关性。你可以做到 |
| 此处。您可以单独执行 |
| 蒸汽或也在这里。但是 |
| 正如你所见，我们有一个开始 |
| 大批人流来来往往 |
| 通过第一静止，通过 |
| 第二，到这里，我们有 |
| 能量流开始 |
| 或多或少在这里，经历 |
| 这里也通过热交换器 |
| 在下面。所以这是一种 |
| 电路，我们这里有， |
| 所有这些都是相互关联的 |
| 或多或少地 |
| 电路，这给出了 |
| 我们面临的困难 |
| 其实不知道 Xs |
| 和 Y 一样。 |
| 这就是我们 |
| 开始考虑其他 |
| 对此进行建模的可能性。 |
| 因此本研究的目标是 |
| 找到最佳流量和 |
| 所有这些的蒸汽设置 |
| 不同的传入因素 |
| 在这里，在某种程度上， |
| 能够留下一切 |
| 在规格上。因此馏出物 |
| 质量应该符合规格，但是 |
| 内部运营 |
| 规格以及规格 |
| 最后的废物流。 |
| 最有趣的是， |
| 至少有钱 |
| 明智的做法是，我们希望尽量减少 |
| 消费 |
| 速度……抱歉，是蒸汽。 |
| 那么我们真正需要的是 |
| 首先，是一个很好的模型 |
| 描述了这个和那个 |
| 劳拉来的时候 |
| 进入游戏并开发 |
| 这个结构方程模型。 |
| 我们还需要 |
| 分析器，使我们能够 |
| 找出最好的 |
| 设置，最佳设置 |
| 对于所有这些传入 |
| 变化，我们可能会有 |
| 为了留在所有 |
| 这些规格。这就是 |
| 克里斯进来的地方， |
| 以劳拉的模型为基础， |
| 一个分析器，我们可以使用它来 |
| 我们所做的所有预测 |
| 需要。所以现在我想通过 |
| 劳拉描述了 |
| 她以此为基础建立的模型 |
| 数据在这里。劳拉，请。 |
| 谢谢你，马库斯。我是劳拉 |
| 卡斯特罗-希洛和我要去 |
| 告诉你步骤 |
| 我们遵循模型 |
| 蒸馏工艺采用 |
| 结构方程 |
| 模型平台。 |
| 所以当马库斯第一次来的时候 |
| 和我们谈论他的项目， |
| 有三个具体 |
| 让我意识到 |
| SEM 是一个很好的工具 |
| 对他来说。首先是 |
| 有一个非常具体的 |
| 理论如何 |
| 互相影响，我们看到 |
| 在图上他 |
| 显示。 |
| 一个重要特征是 |
| 图表是所有变量 |
| 具有双重角色。换句话说， |
| 你可以看到箭头指向 |
| 图中的节点，但 |
| 这些节点也指向其他 |
| 变量，所以没有 |
| 明确区分什么 |
| 是一个输入，而 |
| 输出。相反，变量 |
| 这两个角色。 |
| 最后，重要的是 |
| 意识到我们正在处理 |
| 流程 |
| 重复测量。在其他 |
| 换句话说，我们有时间序列数据 |
| 所有这些功能 |
| 让我意识到 SEM 可以 |
| 成为 Markus 的好工具。现在， |
| 如果你不熟悉 SEM， |
| 你可能会想知道为什么。SEM 是一个非常 |
| 提供通用框架 |
| 处理灵活性高 |
| 有这些类型的问题。 |
| 我在这张幻灯片中列出了 |
| 不同特征的数量 |
| 这使得 SEM 成为一个很好的工具，但是 |
| 因为我们无法 |
| 为了经历这一切，我 |
| 还包含一个链接，你可以 |
| 可以了解有关 SEM 的更多信息 |
| 如果你感兴趣的话。现在我 |
| 将重点关注两个 |
| 我在这里要说几点。第一 |
| SEM 可以让我们测试 |
| 多元理论 |
| 变量之间的关系， |
| 这正是 Markus |
| 想做的事。 |
| 此外，还有非常有用的 |
| SEM 中的工具称为路径 |
| 图表。这些图表是 |
| 非常直观，他们 |
| 代表统计模型 |
| 我们很合适。 |
| 那么让我们来谈谈这一点 |
| 仅此而已。下面是一个例子 |
| 我们可以绘制路径图 |
| 引入 SEM 平台 |
| 表示简单线性 |
| 回归，图表是 |
| 用非常具体的 |
| 功能。例如，我们 |
| 使用矩形来表示 |
| 我们拥有的变量 |
| 测量。这里是 X 和 Y。我们 |
| 还有一个单向箭头 |
| 表示回归效应。并且 |
| 注意双箭头 |
| 开始和结束于同一个 |
| 变量代表方差。 |
| 现在，如果这些开始并且 |
| 以不同的变量结束， |
| 这些双头箭 |
| 则表示协方差。在 |
| 在这种情况下，我们只有 |
| X 的方差和残差 |
| Y 的方差，即 |
| 对此没有解释 |
| X 的预测。 |
| 这是路径图 |
| 一个简单的表示 |
| 线性回归。当然 |
| 我们还可以看看 |
| 代表的方程 |
| 按照该图。请注意 |
| 对于 Y，这个方程是 |
| 只是线性回归。并且 |
| 我在这里省略了方法和 |
| 拦截只是为了简单。 |
| 值得注意的是 |
| 所有参数 |
| 这些方程是 |
| 路径中表示 |
| 图表，所以这些图表 |
| 确实传达 |
| 精确的统计模型 |
| 我们很合适。 |
| 在 SEM 中，图表或 |
| 我们指定的模型意味着 |
| 非常特殊的协方差 |
| 结构。这是 |
| 我们 |
| 考虑到简单 |
| 线性回归模型。因此， |
| 可以看到我们有 epsilon X 作为 |
| X 的方差。我们还有 |
| Y 的方差，即 |
| 方差函数 |
| X 和残差方差 |
| Y，我们还有一个 |
| 协方差表达式 |
| X 和 Y。一般来说， |
| 评估模型拟合度的方法 |
| 在 SEM 中，通过比较模型 |
| 隐含协方差结构 |
| 实际观察到的样本 |
| 数据的协方差，如果 |
| 这两个相当接近 |
| 我们会说 |
| 该模型非常适合。 |
| 因此有许多不同的模型 |
| 可以适合SEM。 |
| 今天我们的重点是 |
| 具体来说 |
| 关于时间序列模型。 |
| 当我们谈论时间序列时， |
| 我们具体谈论的是 |
| 数据集合，其中 |
| 依赖于先前的数据 |
| 点，这些数据 |
| 通常平等收集 |
| 间隔的时间间隔。 |
| 时间序列 |
| 分析涉及 |
| 数据中的依赖关系是 |
| 倒退过去。因此 |
| 这些模型的类型称为 |
| 自回归过程或 |
| ARP。你可以在这里看到 |
| Y 代表的是 |
| 在时间 T 处测量，自动 |
| 回归模型包括 |
| 回归这一过程 |
| 此前的观察结果 |
| 过程持续到时间 T 减 P。 |
| 所以如果我们谈论 |
| 特别是关于 |
| 自回归一过程， |
| 然后你就会看到我们有 |
| 过程 YT 回归其 |
| 紧邻 YT |
| 减一。 |
| 而我们的方式 |
| 在 SEM 中实现这一点很简单 |
| 通过指定，正如我们之前看到的， |
| YT 对 YT 减去 |
| 一。所以请注意，这里 |
| 回归方程非常 |
| 类似于我们看到的 |
| 上一张幻灯片，等等 |
| 毫不奇怪， |
| 路径图看起来相同。 |
| 我们可以扩展这个 AR(1) |
| 模型变成了包括两个 |
| 换句话说， |
| 二阶自回归。并且 |
| 我们在这里看到我们有流程 |
| 正在回归的 YT |
| T 减 1 和 T 减 2。 |
| 如果我们看看这条路 |
| 表示该 |
| 模型中，我们看到我们有一个 |
| 明确表示 |
| 当前进程，但 |
| 滞后一和滞后二也是如此。 |
| 一个非常具体的方面 |
| 图是路径 |
| 相邻时间点设置为 |
| 彼此平等，并且这 |
| 是 |
| 规范允许我们 |
| 正确指定模型。因此 |
| 注意我们使用的是 beta 1 |
| 表示滞后 1 |
| 效果，我们还必须 |
| 设置平等约束 |
| 残差方差。 |
| 最后，我们还有效果 |
| YT 减 2，因为 |
| 预测 YT，所以这是 |
| 滞后2效应。 |
| 现在所有这些模型 |
| 单变量时间序列模型， |
| 你可以使用 |
| 结构方程模型 |
| 或者您可以 |
| 还可以使用时间序列 |
| 我们现有的平台。 |
| 然而，我们面临的问题是 |
| 处理 Markus 的数据 |
| 需要更多的复杂性。它 |
| 要求我们看看 |
| 多元时间序列模型 |
| 这些模型中的一种是 |
| 称为向量自回归 |
| 模型。我想 |
| 向您展示的是这些模型之一 |
| 二阶的。 |
| 因此，我们有一个针对 X 的流程， |
| 另一个是 Y，同样 |
| 自回归效应 |
| 之前看过的都包括在这里。 |
| 注意我们有平等 |
| 真正的限制 |
| 对于正确 |
| 规范。但我们也有 |
| 交叉滞后效应 |
| 告诉我们流程如何 |
| 相互影响。注意 |
| 这里 gamma 1 和 gamma 1 和 |
| 还有伽马 3、伽马 3、 |
| 这里建议我们必须 |
| 将平等约束放在 |
| 滞后 1 效应 |
| 流程。 |
| 我们还必须纳入 |
| 过程间的协方差 |
| 所以我们有它们的协方差 |
| 时间 T 减 2。但我们还有 |
| 时间的残差协方差 |
| T 减 1 和 T 并注意这些 |
| 必须平等 |
| 再次受到限制， |
| 规范。所以我要 |
| 在这段视频中向你展示如何 |
| 我们将拟合一个双变量时间 |
| 系列模型就像 |
| 我向你展示的是使用 JMP |
| 专家。我们首先要 |
| 操纵我们的数据，以便 |
| 他们已经准备好进行 SEM。首先， |
| 我们对这两个进行标准化 |
| 因为它们处于 |
| 尺度非常不同。 |
| 然后我们创建滞后变量 |
| 明确表示时间 |
| T 时间点之前的点。所以我们 |
| 将会有 |
| T 减 1 和 T 减 2。 |
| 我们推出了 SEM 平台， |
| 我们要输入 Xs |
| 然后是 Y，这样 |
| 更容易指定我们的模型。 |
| 现在我加快了视频速度 |
| 以便您可以快速看到 |
| 模型是如何指定的。 |
| 在这里我们添加 |
| 交叉滞后效应 |
| 对于第 1 层。 |
| 然后直接使用 |
| 图表的交互性，我们 |
| 添加滞后2效应。 |
| 剩下的就是 |
| 指定所有平等 |
| 所需的约束 |
| 对于这些模型 |
| 流程和跨流程。 |
| 我们为我们的模型命名。 |
| 最后，我们 |
| 将要运行它。 |
| 正如你所见，即使只是一个 |
| 双变量时间序列模型 |
| 仅包含两个过程 |
| 需要一定数量的平等 |
| 限制和细微差别 |
| 规范 |
| 相对具有挑战性。然而， |
| 在蒸馏的情况下 |
| 处理数据，我们有更多的 |
| 超过两个过程。我们 |
| 实际上处理了 26 个 |
| 这些过程，总的来说 |
| 约有 45,000 |
| 测量结果 |
| 每隔 10 分钟一次。 |
| 所以我们的第一个方法是 |
| 探索单变量 |
| 时间序列模型使用 |
| JMP中的时间序列平台。 |
| 当我们这样做的时候，我们 |
| 意识到对于大多数人来说 |
| 处理 AR(1) 或 AR(2) |
| 模型拟合效果最好，所以这个 |
| 让我真正意识到 |
| 至少我们需要 |
| 拟合多元模型 |
| SEM 结合 |
| 至少两个滞后。 |
| 我们还必须遵循一些 |
| 预处理步骤 |
| 将数据准备好放入 SEM。 |
| 一方面，我们有很多 |
| 缺少数据，即使 |
| SEM 可以处理缺失数据 |
| 很好，有如下模型 |
| 像这些一样复杂，它变得 |
| 计算非常非常 |
| 所以我们决定 |
| 选择一个数据子集，我们 |
| 拥有所有的完整数据 |
| 流程，这给我们留下了 |
| 约 13,000 条观测结果。 |
| 此外，正如我们在视频中看到的，我们 |
| 存在较大差异 |
| 在整个过程中，所以我们 |
| 使所有这些标准化。并且 |
| 最后我们创建了滞后变量 |
| 以确保我们能够 |
| 在 SEM 中指定模型。 |
| 现在对于模型规范， |
| 平等约束 |
| 特别是非常非常大 |
| 挑战，因为它需要 |
| 需要花费很多时间来指定它们 |
| 手动，并且将是 |
| 当然，这很繁琐，而且容易出错。 |
| 因此，我们处理 |
| 这是为了生成一个 JSL |
| 然后会生成脚本 |
| 另一个用于启动的 JSL 脚本 |
| SEM 平台。 |
| 你在这里看到的是 |
| 我们最终拟合的模型 |
| 平台，幸运的是，之后 |
| 估计这个模型，我们 |
| 能够获得协方差 |
| 隐含的结构 |
| 模型，这就是 |
| 我可以传递的信息 |
| 交给 Chris Gotwalt，他 |
| 然后利用 |
| 该矩阵是为了创建一个 |
| Markus 可以使用的分析器 |
| 为了他的目的。 |
| 那么克里斯，你为什么不告诉我们 |
| 您是如何创建该分析器的？ |
| 谢谢你，劳拉。现在我要走了 |
| 展示如何 |
| 我可以把模型 |
| 结果并将其转化为 |
| 该公司的分析员 |
| 可以轻松使用。 |
| 因此劳拉在 |
| 标准化数据并发送给我 |
| 包含相同模型的表 |
| 她还拦截了 |
| 原有的手段和标准 |
| 过去常常出现的偏差 |
| 标准化数据。 |
| 我们有模拟模型 |
| 隐含协方差矩阵 |
| 包括之间的协方差 |
| 现值和 |
| 滞后值 |
| 过去。此信息描述了 |
| 所有变量如何与 |
| 彼此。在这种形式中， |
| 尽管模型还没有准备好 |
| 可用于预测。要查看 |
| 某些变量如何变化 |
| 作为其他人的函数，我们有 |
| 使用此信息来 |
| 推导出条件 |
| 响应分布 |
| 变量，给定变量 |
| 我们想要用作输入。 |
| 因此从本质上讲我们需要 |
| 条件均值 |
| 给定输入的响应。所以 |
| 为了做到这一点，我们需要实施 |
| 这个公式就在这里。 |
| 为了做到这一点，我们使用 SWEEP |
| JSL 中的运算符 SWEEP |
| 运算符是一种数学工具 |
| 这是由 SAS 首席执行官和 |
| 联合创始人 Jim Goodnight。 |
| 发表在美国 |
| 1979 年的统计学家。SWEEP |
| 运营商可能是唯一的 |
| 最重要的贡献 |
| 计算统计 |
| 过去 100 年来。大多数 JMP 用户 |
| 不知道 SWEEP |
| 每一个 |
| JMP统计平台 |
| 有很多方法。我们用它来表示矩阵 |
| 反演，计算 |
| 平方和也可以是 |
| 简单而优雅地利用 |
| 计算条件的方法 |
| 如果你知道 |
| 如何正确使用它。 |
| 我创建了一个带有列的表格 |
| 对所有变量。两个 |
| 表中的行是 |
| 的最小值和最大值 |
| 原始数据，它允许 |
| 分析器知道如何设置 |
| 范围。我添加了公式列 |
| 对于响应变量使用 |
| 扫掠版本 |
| 劳拉的方差矩阵 |
| 模型并把这些公式 |
| 进入后面的数据 |
| 表格或最右边。 |
| 以下是其中一个公式 |
| 看起来像。我把 |
| 分析结果如下 |
| 矩阵。劳拉的模型包括 |
| 估计的协方差 |
| 过去两年的当前 Y |
| 先前的值，因为它 |
| 大型多变量 |
| 2 阶自回归模型。 |
| 通过预测现在 |
| 控制前两个 |
| 输入变量的值 |
| 会非常麻烦 |
| 以便实施。所以我做了 |
| 一个简化的假设 |
| 这两个值是 |
| 同样的，这也推翻了 |
| 模型变成了 |
| 更容易使用。为此，我 |
| 只需使用同一列 |
| 当我处理标签时 |
| 进入滞后阶段，并且 |
| 滞后两个条目。 |
| 由于没有机械设备， |
| 我创建了一个分析器 |
| 响应列 |
| 兴趣。我设立 |
| 可取性函数 |
| 反映了公司的 |
| 目标。所以他们想 |
| 匹配目标 |
| A2TopTemp，最大化 A2BotTemp， |
| 等等，最终 |
| 想要最小化总数 |
| 冒出的蒸汽 |
| 两列。 |
| 因此你可以锁定某些 |
| 分析器中的变量 |
| 控制点击疼痛。 |
| 锁变量将有其 |
| 通过实心红色绘制的值 |
| 行，然后我们一旦完成 |
| 我们可以输入值 |
| 它们，当我们运行 |
| 优化器或最大化 |
| 可取性，锁定 |
| 变量将保持不变。 |
| 这样我们就可以找到 |
| 我们可以控制的变量 |
| 让产品继续生产 |
| 符合规范，同时 |
| 最大限度地降低能源成本。 |
| 可以公平地说 |
| 使别人难以 |
| 重复劳拉的建模方法 |
| 一个新问题，它会 |
| 对别人来说很难 |
| 像我一样设置一个分析器 |
| 这里。如果有足够多的人看到这个 |
| 演示，并希望我们添加一个 |
| 平台 |
| 将来的分析会更加容易， |
| 你应该通过以下方式告知我们 |
| 联系技术 |
| 通过 support@JMP.com 提供支持。 |
| 现在我要把它还给我 |
| 转到 Markus，他将发言 |
| 关于客户做了什么 |
| 模型和我们的结论。 |
| 谢谢你，克里斯。 |
| 因此，使用预测分析器， |
| Chris 刚刚介绍的，我们 |
| 用它来制作一个 |
| 预测景观， |
| 让我们理解如何 |
| 最佳设置应该是 |
| 为了实现所有 |
| 必要的质量规格。因此 |
| 这三个因素是什么 |
| 假设是随着 |
| 我们的影响范围有限， |
| 还有什么 |
| 为 Still 1 和 |
| 为 Still 2 提供饲料， |
| 品质或成分 |
| 的饲料合而为一。 |
| 而我们的结果却是 |
| 他们的模型也是 |
| 冷却水温度 |
| 也发挥着重要作用 |
| 在这种情况下。所有其他 |
| 变量的重要性较小 |
| 所以我们忽视了它们 |
| 这是第一种方法。 |
| 在这里您可以看到风景。 |
| 这是一种变化 |
| 图表，可以这么说，所以我们有 |
| 这里饲料密度 |
| 蒸馏器 1，进料至蒸馏器 1 |
| 并送入 Still 2 |
| 以及所有可能的组合， |
| 或多或少。然后你看到 |
| 预测的设置 |
| 成为最好的人才能留下来 |
| 在规格范围内。并且 |
| 以下是我拥有的一些 |
| 规格，所以我们 |
| 必须留在里面。 |
| 例如，它是 |
| 蒸馏器 2 的蒸汽流量 |
| 回流，锅炉升起， |
| 同样的事情 |
| 仍然是 1。右边是 |
| 侧面，你看到 |
| 预测结果，因此 |
| 质量规格，可以这么说。因此 |
| 顶部流动的温度 |
| 密度仍然为 1 |
| 馏出物的密度 |
| 蒸馏器 2 的馏出物， |
| 等等等等。那又怎么样 |
| 你看到的是在这里，如果你有 |
| 看看这里的可取性， |
| 也就是下面这一行， |
| 有很多地方 |
| 我们无法真正实现良好的 |
| 系统性能。如果 |
| 你看一下细节 |
| 你看，好吧，我们不符合要求， |
| 我们在这里偏离了规范，在这里 |
| 有些点，我们不符合规范，等等 |
| 等等。但它还能看到什么 |
| 这是符合规格/不符合规格的事情 |
| 不仅受 |
| 这三个组件 |
| 这里，还有河边 |
| 温度，目前 |
| 它突出显示最低 |
| 河流温度为 1 |
| 学位。所以你在这里看到的 |
| 有了它，我们大部分时间都 |
| 规格中的时间，尽管有 |
| 罕见 |
| 这三者的组合 |
| 我们没有考虑到的因素。但如果 |
| 我们正在增加河流 |
| 温度，例如 24 |
| 学位，那么我们 |
| 不符合规格...变得更加 |
| 更占主导地位。这里还有 |
| 很难保持这种状态 |
| 规格。那么我们 |
| 从模型中学习 |
| 是我们有问题要留下来 |
| 在我们的规范中，当 |
| 河水温度高于7 |
| 摄氏度。那么 |
| 问题是为什么 |
| 那？还有工程师们 |
| 经常……怀疑的是 |
| 这是因为 |
| 冷却能力 |
| 冷却剂。但在我们出发之前 |
| 进入真正的审判，我们 |
| 比较了我们的 SEM 模型与 |
| 基于热力学模型 |
| 在 Chem CAD 上。 |
| 它指出的是 |
| 两种模型都是 |
| 指向同一个 |
| 方向，所以没有 |
| 没有真正的差异 |
| 两者之间。 |
| 好吧，这让我们陷入了 |
| 乐观的心情，所以我们做到了 |
| 一些真正的试验 |
| 和最好的 |
| 设置，比如说， |
| 批准预测 |
| 来自模型的东西。 |
| 事实就是这样，正如我所说的 |
| 已经，这就是工程师 |
| 怀疑冷却 |
| 冷却器的容量不 |
| 足够了。所以当你有 |
| 河流温度较高时， |
| 那么热传递也 |
| 小，所以设备... |
| 设备无法正常运转 |
| 不再。所以下一步是 |
| 使用这些数据 |
| 在这里学习以证明另一个 |
| 投资建设 |
| 这里有更好的冷却器 |
| 热交换能力。 |
| 感谢 Laura 和 Chris，我们 |
| 可以在这里进行投资。 |
| 如果你有疑问 |
| 请随时提问。 |
| 谢谢。 |
