連結二塔蒸留塔の構造方程式モデリング (2021-EU-45MP-756)Markus Schafheutle、コンサルタント、ビジネスコンサルティング
Laura Castro-Schilo、JMP シニア リサーチ 統計開発者、SAS
Christopher Gotwalt、SAS 統計研究開発担当 JMP ディレクター
化学プロセスから製造データをモデル化するケース スタディについて説明します。この研究の目的は、製造プロセスにおける制御可能な要因の最適な設定を特定し、製品の品質を高く保ちながらコストを最小限に抑えることです。構造方程式モデリング (SEM) を使用して、多数のプロセス変数間の多変量関連の複雑さを捉えた多変量時系列モデルを適合させました。次に、SEM のモデルが暗示する共分散行列を使用して、制御可能な要因の最適な設定を推定できる予測プロファイラーを作成しました。結果は、ドメインの専門家によって検証され、予測を熱力学モデルの予測と比較しました。検証が成功した後、SEM とプロファイラーの結果が化学工場でテストされ、肯定的な結果が得られました。最適化された予測設定は、品質とコストを最適化するための正しい方向を示していました。最後に、エンジニアリングではなく社会科学や行動科学でよく使用される方法論を使用してこれらのデータをモデル化する際の課題について概説します。
自動生成されたトランスクリプト...
スピーカー | トランスクリプト |
| こんにちは、クリス・ゴットウォルトです。 |
| 今日は |
| マルクス・シャフホイトレ氏とプレゼンテーション |
| とラウラ・カストロ＝シーロ |
| 産業応用に関する |
| 構造方程式モデル、または |
| SEM。この講演では、 |
| 私が最も楽しんでいること |
| JMPでの私の仕事。JMPでは |
| 統計的発展により、 |
| 鳥瞰図 |
| データ分析で起こっていること |
| 多くの分野にわたって、 |
| 私たちに機会を与えてくれた |
| ベストプラクティスを広める |
| 分野。 |
| JMP Pro 15では、新しい |
| 構造方程式モデリング |
| プラットフォームです。これが主流です |
| データ分析フレームワーク |
| 社会科学が多いので |
| 複雑なものを柔軟にモデル化します |
| 多変量の関係 |
| 設定。重要なものの1つは |
| 特徴は、変数が |
| 回帰変数としても、 |
| 同時に応答する |
| 同じモデルの一部。 |
| さらに、私は思いついた |
| これらの複雑な |
| それらを表現するモデル |
| 図は、少なくとも |
| 表面、図のように見える |
| 製造業を代表する |
| プロセス。私だけではありませんでした |
| このつながりを作るために。マルクス、 |
| 一緒に働いていた |
| 化学会社は、 |
| 同じことをしていた。彼は |
| 化学会社の問題 |
| 2列ツイン |
| 蒸留製造 |
| 彼らが望んでいたプロセス |
| エネルギーコストを最小限に抑える |
| 主に蒸気になる |
| 生産しながら、 |
| 内に留まった製品 |
| 仕様。彼は |
| JMPのセールスエンジニア、 |
| マーティン・デメルはその後 |
| マルクスからローラと私へ。 |
| 私たちは一連の会議を開催しました |
| そこで彼は |
| データ、問題、そして |
| 会社の目標です。私たちは |
| データをモデル化できる |
| 非常にうまくいきました。私たちのモデルは |
| 結果を共有することで検証 |
| JMPとの通信 |
| プロファイラーを会社の |
| 社内の専門家と |
| 第一原理シミュレータ |
| そして新たな物理データで |
| 工場から。これは明らかに |
| データサイエンスとしての成功 |
| プロジェクト。しかし、私は |
| 注意点を追加。成功 |
| 共同の努力が必要だった |
| 一流の専門家であるローラ |
| 構造方程式において |
| モデリング。JMPに入社する前は、 |
| 彼女は定量分析の教授だった |
| 大学の心理学 |
| ノースカロライナ州、チャペルヒル、1 |
| トップ部門の |
| 彼女はまた、 |
| JMP Pro の SEM プラットフォーム。 |
| この演習は難しかった |
| 彼女にとっても。彼女は |
| JSLプログラム自体が書いた |
| 指定されたJSLプログラム |
| たとえばこのモデル。 |
| 私たちが当てはめたモデルはおそらく |
| 最大かつ最も |
| 洗練されたSEMモデル |
| 時間です。 |
| 本当に素晴らしい |
| 画期的な作品 |
| ローラはSEMで両方をやった |
| プラットフォーム全般とこの |
| 特にケーススタディ。 |
| 引き継ぎます |
| マルクス、誰が |
| 問題の背景 |
| 顧客が解決したいと思ったら |
| ローラは |
| SEMと彼女のモデル |
| 問題です。簡単に説明します |
| どのように設定するかについての議論 |
| プロファイラーとMarkusが |
| まとめと |
| プロジェクトから得た教訓と |
| 顧客が行う行動 |
| 私たちの結果に基づいて取った行動。 |
| ありがとう、クリス |
| 導入。 |
| 問題に取り組む前に、 |
| 知っておいていただきたいのは |
| 蒸留の原理。 |
| 蒸留は、 |
| 液体の混合物を分離する |
| ほとんどの場合、分離します |
| それらを個々の |
| コンポーネントです。それでは、これは |
| 仕組みは？ここに回路図があります |
| 実験室での蒸留の様子 |
| 機器です。ここには |
| フラスコに粗混合物を入れ、 |
| 分離しなければならないのは |
| 中はこんな感じです。これを温めて |
| この場合はオイルバスで |
| かき混ぜると始まります |
| 沸騰。つまり最低沸点 |
| まず材料が始まり、その後 |
| 蒸気はここで上昇し、停止します |
| ここに温度計が届く |
| 沸騰温度まで上昇し、 |
| さらにこれらのクーラーに入る |
| ここで凝縮され |
| そして凝縮液はここに落ちます |
| もう一つの小さなフラスコに。 |
| 先ほど言ったように、それは構築されています |
| 混合物を分離するために...から |
| 異なる液体の |
| 沸点、そしてそれは |
| 沸点によって分けられます。 |
| 例えば、誰もが知っている |
| おそらくあなたが作りたいのであれば |
| マッシュからシュナップスを作ると、 |
| 中にマッシュを作る |
| フラスコに入れて加熱し、 |
| ここでアルコールを蒸留する |
| そしてシュナップスを飲みます。 |
| 見た目はとてもシンプルですが |
| ここの研究室では |
| 業界ではもう少し |
| 複雑です。 |
| 機器は |
| 大きいだけでなく、 |
| 複雑で、主に |
| エンジニアリング部分の |
| 物語の。 |
| そこでこの研究では、 |
| 蒸留は行われなかった |
| 前に見たようにバッチ方式で |
| しかし、継続的に。これは |
| 粗混合物は |
| どこかの真ん中に汲み上げられた |
| 列と低い |
| 沸騰物質は |
| 蒸気を塔の上部へ |
| そして列はそこで終わる |
| そしてもう一つの高沸点 |
| 物質は下方に流れ、 |
| 列を一番下に残します。 |
| そして、それをもう少し |
| 複雑ですが、私たちの場合は |
| 底流はポンプで汲み上げられる |
| 2番目の列に |
| 再び蒸留して |
| 別の材料を分離する |
| メインから...から... |
| 残留物から。だから |
| 実際に私たちは |
| 元の粗混合物を |
| 3つの部分 | 蒸留物1、 |
| 蒸留物2とは何ですか |
| 左、そして下の流れ |
| 2番目の静止画です。 |
| そしてさらに |
| 複雑なので、 |
| この第2のカラムの蒸留物 |
| 最初の列を加熱する |
| このためエネルギーを節約するためです。 |
| つまり、概略的に見ると、 |
| これはこんな感じです。 |
| ここではStill 1と |
| まだ2つあります。そしてここで |
| 原材料の配合は |
| 実際には |
| 蒸留物から |
| 製造業と私たちが望むもの |
| すべきことは価値を分離することだ |
| 残りの材料から。だから私たちは |
| この原油混合物を |
| 最初の静止画。どこかで言ったように |
| 真ん中で分離する |
| 沸点が低いということは、 |
| 私たちが最初に欲しい価値材料 |
| 残りは |
| 最初はまだ一番下にあります。その後 |
| すぐにここに保存されます |
| タンク、そしてここからは |
| 再び2番目に注入された |
| それでも、どこかで |
| 真ん中に分かれて |
| 2番目の価値材料と |
| 当時は |
| 再堆積。物質を加熱するために、 |
| 私たちはここから始めます |
| これは高沸点です |
| 材料なので、より高い |
| 気温とこれはまた |
| より多くのエネルギーを注入します。 |
| ここは蒸気、ここはまだ熱く、 |
| そしてここから出発する材料 |
| 上部の温度は |
| この物質の沸騰により |
| 余熱を利用して |
| 最初の蒸留器を加熱します。そして、 |
| 間に少し隙間がある |
| これから何が起こるのか |
| 私たちに必要なもの |
| ここで最初に蒸留 |
| それでも、少し追加することはできる |
| 余分な蒸気を保つ |
| すべて実行中です。 |
| これは非常に高いレベルです |
| 物事の見方、そしてもしあなたが |
| もう少し詳しく知りたい |
| 詳細は、ここは |
| 同じ写真です。しかし、ここでは |
| さまざまなタグであなたを |
| ここに私たちが持っているのは |
| 読み出しと品質管理と |
| 温度制御など |
| などなど。それで、あなたが見るのは |
| ここからですか？フィード1から始めます |
| 最初の蒸留器に。 |
| そして私たちはトップに分かれます |
| 私たちがコントロールするストリーム |
| 密度は品質である |
| 特徴です。そして |
| 最下層、最下層 |
| この中間タンクに入ります。 |
| そしてここからは装着です |
| 再び2番目の静止画に戻り |
| また、ここで分離されています |
| 上部ストリーム用の下部ストリーム。 |
| ここでもテスト中です |
| 品質管理のための密度。 |
| ここでも蒸気を加えます |
| これらを全部加熱して |
| 上部の流れは熱を経由して |
| 最初の蒸留器への交換器 |
| そして再び加熱します。そしてここで |
| 追加する可能性がある |
| 追加の蒸気を得るために |
| ここではすべてがバランスが取れています。 |
| そこで私たちが目にするのは、ローカル |
| あなたにはたくさんの |
| 相関関係なので、これは行われます |
| ここにカラーコードが記載されています |
| 矢印です。例えばフィード |
| フィードと一緒にここに |
| 密度は、 |
| ここでの構成 |
| フィード。この2つを組み合わせて |
| トップストリームを定義しており、 |
| ここでの品質、そして |
| 下流の多かれ少なかれ。だからあなたは |
| 地元の予測もあります。また |
| ここに材料が入っています |
| こことここは、上のものを定義します |
| ここで。しかし、もしあなたが |
| 全体の完全な説明 |
| 装備が難しくなると |
| 局所最小二乗法で計算できるから |
| 相関関係はここにあります。 |
| ここに。別々に行うこともできます |
| 蒸気やここでも。しかし |
| ご覧の通り、 |
| 大量の流れがここに来て、 |
| 最初の静止画を通して、 |
| 2番目に、ここに私たちは |
| エネルギーの流れが始まり |
| だいたいここを通って |
| ここでも熱交換器を介して |
| ここは一種の |
| ここにある回路と |
| これらすべては相関している |
| 多かれ少なかれ、ある種 |
| 回路のそしてこれは与える |
| 私たちに困難を |
| 実はXが何なのか知らなかった |
| そしてYはそうでした。 |
| そしてそれが私たちが |
| 他のことを考え始めた |
| これをモデル化する可能性。 |
| そこでこの研究のターゲットは |
| 最適な流れを見つけ、 |
| これらすべてのSteam設定 |
| さまざまな要因 |
| ここで、そして私たちが |
| すべてを維持できる |
| 仕様通りです。蒸留液は |
| 品質は仕様範囲内にとどまるはずだが |
| 内部運用も |
| 仕様と仕様 |
| 最終的な廃棄物の流れ。 |
| そして最も興味深いのは、 |
| 少なくともお金 |
| 賢明なことに、私たちは最小限に抑えたい |
| の消費 |
| 速度…すみません、蒸気の速度です。 |
| それで、私たちが実際に必要としていたのは |
| まず第一に、良いモデルでした |
| あれこれ説明する |
| ローラが来たのは |
| ここでゲームに参入し、開発された |
| この構造方程式モデル。 |
| そして、私たちには |
| プロファイラーにより、 |
| 何が最善かを見極める |
| 設定、最適な設定 |
| これらすべての入ってくる |
| バリエーションは、 |
| ここに留まるために |
| これらの仕様。そしてそれが |
| クリスが登場した時点で |
| ローラのモデルを基にして、 |
| プロファイラーは、 |
| 私たちが予測するすべてのこと |
| 必要だ。だから今私は |
| ローラに説明を任せる |
| 彼女はこれを基にモデルを構築した |
| データはここにあります。ローラ、お願いします。 |
| ありがとう、マーカス。私はローラです |
| カストロ・シロと私は行く |
| 手順についてお伝えします |
| 私たちはモデル化するために従いました |
| 蒸留プロセスを使用して |
| 構造方程式 |
| モデルプラットフォーム。 |
| それで、マルクスが初めて来て |
| 彼は私たちに彼のプロジェクトについて話してくれました。 |
| 3つの具体的な |
| 私が気づいた特徴 |
| SEMは良いツールになるだろう |
| 彼にとって、まず第一に |
| 非常に具体的な |
| プロセスがどのように行われるかの理論 |
| お互いに影響を与え、私たちは |
| 図上で彼は |
| 示した。 |
| その重要な特徴は |
| 図は、すべての変数 |
| 二つの役割があった。言い換えれば、 |
| 矢印が指しているのがわかります |
| 図のノードですが |
| これらのノードは他の |
| 変数なので、 |
| 明確な区別 |
| 入力とは何だったのか |
| 出力。むしろ変数は |
| これら両方の役割。 |
| 最後に、 |
| 私たちが扱っていたことに気づく |
| プロセスは |
| 繰り返し測定された。他の |
| つまり、時系列データがあったのです |
| そしてこれらすべての機能は |
| SEMが |
| マルクスにとって良いツールとなるでしょう。さて、 |
| SEMに詳しくない方は |
| なぜだろうと思う人もいるかもしれません。SEMは非常に |
| 一般的な枠組みを提供する |
| 取引の柔軟性が高い |
| こういった種類の問題を抱えています。 |
| このスライドには、 |
| さまざまな機能の数 |
| SEMは優れたツールですが |
| 私たちはできないので |
| これらすべてを経験するために、私は |
| リンクも含まれており、 |
| SEMについてさらに学ぶことができます |
| 興味があれば。今私は |
| 2つに焦点を当てます |
| ここで私が挙げているポイントは、まず |
| SEMはテストを可能にします |
| 多変量理論 |
| 変数間の関係、 |
| それはまさにマルクスが |
| やりたかった。 |
| また、非常に便利な |
| SEMのパスと呼ばれるツール |
| 図表。これらの図表は |
| 非常に直感的で |
| 統計モデルを表す |
| 私たちにはそれが合っている。 |
| それではその点についてお話ししましょう |
| もう少し。ここに例があります |
| パス図の |
| SEMプラットフォームに引き込み |
| 単純な線形を表す |
| 回帰図は |
| 非常に具体的に描かれた |
| 機能。例えば、私たちは |
| 長方形を使って表現する |
| 私たちが持っている変数 |
| 測定されたものです。ここではXとYです。 |
| また、片矢印も持っている |
| 回帰効果を表します。そして |
| 両方向矢印に注目してください |
| 同じ日に始まり、同じ日に終わる |
| 変数は分散を表します。 |
| さて、これらが開始され、 |
| 別の変数で終了し、 |
| これらの両方向の矢印は |
| 共分散を表す。 |
| この場合、 |
| Xの分散と残差 |
| Yの分散、つまり |
| それは説明できない |
| Xの予測。 |
| これがパス図です |
| 単純な表現 |
| 線形回帰。しかしもちろん |
| また、 |
| 表現される方程式 |
| この図を見てください。そして、 |
| Yについては、この式は次のようになる。 |
| 単純な線形回帰です。そして |
| ここでは手段と |
| 単純にするためにインターセプトします。 |
| 注目すべきは |
| すべてのパラメータ |
| 方程式は |
| パスで表される |
| 図なのでこれらの図 |
| 本当に伝わる |
| 正確な統計モデル |
| 私たちにはそれが合っている。 |
| SEMでは、図や |
| 私たちが指定するモデルは、 |
| 非常に特殊な共分散 |
| 構造です。これが |
| 共分散構造は |
| 単純なことを考えると期待される |
| 線形回帰モデルです。 |
| イプシロンXが |
| Xの分散。また、 |
| Yの分散は |
| 両方の分散の関数 |
| Xと残差分散 |
| Y、そして私たちには |
| 共分散の表現 |
| XとYです。そして一般的に言えば、 |
| モデルの適合性を評価する方法 |
| SEMではモデルを比較することで |
| 暗黙の共分散構造 |
| 実際に観察されたサンプル |
| データの共分散、そしてもし |
| これら2つはかなり近い |
| お互いにこう言うのです |
| モデルが非常によく適合していること。 |
| さまざまなモデルが |
| SEMに適合できます。 |
| そして今日、私たちの焦点は |
| 具体的には |
| 時系列モデルについて。 |
| 時系列について話すとき、 |
| 私たちが特に話しているのは |
| データの収集 |
| 以前のデータに依存している |
| ポイントであり、これらのデータは |
| 通常、均等に集められる |
| 間隔を置いた時間間隔。 |
| そして時系列の |
| 分析では、 |
| データの依存関係は |
| 過去を振り返る。だから |
| これらのモデルのタイプは |
| 自己回帰過程または |
| ARPです。ここで |
| Yはプロセスを表し、 |
| T時刻に測定された自動 |
| 回帰モデルは |
| そのプロセスを後退させる |
| 以前の観察 |
| T から P までの時間の処理。 |
| だから、もし私たちが話しているのなら |
| 具体的には |
| 自己回帰的な1つのプロセス、 |
| すると、 |
| プロセスYTは |
| YTのすぐ隣 |
| マイナス1。 |
| そして私たちが |
| これをSEMに実装するのは簡単です |
| 前に見たように、 |
| YTのYTマイナスに対する回帰 |
| 1つ目です。 |
| 回帰方程式は非常に |
| 私たちが見たものと似ている |
| 前のスライドと同様 |
| 驚くことではないが、 |
| パス図は同じに見えます。 |
| そして、このAR(1)を拡張することができる。 |
| モデルを2つを含むモデルに変更 |
| 遅れ、言い換えれば、 |
| 2次の自己回帰。そして |
| ここでプロセスがわかります |
| 後退しているYT |
| T マイナス 1 と T マイナス 2 の両方。 |
| そしてその道筋を見てみると |
| それを表す図 |
| モデルを見ると、 |
| 明示的な表現 |
| 現時点では処理中ですが、 |
| ラグ 1 とラグ 2 でも同様です。 |
| この非常に特殊な側面は |
| 図は、 |
| 隣接する時点は |
| 互いに平等であり、これは |
| の重要な部分です |
| 仕様により、 |
| モデルを正しく指定してください。 |
| ここではベータ1を使用していることに注意してください |
| この遅れを表すために1 |
| 影響があり、私たちはまた |
| 平等制約を設定する |
| 残差分散。 |
| 最後に、効果もあります |
| YTのマイナス2は |
| YTを予測し、これが |
| ラグ2の効果。 |
| これらのモデルはすべて |
| 単変量時系列モデル、 |
| そして、それらをフィットさせるには |
| 構造方程式モデリング |
| JMPのプラットフォームまたは |
| 時系列も使用する |
| 私たちが利用できるプラットフォームです。 |
| しかし、私たちが抱えていた問題は |
| マルクスのデータを扱う |
| より複雑なものが必要になります。 |
| 私たちには |
| 多変量時系列モデル |
| そして、これらのモデルの一種は |
| ベクトル自己回帰と呼ばれる |
| モデルです。そして私がしたいのは |
| あなたに示すのはこれらのモデルの1つです |
| 2 次。 |
| Xのプロセスがあり、 |
| Y用にもう1つ、そして同じ |
| 自己回帰効果は |
| 以前見たものもここに含まれています。 |
| 私たちには平等があるということに気づく |
| 制約は本当に |
| 適切な |
| 仕様。しかし、私たちはまた |
| 交差遅延効果は |
| プロセスがどのように |
| お互いに影響を与えます。そして気づく |
| ここでガンマ1とガンマ1と |
| ガンマ 3、ガンマ 3、 |
| ここで示唆しているのは、 |
| 平等制約を課す |
| これらのラグ1効果は |
| プロセス。 |
| また、 |
| プロセス間の共分散 |
| 共分散は次のようになります |
| 時間Tマイナス2。しかし、 |
| 残差共分散は時間 |
| Tマイナス1とTに注目してください |
| 平等でなければならない |
| 適切な制約を再度設ける |
| 仕様。だから私は |
| このビデオでその方法を説明します |
| 二変量時間に適合する |
| シリーズモデルと同様に |
| JMPを使ってお見せしたもの |
| プロ。まずは |
| データを操作して |
| SEMの準備は整いました。まず、 |
| これら2つを標準化します |
| プロセスは |
| 規模が非常に異なります。 |
| 次に、遅延変数を作成します |
| 時間を明示的に表す |
| 時刻Tより前の点です。 |
| 持つつもり |
| T マイナス 1 と T マイナス 2。 |
| SEMプラットフォームを立ち上げ、 |
| Xを入力します |
| それからYを |
| モデルの指定が容易になります。 |
| そしてビデオを早送りしました |
| すぐにわかるように |
| モデルの指定方法。 |
| ここで追加するのは |
| 交差遅延効果 |
| レイヤー1の場合。 |
| そして直接 |
| 図のインタラクティブ性により、 |
| ラグ2エフェクトを追加します。 |
| そして残るは |
| すべての平等を指定する |
| 必要な制約 |
| これらのモデルについては |
| プロセス内およびプロセス間。 |
| モデルに名前を付けます。 |
| そして最後に、私たちは |
| 実行してみます。 |
| ご覧の通り、 |
| 二変量時系列モデル |
| 2つのプロセスのみを組み込む |
| 平等の数が必要 |
| 制約とニュアンス |
| それを実現する仕様 |
| 比較的難しい。しかし、 |
| 蒸留の場合 |
| プロセスデータでは、さらに多くの |
| 2つのプロセスよりも |
| 実際に扱っているのは26の |
| これらのプロセスと全体として私たちは |
| 約45,000人 |
| 測定された測定値は |
| 10分間隔で。 |
| そこで私たちの最初のアプローチは |
| 一変量を調べる |
| 時系列モデルを使用した |
| JMP の時系列プラットフォーム。 |
| そしてこれをやったとき、私たちは |
| ほとんどの人にとって |
| AR(1)またはAR(2)を処理する |
| モデルは最もよく適合するので、 |
| 本当に |
| 少なくとも私たちには |
| 多変量モデルに適合させる |
| SEMを組み込んだ |
| 少なくとも 2 つの遅延。 |
| 私たちはまた、いくつかの |
| 前処理手順の |
| SEM にデータを準備します。 |
| 一方で、私たちには |
| データが欠落していても |
| SEMは欠損データも処理できる |
| 良いモデルであれば |
| 複雑なものなので、 |
| 計算的に非常に非常に |
| 集中的に。そこで私たちは |
| データのサブセットを選択し、 |
| 全ての完全なデータを持っていた |
| プロセスとそれが私たちに残したもの |
| 約13,000件の観察。 |
| また、ビデオで見たように、私たちは |
| 大きな違いがあった |
| プロセス全体にわたって |
| すべてを標準化すること。そして |
| 最後にラグ変数を作成しました |
| 確実に |
| SEM でモデルを指定します。 |
| さて、モデルの仕様ですが、 |
| 等式制約 |
| 特に非常に大きい |
| 挑戦するには時間がかかる |
| 指定するのに多くの時間がかかる |
| 手動で行うと、 |
| もちろん、退屈で間違いが起きやすいです。 |
| そこで、私たちの対処法は |
| これはJSLを生成するためでした |
| スクリプトは |
| 起動用の別のJSLスクリプト |
| SEM プラットフォーム。 |
| ここでご覧いただくのは |
| 最終的なモデルは |
| プラットフォームとありがたいことに、 |
| このモデルを推定すると、 |
| 共分散を得ることができる |
| によって暗示される構造 |
| モデルであり、それが |
| 私が伝えることができる情報 |
| クリス・ゴットウォルトにバトンタッチします。 |
| その後、 |
| そのマトリックスを作成するために |
| Markusが使用できるプロファイラー |
| 彼の目的のために。 |
| クリス、教えてくれませんか |
| そのプロファイラーをどのように作成しましたか? |
| ありがとう、ローラ。今から行くよ |
| ハイライトを紹介する |
| 私はモデルを撮ることができた |
| 結果を |
| プロファイラーは、会社 |
| 簡単に作業できます。 |
| そこでローラはモデルを |
| データを標準化して送ってくれた |
| 同じモデルを含むテーブル |
| 傍受し、彼女はまた、 |
| 本来の手段と基準 |
| 使用された逸脱 |
| データを標準化します。 |
| そうです、シムモデルがあります |
| 暗黙の共分散行列は |
| 共分散を含む |
| 現在の価値と |
| 即時値からの遅延値 |
| 過去。この情報は |
| すべての変数がどのように関係しているか |
| お互いに。この形では、 |
| モデルはまだ準備ができていないが |
| 予測に使用できます。 |
| 特定の変数がどのように変化するか |
| 他者の機能として、私たちは |
| この情報を使用して |
| 条件文を導出する |
| 応答の分布 |
| 変数、変数が与えられた場合 |
| 入力として使用したいもの。 |
| だから基本的に必要なのは |
| 条件付き平均の |
| 入力に対する応答。つまり |
| そのためには、実装する必要がある |
| この式はここにあります。 |
| そしてそのためにSWEEPを使います |
| JSLの演算子SWEEP |
| 演算子は数学的なツールです |
| SASのCEOと |
| 共同創設者のジム・グッドナイト。 |
| アメリカの |
| 1979年の統計学者。SWEEP |
| オペレーターはおそらく唯一の |
| 最も重要な貢献 |
| 計算統計学における |
| 過去100年間、JMPユーザーのほとんどは |
| SWEEPが |
| 演算子はすべての |
| JMP統計プラットフォーム |
| いろいろな使い方があります。マトリックスに使います |
| 反転、計算 |
| 平方和とはまた |
| シンプルでエレガントなものとして利用されている |
| 条件式を計算する方法 |
| 分布がわかれば |
| 正しく使用する方法。 |
| 列のあるテーブルを作成しました |
| すべての変数について。 |
| 表の行は |
| 最小値と最大値 |
| 元のデータにより、 |
| プロファイラーは設定方法を知っている |
| 範囲。数式列を追加しました |
| 応答変数については、 |
| スイープバージョンの |
| ローラの分散行列 |
| モデル化してそれらの式を当てはめる |
| データの裏側 |
| 表または右端。 |
| 数式の一つは次のようになります |
| のように見えました。私は |
| 分析の結果 |
| 行列。ローラのモデルには |
| 推定共分散は |
| 最後の2つのY |
| 以前の価値観は |
| 大規模な多変量 |
| 2次の自己回帰モデル。 |
| 現在を予測する |
| 前の2つを制御する |
| 入力変数の値 |
| 非常に面倒なことになるだろう |
| 運用化するために、私は |
| 単純化した仮定は |
| これら2つの価値は |
| 同じことが |
| モデルを |
| 使いやすくするために、私は |
| 同じ列を使用するだけです |
| 私が宛名を書いたときのラベル |
| 遅れているものに、そして |
| 期間のエントリが 2 つ遅れます。 |
| 機械が整備されていないと、 |
| 私はプロファイラーを作成しました |
| 回答欄 |
| 興味があります。 |
| 望ましさ関数は |
| 同社の |
| 目標を定めた。 |
| ターゲットを一致させる |
| A2TopTemp、A2BotTempを最大化、 |
| そして最終的には |
| 合計を最小限に抑えたい |
| 出てきた蒸気の |
| 2 つの列の。 |
| 特定のものをロックすることができます |
| プロファイラの変数 |
| 痛みをコントロールクリックします。 |
| ロック変数は |
| 赤色の実線で描かれた値 |
| ライン、そしてそれが終わったら |
| 値を入力できる |
| それらを実行し、 |
| 最適化または最大化 |
| 望ましさ、ロックされた |
| 変数は固定されます。 |
| このようにして、 |
| 私たちが制御できる変数 |
| 製品を作り続ける |
| 仕様に従って |
| エネルギーコストを最小限に抑えます。 |
| それはそうだろうと言ってもいいだろう |
| 他の人にとっては難しい |
| ローラのモデリングアプローチを繰り返す |
| 新しい問題に取り組むことで |
| 他人にとって難しい |
| 私がやったようにプロファイラーを設定するには |
| ここにいます。十分な数の人がこれを見たら |
| プレゼンテーションで、 |
| このようなプラットフォーム |
| 将来的に分析が容易になり、 |
| までにお知らせください |
| 技術担当者に連絡 |
| support@JMP.com からサポートを受けられます。 |
| 今、私はそれを返します |
| マルクスが話をする |
| 顧客が何をしたかについて |
| モデルと結論。 |
| ありがとう、クリス。 |
| 予測プロファイラーでは、 |
| クリスが先ほど発表したように |
| それを使って、例えば |
| 予測的な景観、 |
| どのように理解するか |
| 最適な設定は |
| すべてを達成するために |
| 必要な品質仕様。そして |
| 3つの要因とは |
| は、例えば、次のように変化します |
| 私たちの影響力は限られているが、 |
| そして、 |
| スティル1と |
| スティル2のフィードと |
| 品質または構成 |
| フィードを 1 つにまとめます。 |
| そして、私たちが成し遂げたことは |
| 彼らのモデルも同様に、 |
| 冷却水の温度は |
| 重要な役割を果たしている |
| このシナリオでは、他のすべての |
| 変数の重要性は低い |
| 私たちは彼らを無視した |
| この最初のアプローチ。 |
| ここから風景が見えます。 |
| それは一種の変動性です |
| チャート、つまり、私たちは |
| ここで、 |
| スチル1、スチル1へのフィード |
| そしてStill 2へのフィード |
| そしてあらゆる可能な組み合わせ、 |
| 多かれ少なかれ。そしてここでわかるように |
| 予測される設定 |
| 残るためには最高になる |
| 仕様の範囲内で。そして |
| 私が持っているもののいくつかを紹介します |
| 仕様も変更したので |
| その中に留まらなければなりません。 |
| 例えば、それは |
| 蒸留器2の蒸気流量は |
| そこに還流し、ボイラーを上げて |
| 同じことを |
| まだ1。そしてここ右側 |
| 横を見ると |
| 予測された結果なので、 |
| 品質仕様、つまり |
| 上部の流れの温度 |
| それでも1の密度 |
| 蒸留物の密度 |
| 蒸留器2の蒸留液の |
| などなど。それで何が |
| あなたがここにいるなら、 |
| ここで望ましさについて見てみましょう |
| これは一番下の行です |
| 大きなエリアがあります |
| 私たちは本当に良い結果を達成できない |
| システムのパフォーマンス。そしてもし |
| 詳細を見てみましょう |
| ほら、OK、ここは仕様外です |
| ここでは仕様外です、ここでは |
| いくつかの点では仕様外です |
| などなど。しかし、他に何が見えるか |
| これは仕様内/仕様外のことか |
| は、 |
| これら3つの要素を |
| ここだけでなく川沿いにも |
| 気温、そして今のところ |
| 最も低く強調されている |
| 川の水温は1です |
| 学位です。ここにあるのが |
| それによって、私たちはほとんどの |
| 仕様上の時間ですが、 |
| 珍しいのは |
| これら3つの組み合わせ |
| 我々がそうではない要因。しかし、もし |
| 私たちは川を増やしています |
| 温度、例えば24 |
| 学位を取得したら、私たちが |
| 規格外は...はるかに |
| より優勢です。また、ここでは |
| この範囲内に留まるのは非常に難しい |
| 仕様。それで、私たちは |
| モデルから学んだ |
| 滞在に問題があるということです |
| 当社の仕様では、 |
| 川の水温は7度以上 |
| 摂氏度です。それで |
| 問題はなぜ |
| それは？そしてエンジニアたちは |
| よく疑われるのは |
| これは、 |
| 冷却能力 |
| 冷却剤。しかし、私たちが行く前に |
| 実際の裁判では、私たちは |
| SEMモデルと |
| 熱力学モデルに基づく |
| Chem CAD について。 |
| そして、それが指摘したのは |
| どちらのモデルも |
| 同じことを指している |
| 方向がなかったので |
| 実際の矛盾はない |
| 両者の間に。 |
| OK、これで私たちは |
| 楽観的な気分だったので |
| 本当の試練 |
| そして最高の |
| 設定、そして、 |
| 予測を承認した |
| モデルからの物。 |
| そして結局、私が言ったように |
| すでに、エンジニアは |
| 冷却が |
| クーラーの容量は |
| 十分です。そして、 |
| 川の水温が上昇すると、 |
| 熱伝達が悪すぎると |
| 小さいので、機器も... |
| 機器は実際には動作しない |
| もうこれ以上は無理です。次のステップは |
| これらのデータを使用するには |
| ここで勉強して他のものを正当化する |
| 投資は |
| クーラーはもっと良い |
| 熱交換能力。 |
| ローラとクリスのおかげで、私たちは |
| ここで投資を設定することができます。 |
| ご質問がある場合は |
| 今すぐお気軽にお問い合わせください。 |
| ありがとう。 |
