-Salut, Je suis Jerry Poisson Je suis a technique ingénieur avec JMP.
I couverture plusieurs Midwest États dans le NOUS.
Je suis rejoint aujourd'hui par un de mon collègues Scott Allen,
qui est aussi a technique ingénieur pour JMP
et il prend en charge plusieurs autre Midwest États.
Salut, Scott.
-Hé, Jerry, bien matin.
-Bien matin.
Aujourd'hui nous vouloir à parler à propos a variété,
a relativement nouveau chemin à analyser données, spécifiquement depuis fraisage opérations,
où nous vouloir à apprendre à propos fraisage à aide avec a échelle- en haut fraisage processus.
-DANS e les deux avoir a fort intérêt dans processus optimisation en utilisant BICHE
et dans modélisation réponse courbes
en utilisant le Fonctionnel Données Explorateur dans SAUT Pro,
et nous recherché à apporter ceux ensemble pour d'aujourd'hui présentation.
Et un de le d'abord exemples I scie faire ce trier de analyse
était le fraisage BICHE c'est dans le échantillon données bibliothèque,
où le but est à optimiser un moyenne particule taille.
Donc comme nous étaient parler à propos possible sujets pour aujourd'hui,
nous pensée il serait être intéressant à voir si nous pourrait étendre que
plutôt de optimisation que juste le particule taille,
pourrait nous en fait optimiser le particule taille distribution réponse courbe?
-Donc, fraisage a beaucoup différent candidatures.
Vous allez trouver il dans rien depuis exploitation minière, nourriture traitement,
fabrication toner dans le impression industrie, fabrication pharmaceutique poudres.
À le la plupart basique niveau, a fraisage processus est utilisé
quand nous vouloir à réduire le particule taille de a certain substance
et produire uniforme particule formes et taille distribution
de a départ matériel.
Souvent quelques taper de affûtage moyen est ajouté à accélérer le processus
ou à contrôle le taille et forme distribution
de le résultant particules.
Dans chaque application le désir est à obtenir le droite particule taille,
dire le médian ou le signifier particule taille,
avec a contrôlé prévisible particule taille distribution.
Dans le scénario nous discuté aujourd'hui,
nous avoir un existant fabrication fraisage opération
que produit a pharmaceutique poudre.
Il a bien performance aujourd'hui,
création le droite moyen particule taille et a étroit particule taille distribution.
A complet divulgation ce scénario et le résultant données sont inventé.
Scott et I n'a pas avoir accéder à non- confidentiel données
à présent dans ce papier.
Cependant, même cependant le données sont fabriqué,
le techniques que étaient à propos à montrer sont en vigueur pour réel monde problèmes.
Le image sur le gauche spectacles a typique agité balle moulin.
Le matériel à être fraisé, entre à le haut
et en continu flux dans le navire où un agitateur tourne
le matériel et le affûtage moyen à affecter particule taille.
Le résultant particules sont alors aspiré dehors de le navire
comme ils sont moulu.
Gestion a dit ils besoin à augmenter le production sortir,
quelque chose étaient tous, Je suis bien sûr, familier avec.
Ils sont considérant bâtiment a nouveau fraisage doubler,
mais avant investir tous que capital, ils auraient comme à enquêter,
peut nous simplement augmenter le débit de notre existant équipement?
Donc fabrication fait quelques tentatives à faire que,
ils ajusté leur processus,
et alors que ils peut affecter le médian particule taille,
le nouveau sortir a impair particule taille distributions.
Donc fabrication est venu dos à R& D où Scott et I sont,
et demandé nous à aller à le pilote laboratoire
et voir si il y a n'importe lequel combinaison de paramètres que pourrait améliorer débit.
Scott, quoi paramètres a fait nous regarder à?
-Dans ce cas,
étaient en allant à utiliser six différent facteurs pour a DÉO.
Il y a en allant à être quatre continu facteurs
donc agitation vitesse, le couler taux de transporteur gaz,
le médias chargement comme a pourcentage de le total,
et alors le température de le système.
Et alors il y a deux catégorique facteurs,
le médias taper et peut être le engrener taille de a pré écran processus.
Et donc déterminer ceux facteurs
est assez direct ces sont connu à affecter particule taille distributions
et des choses comme que, mais le réponse est toujours a défi.
Et dans ce cas, Je suis pas bien sûr comment toi serait en fait aller combat faire ce
si toi ne pouvait pas modèle le réponse courbe comme étaient en allant à faire.
Donc Jerry, dans ton expérience, comment serait toi avoir fait ce avant?
-S o ce suivant glisser spectacles typique particule taille distribution
ou particule taille densité parcelle.
Et nous avons a obtenu a tracé comme pour cent par micron contre taille.
Mais toi peut pense de ce comme juste a particule compter
sur le et- axe ou a masse distribution,
c'est juste a histogramme représentant le distribution de particules.
Quoi tu es vision sur ton écran,
ce pourrait être a bien particule taille distribution,
a a bon étroit forme avec a culminer
à le voulu médian particule taille.
Mais comment faire nous caractériser ce distribution
si nous vouloir à faire a test à ajuster il?
Bien, nous pourrait caractériser le emplacement avec le signifier, médian, mode
de le distribution.
Et nous pourrait caractériser le largeur via a standard déviation
ou peut être a largeur à moitié culminer hauteur,
ceux sont typique manières nous pourrait mesure que.
Mais quand fabrication essayé à tourner divers production boutons
dans leur processus à vitesse en haut le débit,
ils scie variable degrés de asymétrie dans le distribution.
Peut être ce était exigible à incomplet fraisage de le pharmaceutique matériel,
ou peut-être là étaient température effets que causé particules à agglomérer,
nous ne le faites pas vraiment savoir.
Mais maintenant le moitié largeur
n'est pas vraiment représentant le forme de que nouveau courbe.
Donc nous pourrait tourner à calculateur peut être percentiles
le long de le largeur de le courbe,
peut être le 10e percentile de particules que automne ci-dessous a certain indiquer,
20% ci-dessous ce indiquer, 90% ci-dessous ce indiquer, et donc en avant.
Mais il obtient même plus dur quand étaient en essayant à décrire quelque chose comme ce forme
où là sont deux très prononcé pics, ou ce forme,
lequel I tendre à appel a meule de foin où c'est très large, n'a pas avoir queues.
Quoi faire nous faire avec que?
Donc ce paramétrisation technique n'a pas sembler à être le meilleur chemin
à approche le problème.
Scott, I savoir nous avoir à faire quelques expérimentation,
mais comment sont nous en allant à approche ce dans d'aujourd'hui analyse?
-Donc c'est quoi étaient en allant à faire.
Alors nous sommes en allant à utiliser le entier forme,
notre réponse dans ce cas est en allant à être que courbe.
Donc étaient pas en allant à essayer à co-optimiser tous ceux différent paramètres
que toi parlé à propos de.
Nous pourrait co optimiser deux, trois, quatre différent paramètres,
mais plutôt étaient en allant à utiliser que entier courbe comme notre réponse.
Étaient en allant à utiliser tous le données et alors notre cible
est en allant à être quelques hypothétique courbe que nous vouloir à atteindre.
Donc une fois encore, étaient pas en allant à essayer à cible
tous le différent paramètres dans que courbe,
étaient en allant à essayer à correspondre le formes.
Donc nous vouloir à avoir notre expérimental forme correspondre le forme de notre cible.
Et donc c'est comment étaient en allant à obtenir commencé avec le analyse aujourd'hui
et Bien prendre toi à travers le flux de travail de comment nous serait faire que.
Donc laisser moi aller et obtenir dans JMP.
Oups, là nous aller.
Donc nous d'abord voir ici est le BICHE que nous couru.
Donc nous couru a définitive dépistage conception avec ceux six facteurs,
bien que toi pourrait utiliser n'importe lequel conception que toi recherché.
Et nous avons a obtenu 18 expériences dans ce cas,
alors voici tous le facteurs et le facteur paramètres que nous utilisé.
-Que apparence joli standard à moi, Scott, pour le BICHE que J'ai courir dans le passé.
Mais toi ne le faites pas avoir a réponse colonne.
-DANS il, c'est un de le unique des choses à propos le réponse courbe analyse est
dans quelques cas toi ensemble il en haut a petit peu différemment et comment toi faire le analyse.
Donc nous ne le faites pas avoir a réponse colonne
et étaient pas en allant à optimiser juste a célibataire valeur.
Plutôt, notre réponses sont dans ce autre tableau.
Donc dans ce cas, nous avons a obtenu a très grand données ensemble
avec le x- axe est notre taille et le Y valeur est notre pour cent par micron
et ce est quoi étaient en allant à parcelle et optimiser.
Mais nous faire besoin à obtenir notre BICHE facteurs dans là.
Donc à faire que, nous juste a pris a petit peu de a raccourci
et nous a fait a virtuel rejoindre entre ces deux tables.
Donc dans notre conception ici, notre courir nombre est le lien IDENTIFIANT.
Et alors nous avons a obtenu le courir nombre ici et ce est le lien référence,
et ce permet nous apporter dans tous de ceux BICHE facteurs.
Donc ces sont tous ici dans le tableau, mais ils sont juste pratiquement rejoint
et que aide nous garder notre réponse tableau bon et faire le ménage.
Donc si il y a n'importe lequel modifications, nous ne le faites pas avoir à inquiétude à propos copier
et coller ou réglage tous ceux BICHE facteurs.
Donc c'est comment nous ensemble en haut notre tableau,
nous avons a obtenu notre BICHE facteurs dans ce tableau et notre BICHE réponses se produit dans ce.
Et comme toi peut voir, nous avons a obtenu tous de notre 18 courses ici.
Et avant nous commencer le analyse, allons prendre a regarder à ceux courbes.
Donc I juste tracé tous ceux courbes dans Graphique Constructeur,
et donc nous avons a obtenu notre cible courbe ici.
Donc ce est a hypothétique cible courbe que nous vouloir à atteindre,
c'est en allant à être expérience nombre zéro.
Et alors nous avons a obtenu expériences un à travers 18
et le réponse courbes pour chaque de ceux.
-Donc tu as courir 18 expériences et pas a célibataire un de ceux
apparence exactement comme que cible.
Quoi faire nous faire avec que?
-C'est a bien observation.
Et dans ce cas, quoi nous peut voir sont quelques différent caractéristiques entre ces,
donc certainement quelques sont plus large.
I comme comment toi appelé il, que meule de foin ici.
Quelques sont plus étroit, peut être avec plus petit épaules ici.
Nous faire voir que le culminer changements a petit peu dans quelques de ces,
voici le culminer, c'est déplacement gauche et droite.
Et donc avec un peu de chance nous peut trouver certains paramètres et ceux facteurs
que volonté utiliser le meilleur de tous de ces donner nous quelque chose c'est étroit
sans a épaule ou bimodal culminer.
Mais à faire que, nous besoin à aller
dans le Fonctionnel Données Explorateur.
Ce est a traditionnel BICHE, nous serait aller en haut à analyser
et nous serait aller à ajuster modèle, potentiellement.
Dans ce cas, étaient en allant à aller vers le bas ici
à spécialisé modélisation et aller à Fonctionnel Données Explorateur.
Et donc quand nous lancement ce, nous besoin à ajouter notre Y valeurs,
lequel étaient le pour cent par micron.
Le X valeurs était notre micron taille.
Nous besoin à identifier chaque de ceux fonctions
avec le courir nombre.
Et alors étaient en allant à ajouter tous ceux BICHE facteurs
comme supplémentaire information.
Donc Je suis juste en allant à prendre tous de mon BICHE facteurs
et ajouter eux comme supplémentaire information.
Maintenant Bien cliquez d'accord.
Donc quand toi lancement le Fonctionnel Données Explorateur,
ce est quoi toi obtenir d'abord.
Et ce est juste a données traitement fenêtre.
Et quoi étaient faire est juste prise a rapide regarder à
tous de notre données.
Et donc dans ce initial données parcelle, nous juste avoir tous de notre courbes superposé,
et toi peut voir notre vert cible courbe dissimulation dans là.
Donc ce juste spectacles nous comment tous de notre données sont garniture en haut.
Sur ici sur le droite, nous avoir a différent ensemble de fonctions
à aide faire le ménage en haut le données, processus il.
Et un de le vraiment bon des choses à propos ce plate-forme
est toi ne le faites pas avoir à faire que données traitement dans le données tableau.
Donc si toi nécessaire à retirer zéros ou faire quelques trier de ajustement ici,
normalisé le gamme, des choses comme que,
toi peut faire tous de que sur ici dans le Faire le ménage en haut.
Dans notre cas, notre données est joli faire le ménage,
donc nous ne le faites pas besoin à faire n'importe lequel données traitement.
Mais quoi nous faire besoin à faire est prendre ce vert courbe,
notre cible courbe, dehors de le analyse.
Donc ce est le cible, ce est quoi étaient en allant à essayer à correspondre.
Et donc nous ne le faites pas vouloir il à être partie de le modélisation analyse.
Donc à prendre que courbe dehors, nous aller sur ici à le cible fonction
et nous cliquez charger.
Et Je suis en allant à sélectionner que zéro courbe, cliquez d'accord.
Et maintenant c'est disparu.
Donc maintenant étaient pas en allant à inclure que dans notre modèles.
Et donc nous peut rouleau vers le bas ici et juste voir comment chaque
de notre individuel expériences sont tracé.
Donc maintenant que notre données est bon et nettoyé en haut,
nous peut aller sur à le analyse.
Donc à faire le modélisation, nous aller en haut à le rouge triangle
et là sont plusieurs différent modèles que nous peut choisir.
Et dans a typique flux de travail,
à le début, toi pourrait pas savoir lequel est le meilleur modèle à utiliser,
si tu es en allant à utiliser une B-spline ou a P-spline ou quelque chose autre.
Dans ce cas, dans le intérêt de temps, nous avons fait tous de que déjà.
Et nous savoir que le P-spline donne nous a joli bien modèle.
Donc étaient en allant à aller devant et ajuster que modèle.
Donc I sélectionner P-spline et maintenant JMP est création le modèles.
Et quoi Bien voir est,
le d'abord chose Bien est quelque chose similaire à que initial données fenêtre sur ici.
Donc tous de notre courbes sont toujours tracé et superposé.
Mais maintenant nous avons a obtenu ce rouge doubler et ce rouge doubler est représentant le signifier
donc la courbe moyenne de tous de ceux différent courbes.
Et donc nous peut aussi rouleau vers le bas ci-dessous
et nous voir chaque de notre individuel expériences
aussi avec a doubler de ajuster.
Et ce est le d'abord indication que toi peut obtenir à propos
comment Bien ce modèle est convenable.
Donc si tu es obtenir tous ces rouge lignes superposition ton expérimental données,
alors tu es probablement sur le droite piste.
Si là était a parcelle de déviation
alors toi pourrait considérer faire a différent modèle.
Autre chose tu vas avis sur ici est il y a différent convenable fonctions
que le spline modèle est en utilisant.
Dans ce cas, là étaient deux que JMP que sont joli bien.
Donc ce linéaire modèle et le étape fonction modèle
et par défaut tous le analyse vers le bas ci-dessous
est en allant à utiliser le modèle que avait le le plus bas BIC valeur.
Donc dans ce cas, tous le analyse est en utilisant ce linéaire modèle.
Mais si toi recherché à utiliser a différent un toi juste sélectionner il
et I ne le faites pas savoir si toi peut voir il facilement, mais ce son mis en évidence maintenant
ou toi aller à le linéaire ou toi peut juste cliquez sur le arrière-plan
et ça va aller à le défaut.
Et donc c'est le modélisation côté de il.
Mais nous besoin à vérifier comment Bien ce modèle est convenable.
Et donc à faire que, nous juste aller vers le bas ici à le fenêtre que a a fonctionnel PCA.
Donc ce est le fonctionnel principe composant analyse.
Ce apparence a petit compliqué, mais quoi nous vouloir à faire
est vraiment commencer à prendre a regarder à comment Bien ce modèle a a été créé.
Et donc quoi nous vouloir à faire est regarder à ce signifier courbe ici.
Donc ce est le même signifier courbe que était calculé dans le section au-dessus de.
Et quoi JMP a fait est dit, étaient en allant à commencer avec ce signifier courbe
et alors étaient en allant à ajouter a forme.
Donc étaient en allant à ajouter ce fonction ou quelques partie,
soit positif ou négatif partie de ce courbe
à ce signifier courbe.
Et toi peut voir sur ici comment beaucoup de le variance
toi peut expliquer avec que un courbe.
Donc dans que cas, si nous juste avait notre signifier courbe
dans notre d'abord forme,
nous serait expliquer à propos 50% de le variance.
Par ajout a deuxième fonction, maintenant étaient expliquant presque 79%,
3ème fonction obtient nous en haut à 88%.
Et donc toi peut voir comment beaucoup de que variation nous peut expliquer
par ajout plus et plus formes.
Et selon sur le taper de courbe toi avoir,
toi pourrait avoir seulement un fonction ou toi pourrait avoir des dizaines de fonctions
selon sur quoi que courbe apparence comme.
Donc ce est il apparence comme nous peut expliquer a parcelle de le variance ici.
Il prend nous à propos neuf fonctions à obtenir en haut là.
Mais maintenant nous vouloir à voir comment Bien ceux combinaisons
de tous ceux formes avec le signifier fonction ou avec le signifier courbe,
comment ceux sont représenté.
Comment représentant ils sont de notre expérimental données.
Donc à faire que, étaient en allant à aller vers le bas à le score parcelle,
et je suis en allant à faire ce juste a petit peu plus petit.
Et étaient en allant à regarder à le score parcelle et ce FPC profileur.
Donc le FPC profileur
est a chemin à montrer le combinaison de tous ceux différent formes.
Donc nous vraiment juste vouloir à payer attention à ce haut gauche partie de le grille.
Donc ce est notre expérience basé sur le combinaison de le signifier courbe
avec tous ceux différent formes.
Et droite maintenant, tous de le FPC, depuis ils sont ensemble à zéro,
nous juste obtenir que signifier courbe.
Mais si I commencer ajout que d'abord FPC, si I faire il plus positif,
Je suis ajout que forme,
maintenant I peut voir comment mon modélisé forme est changement,
et si I aller inférieur, I peut voir comment c'est changement.
Donc par ajout et soustraire chaque de ces différent formes,
I peut recréer tous de le différent courbes
ou obtenir fermer à tous ceux différent courbes.
Donc ce pourrait prendre a petit alors que à faire manuellement,
mais il y a a bon petit raccourci.
Donc quoi I comme à faire est aller dans ce score parcelle,
et allons dire I vouloir à voir expérience nombre six
donc I peut flotter sur six,
et alors Je suis en allant à épingle que ici, tirer il sur.
Et donc là sont neuf différent fonctions, mais étaient seulement en allant à voir deux à a temps.
Et I peut voir que composant un est 0,08
et composant deux est moins 0,03 .
Donc I peut prendre ce à 0,08 , et I peut prendre ce à moins 0,03 .
Et Je suis départ à reproduire ce courbe, mais I serait besoin à ajuster tous de eux.
Et donc il y a a raccourci à faire que par juste en cliquant sur ce.
Donc par en cliquant sur six, tous de le différent FPC composants
sont ensemble à le meilleur représentant modèle.
Et nous peut regarder à ces deux formes et voir comment fermer ils sont.
Dans ce cas, ils regarder joli bien.
Peut être il y a pas comme beaucoup définition, et ce est pas très droit,
mais il apparence joli bien.
Et donc nous peut aller sur à un autre courbe comme nombre Sept,
Bien cliquez sur que un et voir comment il changements.
Maintenant c'est pas regarder assez comme bien, et nous peut aller à huit.
Et ce est quoi I vraiment comme à propos ce plate-forme,
est il permet toi explorer le données.
Donc c'est Fonctionnel D minutes Explorateur,
étaient juste vision comment Bien ce modèle convient,
et étaient faire il assez visuellement.
Et c'est vrai ici, si étaient vraiment intéressé dans que compréhension le bimodal nature
étaient pas obtenir que résolution avec ici.
Donc ce est révélateur nous peut être ce n'est pas le meilleur modèle.
Peut être il y a a mieux un dehors là que nous peut regarder à.
Donc si nous aller en haut dos à le haut,
le linéaire modèle était choisi initialement parce que il avait le minimum BIC,
mais peut être nous vouloir à utiliser a étape fonction donc I peut cliquez sur le étape fonction.
Et maintenant tous ceux FPC courbes avoir a été recalculé.
Et le d'abord chose nous avis est,
étaient obtenir a parcelle plus explication de le variance ici.
Donc nous ne le faites pas nécessairement besoin tous de ces courbes,
I peut juste prendre ce curseur.
Peut être nous juste vouloir à regarder à six courbes et expliquer 99,7% le variance.
Et donc c'est simplification le modèle a peu.
Donc maintenant nous peut aller vers le bas ici et prendre un autre regarder
et place vérifier ceux courbes.
Donc I peut flotter sur six encore, épingle il ici.
Ce est le courbe que Bien être regarder à.
Et quoi I vouloir à faire, Je vais juste faire ce a petit peu plus gros.
Et donc quand I cliquez sur six, d'accord donc quoi faire toi pense, Jerry ?
Que faites-vous pense ce un est regarder a petit peu mieux?
-C'est beaucoup mieux reproduction de ton expérimental jour?
Ouais, I comme que.
-Bien. Ouais, I pense ce est regarder mieux.
Donc nous peut aller à Sept,
et que son regarder a parcelle mieux comme Bien.
Et toi ne le faites pas besoin à sélectionner eux tous,
mais c'est bien à vérifier a peu de eux donc nous peut aller regarder à huit.
Ouais, donc maintenant étaient obtenir a parcelle mieux résolution ici
sur le bimodal nature de il.
Tous droite, I pense ce est révélateur nous que ce modèle est joli bien.
-Ouais, donc quoi faire nous faire maintenant?
C'est super que toi peut reproduire le expérimental résultats,
mais comment faire toi obtenir à le optimal?
-Ouais, I deviner à ce scène, c'est toujours a petit peu abstrait.
Donc nous avons a obtenu tous ces différent formes que étaient combinant dans différent manières
à reproduire tous de notre courbes, mais nous n'ont pas fait quoi nous ensemble dehors à faire
lequel était se rapporter ceux formes à notre BICHE facteurs.
Donc c'est quoi étaient en allant à faire suivant.
Étaient en allant à aller dos en haut à le modèle
et étaient en allant à sélectionner fonctionnel BICHE analyse.
Et quand nous faire que, maintenant étaient obtenir a profileur
que pourrait regarder a petit peu plus familier si tu es utilisé à faire traditionnel DÉO.
Donc une fois encore, le réponse courbe que nous avoir est ici.
Et donc nous voir notre pour cent par micron sur le Y
et le micron taille ou le particule taille sur le X.
Mais maintenant plutôt de ayant ceux FPC
dans ceux formes, maintenant nous avoir notre BICHE facteurs,
donc nous avons a obtenu notre agitation vitesse, notre couler taux, médias chargement, et etc.
Maintenant I peut se déplacer que agitation vitesse et I peut voir comment c'est relatif à
ou comment c'est influencer le courbe.
Et I peut voir par le pente de ces lignes
si ou pas quelque chose est important ou pas.
Donc changement que un n'a pas vraiment changement le forme.
Donc couler taux n'a pas matière a entier parcelle, mais température certainement
fait il plus large ou fait il plus étroit.
Et donc quoi nous peut faire parce que nous chargé que cible courbe,
juste comme dans a standard accord, nous peut aller à notre rouge triangle
et nous peut aller à maximiser désirabilité.
Donc typiquement, ce serait regarder à a paramètre
si toi étaient faire a traditionnel BICHE.
Mais dans ce cas, c'est en allant à essayer à trouver le paramètres
que correspondre que cible courbe que nous chargé plus tôt.
Donc quand I cliquez que, et là nous aller.
Il apparence comme là sont quelques paramètres ici que obtenir nous a courbe c'est assez étroit,
frappe le culminer que nous recherché et n'a pas avoir n'importe lequel de ceux caractéristiques
que étaient en essayant à éviter.
-Très cool.
Donc sont nous fait?
Nous avons a obtenu le paramètres que nous besoin, nous juste lancer ceux
sur le clôture fabrication et étaient fait.
-Bien, c'est un chemin à biche il, Jerry.
I ne le faites pas savoir si gens dans fabrication que I travaillé avec avant
pourrait pas comme que.
Nous probablement vouloir parce que ces paramètres étaient ensemble à,
le paramètres sont pas partie de notre conception.
Donc ce un est dans le centre,
ce son pas à un bord ou le centre.
Donc nous probablement vouloir à courir quelques confirmation courses ici,
peut être voir quelques sensibilités et faire bien sûr que,,
nous avons a obtenu quelques robustesse autour ces paramètres.
-Très cool.
D'accord, tous droite.
-Allons-y obtenir dos et I pense nous peut somme en haut.
-Ouais. Donc, Scott, que était super,
remercier toi pour que présentation.
Donc dans résumé, quoi nous avons essayé à faire, est démontrer comment à effectuer a BICHE
en utilisant ces particule taille densité courbes.
Le courbes eux-mêmes comme le réponse plutôt que paramétrage le PSD
avec résumé statistiques comme médian, standard déviation, et etc.
Nous étaient alors capable à optimiser notre facteur saisir paramètres à le processus
à moins à le pilote échelle à trouver un optimal courbe forme que était très fermer
à notre voulu particule taille distribution.
Le long de avec le chemin nous découvert comment quelques de ceux paramètres,
agitation vitesse et donc en avant affecter le particule taille distribution,
menant à multiple pics ou menant à large pics
ou peu importe que pourrait être.
Donc nous avoir un compréhension à propos que, et nous avoir a modèle.
Donc apportant ce tous dos à notre original scénario,
R& D a pris le résultats dos à fabrication,
où confirmation courses étaient tenté.
Échelle- en haut peut-être n'était pas complètement réussi.
C'est typique de échelle- Oups, parfois le pilote courses
ne le faites pas carte directement à fabrication.
Mais nous faire avoir ce modèle maintenant que donne nous un indication
de lequel de ces boutons à tourner à ajuster si nous faire avoir a épaule sur que culminer
ou quelque chose comme que.
Donc nous étaient capable à aller dos à fabrication,
donner eux le assistance que ils nécessaire à obtenir que dans
donc que ils pourrait augmenter leur débit et tout le monde était heureux.
[diaphonie 00:26:18] Que conclut notre papier.
Scott, merci pour tous le dur travail.
-Ouais, Bien, il était super fonctionnement avec toi sur ce, Jerry.
-Ouais, pareil.
Scott a a été gentil assez à sauvegarder le modélisation scénario dans le données tableau,
lequel étaient en allant à attacher à ce présentation.
Si tu as a obtenu n'importe lequel questions à propos le vidéo
ou n'importe lequel de le techniques que nous a fait, s'il te plaît poste ton commentaires ci-dessous le vidéo,
il y aura être a espace pour toi à faire que, épouser être heureux à obtenir dos avec toi.
Remercier toi pour adhésion nous.
-Japper, merci.
