756633_zh-CN

liliconcom

利用 JMP® 中的历史数据建模驱动产品开发 (2021-EU-30MP-780)

斯图尔特·利特尔，科莱达公司首席研究科学家

本次演讲将展示如何成功利用 JMP 中的一些工具，在能源技术应用中可视化和建模历史数据。由此生成的模型输出结果被用于指导美国能源部 (DOE) 主导的综合计划的制定。该计划的成果是一系列新材料，这些材料的性能均符合模型预期。通过这种方法，我们成功开发了产品性能的功能模型。该模型与 JMP 的可视化功能相结合，使企业能够开始采用更加结构化的实验方法。

自动生成的成绩单……

扬声器	文字稿
斯图尔特·利特尔	大家好，欢迎来听我们聊聊 Croda 如何使用 JMP 来帮助推动新产品开发。
	所以我们今天要介绍的内容，首先是 Croda 的一些背景，我们如何使用 JMP 以及我们目前所处的位置，以及我们试图解决的问题的概述。
	一旦你解决了这个问题，接下来我们将转向 JMP，看看 JMP 中的工具和平台是如何实现轻松的数据探索和开发的。
	结构性能模型。
	最后，我们将总结这项工作的成果及其影响。
	通过开展这类研究，我们提高了企业在研究领域对数据和 DOE 技术的接受度。
	首先，我们Croda究竟是一家怎样的公司？这是一个经常被问到的问题。
	因为我们是一家企业对企业（B2B）公司。但作为一家企业，Croda 是其背后的品牌。
	我们拥有众多高性能成分和技术，并为全球众多规模最大、最成功的品牌提供支持，业务遍及多个市场。我们研发、生产和销售特种化学品。自 Croda 成立之初，我们始终致力于此。
	我们主要使用可持续材料。所以我们从生产羊毛脂（一种来自羊毛的原料）开始，并不断提升这种可持续性。去年我们
	我们公开承诺到 2030 年实现对气候、土地和人民的积极影响，并签署了联合国可持续发展目标，以此努力实现这一目标，成为全球最具可持续性的创新原料供应商。
	所以，就我们服务的市场而言，我们拥有一个非常庞大的个人护理业务，主要涉及护肤和防晒产品。
	护发产品、彩妆产品以及其他传统个人护理产品。生命科学业务，我们的产品……我们的
	我们的产品和专业知识能够帮助客户优化配方和活性成分的使用。例如，最近我们与辉瑞公司达成了一项协议。
	为他们的新冠疫苗提供原材料。我们的工业化学品业务，
	也就是说，这部分业务负责向众多市场供应技术差异化、以可持续材料为主的产品。很多市场并不完全……不太符合这张幻灯片上的其他任何类别。
	最后，我们还有性能技术业务。这部分也涵盖了很多类似的领域。
	我们在所有这些领域都提供高性能的解决方案。今天，我们尤其要谈谈我们的能源技术业务，特别是高性能电子产品中的电池技术。
	目前，Croda 和 JMP 的情况是，我们使用 JMP 大约两年了，公司内部也对此表现出了浓厚的兴趣。但要让大家相信这些技术具有真正的价值，却并非易事。
	为了进行研究。为了证明这一点，我们开展了一系列案例研究。
	总体来说相当成功。我们已经展示了其中的潜力以及一些潜在的缺陷。而这一切又促成了一系列规模更大的项目，其中之一就是我们今天要谈的……就是我们今天要和大家聊的那个项目。
	如何提高电气冷却系统的效率？该项目的主要驱动因素是
	某种程度上来说，交通运输电气化指的是电池驱动的车辆。那么，如何正确维护电池？如何确保电机以最佳状态运行？
	你是怎么做到不伤及任何人的？
	目前针对这些设备有一系列冷却方法，我们的客户当然正在研究如何改进这些方法，因为例如，电池冷却控制得越好，电池容量就越大，续航里程也就越稳定。
	而且，你知道，这至关重要，并且有很多应用场景大体相似，所以对我们来说真正有用的东西是构建
	要了解这些流体，需要建立某种数据驱动模型，而JMP正是在这方面发挥作用。那么我们该如何做到这一点呢？
	首先，我们研究的是目前的冷却方法有哪些？就电池而言，上一代产品主要采用风冷或冷板冷却。
	汽车中的电子设备，与电池的问题相反，它们往往会过热，所以我们需要散热片来带走这些热量。
	在电动机中，我们试图最大限度地减少阻力，它们通常会被液体包裹。
	在这三种情况下，新引入的替代冷却方法
	依靠流体，所以电池和电子元件是直接浸没式的，而对于电动机来说，则更倾向于流动式。
	那么这种液体看起来是什么样的呢？显然，我们处理的是高电压，所以我们必须使用不导电的物质。
	它还需要具有非常高的导热性，以便将电子元件中的热量带走。
	而且由于这些流体需要在系统中流动，因此粘度必须很低。所以，我们面临着一些由应用本身引入的实际物理限制。
	如果你更深入地观察一下，
	流体的传热能力主要取决于这个方程式。而这告诉我们，其中有一部分是我们可以控制的。
	流体的传热系数决定了传热效果，而应用中的工程解决方案则控制了传热效果。需要冷却的面积是多少？需要冷却的表面温度是多少？
	但无论如何，为了获得高效的热传递，我们必须有较高的热传递系数，而这是我们能够控制的因素，所以我们就着手研究它。
	该传热系数的定义如下：
	通过这个等式，简单来说，其中还包含其他项，但主要项是：
	它与密度、热导率、热容有关，并且还会受到系统粘度的影响。
	所以，如果我们专门查找我们感兴趣的应用程序，
	如果我们想要优化介电液，我们需要提高其密度、导热系数和比热容，但与此同时，我们还需要降低其粘度。
	液体的……
	这些与我们面临的工程挑战非常吻合，这很有帮助。
	所以
	由此，我们真正想做的就是，我们知道目标是什么。
	我们非常想了解介电液体的结构与产品性能之间的关系。
	所以一开始我们采取了一种相当传统的方法，开始进行大规模研究，测量许多酯类和其他许多材料的物理性质。
	然后，当我们看到并研究了这些数据之后，我们想，好吧，实际上这些数据是存在的，那么为什么我们不利用这些数据集来尝试构建一些模型，并说，我们是否真的能够理解物理特性、结构和性能之间的关系。
	所以，接下来……我们要打开 JMP，请稍等片刻。
	好的。
	所以我们做的第一件事
	我们将历史数据与应用团队通过有针对性的测试获得的数据进行了汇总。
	一旦我们把这些数据集中到一个地方，我们就用 JMP 对其进行检查，看看是否存在……了解，我们正在测量的物理特性之间是否存在一种非常简单的关系。
	所以，如果我们查看该数据集，我首先要查看的，和以往一样，是 JMP 中的分发平台。
	这是一种非常简单的方法，可以查看你想要的东西是否在其他地方有任何模糊的规律。所以，在这个例子中，如果我说，哦，我们想要所有具有高导热性的物质，我们看到的是那些性质分布相当广泛的物质。
	其他……我们测量的其他属性。所以它并没有真正指出，哦，这里有个绝妙的关系，你需要的是这个，这其实也符合我们的预期。但有个检查总是好的。
	同样地，如果我们把所有东西都画成这样
	从散点图中，我们看到的只是大量的噪声。我的意思是，这些拟合线只是作为参考，表明实际上并没有任何拟合关系。
	我绝没有声称你对这些结果的相关性是正确的。
	这一切都令人失望，因为没有一个显而易见的答案。
	正如预料的那样。
	有趣的是，我们说，我们原本以为不会有明确的……
	这些因素之间没有明显的关联，因为如果有关联，经验丰富的科学家应该早就看出来了，我们也应该知道。
	所以，我们说，我们确实知道这些属性都具有
	对它们的结构有所了解……与它们的结构有所关联。
	如果我们计算这些物质的一些物理参数，并将其与一些结构标识符和观察这些分子的方法结合起来，会发生什么？如果我们把这些数据添加到测试数据中，又会发生什么？
	那么……我们能不能建立某种模型呢？
	这样就能开始评估结构和性能，所以我们正是这样做的。
	你知道，在这种情况下，
	我们看到
	也就是说，
	再次强调，如果我们使用多变量平台，只需快速查看一下是否存在任何相关性即可。
	在这些因素中，
	这
	在某些情况下，上下波动之间有明显的区分，或许也略有相关性，但并没有明确的证据表明这就是你所需要的。这与我们预期的一致。
	所以，接下来我们做了什么？
	我们是否在 JMP 中使用了回归平台？
	试着理解
	我们是否可以建立一个模型，以及那会怎样？
	关系看起来是这样的。为了做到这一点，我们随机选择了若干行进行行选择。
	JMP 中的工具。通常，随机抽取五个样本（这些样本不会参与模型构建），然后相对地构建这些模型。
	我们就是这样对它们进行改进的，所以我们始终有一个来自初始数据的验证集，只是为了……只是为了检查我们所做的事情是否有成功的可能。
	那么，如果我们只看80度模型，我们遇到的第一个模型是
	是这个吗？
	显然，正如我们所看到的，该模型中包含了一些从统计学角度来看毫无意义的因素，因为它们只是过度拟合，而且根本不显著。
	然而，这些对于描述其中的分子结构相当重要，所以作为化学家，我们创建了这个模型。这个模型允许我们为这种应用设计分子结构。
	即使我们知道它过度拟合了。而且我们知道
	这……这其实不是一个有效的模型，因为这些项只会让 R 平方值越来越大。
	我们也
	构建模型时未使用这些术语。
	就评估这些事物的性能而言，这是一个更好的模型，R平方值略低一些。
	但其中包含的所有条款都具有重大影响。
	关于表现。
	这种模型的缺点是它对我们设计并没有真正的帮助。
	任何新的化学反应。
	但是，在这两种情况下，当我们审视
	预测值与实际测量值之间存在合理的关联性。的确，当我们预期数值较高时，实际数值也往往较高。
	这让我们对这个模型是否真的能为我们发挥作用有了一定的信心。
	至于……当我们考察它的效果时，我们只是简单地查看了两者之间的百分比差异。
	测量值和实际值。我们发现，几乎所有情况下，这两个值的误差都在10%以内，对于两种模型而言，误差大多在5%以内。
	同样，在各种不同类型的材料上，这让我们确信我们所看到的可能是真实的效果。
	这一切都很好。
	这仅仅是我们所测量的数据所产生的影响吗？
	所以我们利用 JMP 中的性能分析平台，生成了一个可共享的模型，可以发送给项目团队，然后举办了一场比赛，说谁能找到最高的……
	该模型中导热系数最高的分子是实际可以合成的分子。
	获胜。
	你知道，我们当时列出了大约14种看起来很有前景的材料。由于原材料难以获取，我们不得不剔除其中一些，最终合成并测试了大约9种新材料。这些材料几乎全部
	你知道，这些材料是由模型以前从未见过的物质构成的。在某些情况下，分子的一部分可能相同，但它们与原始材料截然不同。
	所以，一旦我们制作完成并测试过它们，我们就把它们放回模型中。
	并想看看这个模型的预测能力如何。
	所以如果我们看一下这些数据，考虑到这些材料的差异，我认为，这完全在意料之中。
	这...
	这样做是为了打破这种模式。
	然而，当我们……
	如果我们再看一下这些预测，
	我们看到，高亮显示的蓝色部分是新生产的材料。你知道，我们特意挑选了一些含量较低的材料，纯粹是出于好奇，想确认一下。结果发现，所有我们预想含量会高的样品，实际含量都很高。
	因此，在从结构设计角度来看有价值的过拟合模型中，我们看到的是一个异常值。而在统计上合理的模型中，我们看到整体拟合效果实际上要好得多。
	事情就是这样。
	令人欣慰的是，我们现在不仅能够设计出一个单一的分子，然后说：“哦，给你，拿去用吧……拿去用吧；这就是你需要合成的那一个分子。” 而是能够引导合成化学家找到合适的材料类型，从而真正推动项目进展。
	所以，如果我们再次观察这些残差，我们会发现对于
	你知道，对于统计上良好的、没有过拟合的模型，我们看到的是所有新材料的数据都在10%以内。
	就我们想要达到的目标而言，这已经足够好了。过拟合模型中有一些数值略低于10%，但这也基本符合我的预期。
	你知道，它们都在正确的范围内固然很好，因为这表明这种方法是有价值的，但同时也发现它们并非完全正确，因为我认为，如果我们生产了九种材料，并且它们的误差都在 1% 以内，
	我不确定人们是否会相信这一点。
	所以
	事实上，我们遇到了类似的情况……
	与我们最初使用的材料和我们研制的新材料的预测结果相比，差异程度相当。因此，我们开始对这个模型充满信心。
	然后，如果我们回到……
	幻灯片一秒后。
	那么我们能说什么呢？
	是这些材料的结构性能关系
	这是使用 JMP 的回归测试平台创建的。
	我们利用JMP中的可视化工具，看到了这样做带来的实际好处，并且该模型本身正被用于指导本项目中新材料的研发重点。它被用于从我们已有的产品中筛选出可能进行测试的材料。
	而且，你知道，模型和我们正在合成的新分子之间的结果之间存在可接受的相关性。
	所有这些都让我们对这种方法充满信心，也让我们能够进一步推进这个项目，并将其细分为具体的目标材料。
	所以，就新分子而言，
	我们重点研究了导热系数更高的分子。正如你在这张图中看到的，所有新分子的导热系数都处于中等偏高水平，这正是我们希望达到的效果。
	我们证明了我们可以利用数据来寻找改进方向，然后在实验室中验证并实现改进。
	这个项目真正的难点在于，我们现在试图为所有其他因素构建类似的模型。
	这些因素会影响介电液体的性能，然后我们将尝试平衡这些模型，以找到最佳结果。
	因此，所有这些后续开发工作都在进行中，但这种发展势头完全来自于 JMP 及其内置平台处理数据集的易用性。
	凭借一些领域知识，真正地推进这项工作，并说，是的，这里有一个模型，可以帮助指导 Croda 在该领域中本项目和后续项目的重点。
	综上所述，我们从测试中获得的数据已成功用于模拟这些材料的性能。虽然并非完美无缺，但足以满足我们的需求。
	该模型……
	该模型展示了
	酯类化合物的结构性能之间存在某种关系（抱歉，不知道为什么我的任务栏一直在跳动）。该模型已被用于预测高导热性材料。
	这些预测首先通过排除法得到验证，然后通过制造新材料进行横向验证，真正表明该模型适用于该类型的化学。
	它还展示了定制属性的可能性，
	在这种情况下，电介质，但其他材料，如果你构建类似的模型，就可以开始为特定应用创造特定材料。
	对我来说，最重要的是
	这项工作的真正成功之处在于，它已经积累了内部动力，以证明 JMP 不仅仅是一个锦上添花的工具，而是一个真正的研究平台，可以非常快速地查看数据集并判断其中是否有任何有价值的信息。
	就这样，
	我只想说声谢谢，感谢大家的观看。显然我无法在录像中回答任何问题，但如果您想联系我，欢迎在社区留言。是的，非常感谢。

高级统计建模基础数据分析与建模实验设计大规模定制预测建模和机器学习质量与工艺工程分享和交流结果