| Vocero |
Transcripción |
| Damián PERRET |
Hola bienvenido y gracias por ver esta presentación para la conferencia Europe Discovery Summit en línea. |
| |
Me llamo Damien Perret. Soy científico de I+D en el CEA (Francia) y, junto con mi colega y amigo François Bergeret, soy estadístico y fundador de Ippon Innovation en Francia. |
| |
Me llamo Damien Perret. Soy científico de I+D en el CEA (Francia) y, junto con mi colega y amigo François Bergeret, soy estadístico y fundador de Ippon Innovation en Francia. |
| |
Así que, con Francois, estamos muy contentos de estar aquí hoy y nos gustaría agradecer al Comité Directivo que nos dio la oportunidad de abordar este tema, que trata sobre métodos estadísticos avanzados aplicados a la predicción de la viscosidad del vidrio con JMP. |
| |
Comencemos con unas palabras sobre la Comisión Francesa de Energías Alternativas y Energía Atómica. La CEA es una organización del gobierno francés dedicada a la investigación, el desarrollo y la innovación en cuatro áreas. |
| |
Defensa y seguridad, energías bajas en carbono, investigación tecnológica e investigación fundamental. El CEA cuenta con unas 20.000 personas en nueve ubicaciones. |
| |
Mantenemos fuertes relaciones con universidades a través de varias unidades de investigación conjuntas, una gran cantidad de patentes y creación de empresas emergentes, con un presupuesto de alrededor de 5 mil millones de euros. |
| François Bergeret |
Estadística y ciencia de datos, incluyendo estudios, consultoría y formación. |
| |
Estamos muy orgullosos de ser socios generales |
| |
Desde hace varios años. También estoy muy feliz de presentarles hoy a mi amigo Damien. |
| |
Ippon también propone soluciones avanzadas para cero defectos y control de procesos. Soy usuario de JMP desde 1995 con JMP 3. |
| Damián PERRET |
Entonces, nuestro objetivo principal en este trabajo es crear modelos estadísticos para predecir las propiedades del vidrio y, para esta charla de hoy, nos centramos en la viscosidad del vidrio. |
| |
Para ello, se utilizan datos experimentales tanto de bases de datos comerciales como de nuestra propia base de datos en el CEA. Queríamos que los algoritmos se codificaran en JSL y se implementaran en JMP Pro 15. |
| |
La respuesta del modelo es la propiedad del vidrio de interés, es decir, la viscosidad para este ejemplo, y los factores son los contenidos de los diferentes componentes del vidrio. |
| |
Aquí hay algunos antecedentes. El vidrio es un sólido no cristalino. Se obtiene mediante el enfriamiento rápido de una masa fundida de vidrio y, desde el punto de vista material, el vidrio es una mezcla de diferentes óxidos. |
| |
Así pues, el número de óxidos es variable, desde dos o tres en un vidrio muy simple hasta unos 30 e incluso más en las composiciones más complejas. |
| |
Existe una larga tradición en el cálculo de las propiedades del vidrio y creemos que los primeros modelos se crearon en Alemania a finales del siglo XIX. |
| |
Desde entonces, |
| |
La cantidad de literatura publicada en el campo de la predicción de las propiedades del vidrio ha aumentado enormemente, de modo que hoy tenemos una gran cantidad de datos de vidrio disponibles en bases de datos comerciales, que también se ofrecen y se utilizan para predecir la |
| |
Propiedades del vidrio. |
| |
Pero a pesar de todos los esfuerzos que se han realizado en el pasado para predecir las propiedades del vidrio, aún existen desafíos para la predicción de la viscosidad del vidrio. |
| |
Esto se debe a que la viscosidad del vidrio es una propiedad difícil de predecir. En primer lugar, la viscosidad depende en gran medida de los mecanismos físicos que pueden ocurrir en el vidrio fundido, dependiendo de su composición, como la separación de fases o la cristalización, por ejemplo. Además, |
| |
La viscosidad es la única propiedad que tiene un rango de variación tan grande hasta ciertos órdenes de magnitud. |
| |
Aquí tenemos un ejemplo que ilustra esta dificultad. Hemos seleccionado tres composiciones de vidrio SBN, un vidrio muy simple, con solo tres ???. |
| |
Y aplicamos los modelos más conocidos de la literatura para calcular la viscosidad. |
| |
Luego comparamos los valores predichos con el valor experimental que hemos medido con nuestro propio dispositivo. Como pueden ver, incluso para un vidrio muy simple, no es fácil obtener un valor fiable para la viscosidad predicha. |
| |
Aquí hay una imagen, una buena imagen que nos gusta usar para mostrar la base de datos, donde cada punto representa un vaso en una vista multidimensional del dominio de las composiciones. Por lo tanto, los datos pueden provenir de estudios aislados. |
| |
o podemos tener datos provenientes de estudios que utilizan diseños experimentales o podemos tener datos |
| |
obtenido |
| |
con la valoración de un componente a la vez. |
| |
En el pasado, hemos dedicado mucho tiempo a aplicar diferentes técnicas de aprendizaje automático utilizando la parte de los datos que se encuentran en la base de datos completa. |
| |
Se utilizó un enfoque clásico en un conjunto de validación, pero al final no se encontró ningún modelo estadístico con una capacidad predictiva aceptable para predecir la viscosidad. |
| |
Así que hemos decidido utilizar un enfoque diferente. |
| |
Por lo tanto, en lugar de usar todos los datos, creemos que es mejor crear un modelo usando datos cercanos a la composición donde queremos predecir la viscosidad. Por ejemplo, si queremos predecir |
| |
Aquí en el |
| |
puntos rojos, se creará un modelo a partir de los datos que tenemos en esta área y se creará un modelo diferente si queremos predecir |
| |
la propiedad |
| |
En otra composición. Por eso decimos que esta técnica es dinámica. Esto se debe a que el modelo depende de la composición. Está relacionado y se ajusta donde queremos predecir. |
| |
Decimos que es automático porque no tenemos que hacerlo manualmente. Cada paso se realiza mediante algoritmos implementados en la herramienta. |
| |
Uno de los puntos más importantes es, sin duda, determinar el subconjunto óptimo de datos para crear el modelo. Para ello, hemos implementado dos métodos de submuestreo. |
| |
Entonces, en el primer método, se genera un diseño teórico o virtual del experimento. |
| |
En torno a la composición de interés. Cada ejecución del diseño se reemplaza con los datos experimentales más similares presentes en la base de datos, lo que da como resultado el conjunto de entrenamiento final. |
| |
Y el segundo método que hemos implementado en la herramienta se basa en diferentes tamaños de conjuntos de datos creados en torno a la composición de interés. |
| |
La herramienta genera un pequeño conjunto de datos y, a partir de este pequeño subconjunto, crea modelos para predecir la viscosidad. Posteriormente, se generan conjuntos de datos cada vez más grandes, y el tamaño óptimo se evalúa mediante criterios estadísticos asociados a cada subconjunto. |
| François Bergeret |
La viscosidad del vidrio no es fácil de predecir, por lo que decidimos utilizar diferentes estadísticas y métodos de aprendizaje automático. |
| |
Modelos polinomiales ??? con transformación, regresión generalizada con distribución lognormal. Este método es muy potente con JMP Pro y puede ofrecer mejores resultados que los modelos ??? con transformación. |
| |
También utilizamos redes neuronales, muy potentes en términos de predicción. Como contamos con dos conjuntos de datos, como se mencionó anteriormente, tenemos seis predicciones para cada respuesta. |
| |
La siguiente diapositiva es un esquema, una vista de la herramienta. |
| |
Las entradas son la composición del vidrio y la temperatura a la que se debe predecir la viscosidad. |
| |
Si miramos aquí, el código y el algoritmo se han implementado para los dos métodos que describimos antes. |
| |
La fortaleza de la herramienta es que, en lugar de obtener sólo una predicción, se calculan seis valores con un criterio estadístico asociado a todos los datos evaluables por el usuario. |
| Damián PERRET |
Estos son algunos de los parámetros clave. Es fundamental tener en cuenta la mayor cantidad posible de aportaciones de los expertos en vidrio. |
| |
Por ejemplo, tuvimos que crear algoritmos específicos para entrar en contacto con la naturaleza y el papel de los óxidos en la viscosidad. |
| |
Otro punto de gran importancia se relaciona con el origen y, por consiguiente, la fiabilidad de los datos. Para ello, se ha dedicado una cantidad considerable de tiempo a este proyecto. |
| |
Para la constitución de una base de datos fiable. Por lo tanto, tuvimos que implementar pesos y estudiar diferentes maneras de calcular la distancia... las distancias entre las composiciones de vidrio. |
| |
Así que ahora es el momento... |
| François Bergeret |
Bien, ahora voy a mostrar la pantalla. |
| |
Para mostrarte una demostración |
| |
del código, por lo que deberías ver mi pantalla ahora. |
| |
Simplemente estoy ejecutando el código, así que es un programa JSL complejo. Lo llevamos desarrollando varios meses con CEA. |
| |
Así que acabo de ejecutar el código y ahora te lo voy a mostrar. |
| |
Descubrimiento...así que aquí estoy abriendo archivos para el código. |
| |
Y está funcionando, ¿vale? El código se está ejecutando, así que comentaré un poco. |
| |
Tenemos varios bucles en este código. Por supuesto, el primer paso es identificar los datos y las funciones. Después, tenemos un bucle. Primero, tenemos lo que llamamos iteración adaptativa y la razón de ser de la base de datos. |
| |
Así y todo |
| |
Debido a su adaptabilidad, como mencionó Damien, se busca el mejor subconjunto de datos. También tenemos el enfoque de diseño de experimentos, mediante el cual, al optimizar el diseño, obtenemos los datos correctos. |
| |
Después de eso, y ya en funcionamiento, predijimos la temperatura de transición vítrea. Como mencioné, tenemos tres modelos y, para cada uno, dos bases de datos, lo que da un total de seis predicciones. |
| |
Entonces, como veis, es un poco largo de ejecutar, pero dura algo así como un minuto, y cuando esté terminado, tendremos toda la salida de los programas de la temperatura de transición vítrea y, por supuesto, la viscosidad. |
| |
El uso de JSL ha sido muy, muy útil y, además, de cara a los usuarios, como veréis con Damien, es muy fácil de usar y de |
| |
Para uso de los expertos. Así que, Damien, puedes hablar y dejar de compartir. |
| Damián PERRET |
Bueno, entonces. |
| |
Sólo uno. |
| |
¿Puedes ver mi pantalla ahora? |
| |
Sí, está bien. |
| |
Bien, este es un informe estadístico general creado por la herramienta. Primero, tenemos la composición de interés del vidrio. |
| |
Y luego |
| |
tenemos |
| |
En este gráfico, los valores predichos. Entonces, en el eje Y, |
| |
Tenemos los valores predichos de viscosidad calculados por los tres algoritmos y para los dos métodos. En el eje X, tenemos el número de ampliación para el segundo método. |
| |
Y en rojo, tenemos la mediana de las predicciones, que puede ser suficiente para un usuario no estadístico, pero si queremos investigar los detalles estadísticos, tenemos mucha información en este informe para estudiar la calidad de cada una. |
| |
cada modelo. Por ejemplo, |
| |
podemos comprobar los valores |
| |
del PRESSS o de un modelo diferente. Aquí se presenta el modelo de regresión multilineal BIC F. |
| |
Entonces aquí vemos que los valores de PRESS nos dicen que la predicción con el método número uno es un poco mejor que para el segundo método, y también vemos la liquidación del modelo con la ampliación del conjunto de entrenamiento. |
| |
También tenemos |
| |
Diferentes valores estadísticos. Por ejemplo, tenemos el valor R cuadrado para los diferentes algoritmos y modelos. |
| |
Y aquí tenemos aún más detalles sobre el modelo. |
| |
Por ejemplo, para el primer método, podemos comparar el diseño teórico y el real del experimento. Tenemos la predicción... |
| |
Fórmula de predicción para los diferentes modelos. También tenemos información sobre las estimaciones y mucha información para el segundo método. Así que, al final, tenemos mucha información estadística. |
| |
Detalles e información muy útiles para el usuario. Y aquí, |
| |
Al final, tenemos la composición de la mayor parte del vidrio en la base de datos, para lo cual tenemos un valor experimental de la viscosidad, por lo que esto también es muy, muy útil. |
| |
Bueno, entonces |
| |
Volvamos a PowerPoint. |
| |
Bien, entonces estos son los resultados que obtuvimos. |
| |
Se evaluó la capacidad predictiva de dos variables extrayendo 230 filas que conforman una base de datos global. En esta tabla, se muestra el error relativo de la predicción... |
| |
la predicción de la viscosidad |
| |
Para diferentes tipos de vidrio y para el subconjunto global de datos, se proporcionan tres cuantiles como mediana, lo que significa que el 50 % de los valores predichos tienen un error relativo inferior al valor indicado en la tabla. |
| |
También tenemos los cuantiles 75 y 90 % en esta tabla. Por lo tanto, cuando hablamos de la viscosidad del vidrio, tradicionalmente consideramos que un error de predicción de alrededor del 70 % es muy bueno. Así que podemos ver que para la mayoría de los datos |
| |
La capacidad del modelo es buena y estamos muy contentos con los resultados que obtuvimos allí. |
| |
A modo de comparación, |
| |
Aquí están de nuevo |
| |
Los resultados que obtuvimos para el vidrio muy simple, el vidrio SBN, con solo tres óxidos al aplicar los modelos disponibles en la literatura. Por lo tanto, podemos observar que los valores del error relativo de predicción fueron mucho mayores y pudieron variar considerablemente de un modelo a otro. |
| |
Y nuevamente, esto fue para un vidrio muy simple con solo tres óxidos. |
| |
Y en algunos casos tenemos errores que son más importantes, |
| |
Pero si miramos estos datos en detalle, aquí en este gráfico, tenemos |
| |
los valores ??? en |
| |
Eje x y valores experimentales en el eje y, vemos que este mayor error de predicción se obtiene para estos dos vasos |
| |
procedente de la base de datos comercial SciGlass de... la misma referencia, que es una patente y de la que no se menciona el error experimental del equipo. |
| |
Y también para todas estas composiciones que tienen un alto contenido de aluminio, pensamos que es muy probable que se produzca cristalización, y entonces no podemos estar totalmente seguros de que los valores experimentales fueran correctos. |
| |
Y finalmente, aplicamos nuestra metodología para predecir otra propiedad del vidrio, la temperatura de transición vítrea, que es una propiedad importante en la tecnología del vidrio. |
| |
Estos son los resultados que obtuvimos, que son incluso mejores que los de la viscosidad. Y aquí, el error relativo general de predicción es inferior al 5%, lo cual es realmente bueno, porque sabemos que esta propiedad... |
| |
Puede variar mucho, dependiendo del historial térmico del vidrio y del dispositivo experimental. Así que aquí están las dos capacidades, muy cercanas al error experimental, lo cual es muy bueno. |
| François Bergeret |
En conclusión, una característica importante de nuestro enfoque es el submuestreo dinámico de la base de datos global. Abordamos la información correcta sobre la composición de interés. |
| |
Además, utilizando JSL y JMP Pro, hemos automatizado los modelos de aprendizaje automático, la regresión general y las redes neuronales son de gran rendimiento. |
| |
Según el experto de la CEA, la precisión es buena y revela algunos problemas inesperados. Planeamos ampliar los modelos en una base de datos más grande y también colaborar con Bradley Jones y, posiblemente, escribir una publicación conjunta. Gracias. |
