| Vocero |
Transcripción |
| Stan Siranovich |
Bien, comenzamos con la observación, la tenemos en la primera columna. Y enseguida vemos que tenemos un formato un poco extraño. |
| |
Hablaremos de eso más adelante. La siguiente columna es Y-Kappa, que es lo que se conoce como variable objetivo, es decir, lo que queremos predecir. Es el valor medido y queremos mantenerlo dentro de un rango estrecho. |
| |
Y en uno o dos minutos más, explicaré por qué. Y mientras revisamos los datos, vemos un par de cosas aquí. Tenemos algunas etiquetas extrañas. Tenemos T-upperExt, sea lo que sea. Tenemos T-lower, tenemos WhiteFlow. Y notamos que |
| |
Algunas de las columnas, de hecho, la mayoría de las llamadas tienen un número al final. Y resulta que... tras investigar un poco, descubrimos que ese es el tiempo de retardo. |
| |
Y llegaré a eso cuando explique el proceso. Entonces tenemos cosas como la humedad de las virutas, el calor del vapor, y también vemos que tenemos algunos valores faltantes. Ahí... hay algunos aquí y allá, pero principalmente parece que están confinados al AAWhite, |
| |
Disculpen, al final, la sulficidad. Así que tomamos nota de eso. |
| |
Ahora |
| |
Como no estamos familiarizados con este tipo de cosas, probablemente lo más inteligente sería... investigar un poco y ver exactamente qué es lo que estamos viendo. Y también nos gustaría saber (déjenme subir la presentación de PowerPoint aquí). |
| |
exactamente |
| |
Está bien. |
| |
Comencemos. Bueno, el digestor Kamyr es un proceso continuo de cuatro etapas para la fabricación de pulpa y papel. |
| |
Ahora estos |
| |
proceso... estos procesos son bastante grandes y se puede pensar en ello como una olla a presión gigante. Lo que hacemos es comprobar algo de calor, vapor y presión, |
| |
Disculpen, dentro del reactor. Estos pueden tener 18 pies de diámetro y hasta 200 pies de altura. Lo que queríamos hacer era separar la lignina controlando el número Kappa. |
| |
Y la materia prima es un poco inusual. Vengo de la industria química y estoy acostumbrado a trabajar con |
| |
una materia prima líquida, pero aquí nuestra materia prima son virutas de madera o serrín de un |
| |
aserradero lo que sea. Y no tenemos ninguna información sobre si estas materias primas se vierten juntas, se colocan una encima de la otra, si están |
| |
campaña, pero de inmediato sabemos que aquí hay cierta variabilidad. Sin importar cuál sea su forma física, la materia prima se compone de 50% de agua, 25% de pulpa y 25% de lignina. Y, por supuesto, la lignina es lo que queremos disolver. |
| |
Ahora el proceso se ve así. Es complejo y dentro de esta única unidad hay cuatro operaciones unitarias separadas. Tenemos la parte superior, donde se vierten las virutas y la mezcla de reacción, que es... que se denomina licor. |
| |
Tiene cierta acidez y alcalinidad, pero se puede considerar como una solución jabonosa. Va a separar la lignina de la madera. |
| |
Y también tenemos los flujos de fluidos, tanto efluentes como líquidos, y hay tres de ellos. |
| |
Y puede ser concurrente o contracorriente, por lo que introducimos otra variable. Como mencioné antes, la variable objetivo es un número Kappa, que es una determinación ISO, y aquí tenemos otra variable, ya que los fluidos se recirculan y regeneran. |
| |
Comencemos con un análisis de datos. |
| |
Y así es como se ve la tabla de datos de JMP inmediatamente después de importarla a JMP. Empecemos con la observación, Y-Kappa, |
| |
que queremos medir y luego la tasa de chips. Aquí hay otras proporciones. Y podemos ver que tenemos algunos datos faltantes, la mayoría parece estar confinada a esa columna de allí, y esta columna de aquí, la sulfidad. |
| |
Así que echemos un vistazo a eso para ver si hay algo que deba preocuparnos. Y creo que la mejor manera de hacerlo es ir aquí arriba a las tablas y observar el patrón de datos faltantes. |
| |
Y lo que haré será arrastrar y seleccionar todos esos elementos. Y los añadiré. |
| |
Y obtenemos esta tabla. |
| |
Ahora debería ver la tabla de datos faltantes. |
| |
justo encima de mi mesa JMP. |
| |
Y permítanme ampliar un poco esa primera columna. Ahora, si miramos la primera columna que dice recuento |
| |
y tenemos cero columnas sin datos faltantes, y vemos ceros en toda la siguiente columna, ese es nuestro patrón y eso nos dice que tenemos 131 columnas sin datos faltantes pero tenemos 132 columnas |
| |
en la que dos columnas tienen datos faltantes. Donde ves el 1 y el 1, ahí es donde faltan los datos. Y tenemos otro patrón aquí con el 19, pero el resto están bastante completos... |
| |
bastante poblado, y si alguna vez ha trabajado con datos de producción o datos de monitoreo de calidad, verá que esto no es inusual. De hecho, esto es |
| |
bastante completo para este tipo de datos. Así que veamos eso un poco más. Tenemos 131 con uno faltante, y sabemos que tenemos esas dos columnas. |
| |
Veamos si coinciden. Eso es todo. Es el mismo registro con las mismas dos columnas con datos faltantes. Y lo que podemos hacer es seleccionar esa primera fila. |
| |
y podemos mirar aquí. |
| |
Permítanme apartar esto. Y podemos desplazarnos. |
| |
Y efectivamente, |
| |
ahí vemos los reflejos azules, |
| |
que resaltan los datos no faltantes, y vemos que los datos faltantes tienden a alinearse. Hay un punto aquí, un punto aquí, por lo que parece que todos estos datos faltantes en esas dos columnas están en la misma fila. |
| |
Así que déjame volver atrás. |
| |
y detener la acción compartida. |
| |
Ahora vamos a realizar un análisis de datos y cerraré esa ventana. |
| |
Y aquí estamos de nuevo, en la tabla de datos JMP original. |
| |
Veamos, ¿por dónde empezar? Bueno, tenemos un par de opciones aquí, pero una cosa que podemos hacer es hacer clic en este icono de aquí, y dice mostrar gráficos de encabezado. |
| |
Así que hacemos clic en el icono y podemos ver algunos gráficos de encabezado aquí. Y lo que hace es mostrarnos algunos histogramas de la distribución. |
| |
en la columna de abajo. Y estos, estos, estos son arrastrables, así que podemos agrandarlos en cualquier dirección. ¿Y por qué no hacemos una pequeña exploración aquí? Ya que queremos controlar el Y-Kappa, |
| |
Vamos a seleccionar algunos de esos valores altos y veamos qué podemos ver. Ahora desplázate, desplázate, parece que es |
| |
algo relacionado con lo que está sucediendo en BlowFlow que... |
| |
eso está en la parte superior del rango aquí, y si vamos a T-upperExt-2, |
| |
Podemos ver que tiende a estar en la mitad inferior de la distribución. Y aparte de eso, nada realmente destaca para nosotros, así que hagamos clic aquí. |
| |
y ahí, para limpiarlo un poco. |
| |
Y vamos a dar una explicación un poco más detallada. Vayamos al creador de gráficos. |
| |
Entonces vas a graficar... |
| |
Creador de gráficos y aparece esta ventana. |
| |
Y lo que voy a hacer es mirar el Y-Kappa |
| |
Ahí está, y puedo poner... puedo poner una línea más suave ahí. |
| |
Y lo que veo es |
| |
Existe cierta variabilidad en nuestro proceso, pero es bastante estable, tal vez una ligera tendencia al alza, pero estable, y eso será importante un poco más adelante. |
| |
Pero si miro aquí abajo, donde dice observación, ¿qué veo? Veo que empieza con 1-00 y luego 01 y el tiempo sigue aumentando. Pero si miro la tabla de datos aquí, empieza con 31. Entonces, lo que aparentemente hicieron aquí |
| |
En la unidad, se mostraba primero el día del mes, luego la hora y seguían con ese formato, pero eso no es lo que queremos. Así que voy a cerrar esto. Voy a detener el uso compartido y abrir otra tabla de datos de JMP. |
| |
Bien, lo que estamos viendo son básicamente los mismos datos, y los limpié un poco e hice algunos cambios. Y mientras lo vemos, lo tengo organizado como suelo querer organizarlo con el Y-Kappa, que es nuestro |
| |
...nuestro valor objetivo, seguido de la observación. Y aquí agregué una secuencia de una hora, y déjenme mostrarles lo que sucede aquí. |
| |
He guardado todos los scripts en esta tabla de datos, los mismos datos, solo que abrí una diferente, que ha sido limpiada. Y si se fijan, verán que tenemos el mismo número de decimales en todas las tablas, si me desplazo por la página. |
| |
Y repitamos |
| |
lo que acabo de hacer antes. Así que vamos a ir a gráfico, al creador de gráficos. |
| |
Coloca el Y-Kappa aquí y ahora agregué la secuencia Y a |
| |
nuestra tabla de datos, y ahora obtenemos un patrón diferente. Si abro el original, |
| |
Vemos que tenemos una línea diferente y más suave, y lo que intento hacer es buscar algunas constelaciones, lo que yo llamo constelación. Así que aquí tenemos estos tres puntos de datos. |
| |
Voy a cerrar este y abrir el segundo. |
| |
Y aquí están los tres puntos de datos. |
| |
Déjame callar eso. |
| |
Y fíjense aquí abajo con la secuencia de la hora, |
| |
Tenemos los puntos de datos en el orden en que están, y otra cosa que podríamos hacer con JMP |
| |
si podemos subir aquí, |
| |
cambiar |
| |
observación, que teníamos antes, y ahora la movemos aquí abajo. |
| |
Y volveremos a colocar nuestra línea más suave, como pueden ver, tenemos el mismo patrón, pero ahora si tomo la secuencia de las horas |
| |
Y al traerlo hasta aquí, tenemos lo mejor de ambos mundos. Están en orden, que es como los queríamos. |
| |
Y como pueden ver aquí abajo, las observaciones están ordenadas por hora en orden descendente, que es la configuración predeterminada. Podría hacer clic en "Listo", pero por ahora, lo minimizaré. |
| |
Y pasaremos al siguiente paso. Revisa mis notas, asegúrate de que no se me haya olvidado nada. |
| |
Ah, y cómo puse la nueva columna ahí, déjenme detener la función de compartir aquí, y en lugar de pasar por todo el proceso, déjenme volver a PowerPoint. |
| |
Y le di a la columna un nuevo nombre, Secuencia horaria, y para el tipo de datos, elegí numérico, porque eso es lo que es. Para |
| |
En cuanto al tipo de modelado, elegí continuo porque se trata de datos continuos, aunque se registren a intervalos horarios regulares. Y elegí este formato porque es fácil de leer para las personas. |
| |
Y para inicializar los datos de la columna, elegí datos de secuencia y los ejecuté del 1 al 301, porque esa es nuestra última fila. Y veamos, repita cada valor una vez, número de columnas a agregar, solo una. |
| |
Y para las propiedades de la columna, seleccioné frecuencia de tiempo en el menú desplegable, y también elegí cada hora. Así es como obtuve esa columna. |
| |
Así que déjenme dejar de compartir eso |
| |
y lo minimizaré y volveré a subir a la tabla de datos de JMP. |
| |
Y aquí estamos de nuevo en la tabla de datos. Ahora comienza la parte divertida: pasemos al análisis. |
| |
Vamos |
| |
analizar. |
| |
Y me equivoqué de tabla de datos. Déjame abrir la otra. Aquí está. |
| |
Ve a analizar, |
| |
métodos multivariados |
| |
multivariado. |
| |
Y nos aparece esta pantalla. Bueno, queremos ver Y-Kappa, así que pongamos la Y ahí. |
| |
No queremos pesos ni frecuencias ni por y dejemos |
| |
clic arrastrar. |
| |
Introduce todo eso ahí. Haz clic en Aceptar, y aquí está el resultado. Y para empezar... déjame cerrar eso... |
| |
y se nos presenta la matriz de diagrama de dispersión. Y aquí podemos buscar algunos patrones en los datos. No podemos ver muchos de ellos, pero si miramos Y-Kappa aquí en la columna de la izquierda, |
| |
Empecemos a mirar, parece que podríamos tener algún tipo de patrón aquí con... |
| |
con lo que sea que sea esta columna. Desplácese un poco hacia abajo y parece que es |
| |
uno de los flujos de licor, etc., etc. Así que podemos hacer eso para tener una idea aproximada. Permítanme terminar eso. |
| |
Y podemos observar las correlaciones aquí, y las azules son correlaciones positivas, y las rojas son negativas, y ninguna de ellas es realmente alta. |
| |
En cierto modo eso es bueno y en otros, malo, pero no hablaremos mucho de eso ahora. Simplemente lo tenemos en cuenta. En algunas situaciones, obtenemos más información de eso que de otras fuentes, así que con esto concluyo. |
| |
A continuación, pasemos a la selección del modelo, así que vamos a analizar, |
| |
cribado, |
| |
detección predictiva. Y se nos presenta esta ventana y una vez más, |
| |
Y-Kappa es nuestra respuesta Y. Y aquí se nos presenta la siguiente ventana. Por ahora, ignoraremos las observaciones, ya que tenemos la secuencia horaria aquí, y es mucho más fácil de leer, así que la introduciremos aquí y haremos clic en Aceptar. |
| |
Y esto es lo que obtenemos. |
| |
Aquí tenemos nuestros predictores y, por supuesto, aquellos con los valores más altos y las barras más grandes probablemente serán los predictores más importantes para nosotros. |
| |
Y aquí vemos un montón de variables. Ahora llegamos a un punto de decisión. Bueno, estas dos primeras, obviamente... |
| |
Hay algo que queremos analizar, probablemente también el tercero y el cuarto. El resto son algo menor, pero son todos similares, así que hagámoslo. |
| |
Haremos clic y arrastraremos, ah, y antes de pasar a estas dos columnas, la contribución es una contribución al modelo en la porción, que es la columna que suelo mirar, es el porcentaje de la porción que este |
| |
El predictor aquí predijo al modelo, así que si sumas todos estos, llegaría al 100%. Y tenemos un... tenemos un enlace aquí, dice copiar seleccionado. |
| |
Así que hagámoslo. |
| |
Voy a minimizar esa ventana y volveré aquí arriba, a nuestra ventana de análisis. |
| |
Veamos. ¿Qué tal si ajusto modelos? Ajuste modelos de regresión lineal. |
| |
Haré clic ahí y verán que las columnas seleccionadas ya están resaltadas. |
| |
Así que vamos a añadirlos y, por supuesto, queremos de nuevo el Y-Kappa. |
| |
Y seleccionaremos eso, y cuando lo hice, se abrió. |
| |
una extensión aquí de nuestra ventana y un par de personalidades más... un par de opciones más aquí con los menús desplegables. Y la personalidad de la primera, así que déjenme hacer clic en ella y nos da una serie de opciones aquí. Pero por ahora, quedémonos con los mínimos cuadrados estándar. Y luego, para enfatizar, |
| |
Tenemos tres opciones. Y el énfasis está en lo que se nos revela en la ventana del informe inicial. Por ahora, simplemente seleccionaré |
| |
Informe mínimo. Y veamos, grado, 2, de acuerdo, entonces analizará los términos al cuadrado. |
| |
Veamos... y creo que ya estamos listos para irnos, así que haré clic en ejecutar. |
| |
Y esto es lo que obtengo. Y parece que esta relación BF-CM es de suma importancia, |
| |
seguido de algunos |
| |
Hay otros aquí de menor importancia, pero son... pero son significativos, y la razón por la que son significativos es, en primer lugar, el valor p, por cierto, este es un nivel de 0,05 y el azul... |
| |
Disculpen, el nivel de 0.01, y la línea azul aquí, que es el nivel de 0.01 para la significancia. Y la razón... la razón por la que |
| |
Lo estamos haciendo así con el logworth... ah, por cierto, debería mencionar que el logworth es 10 veces menos el logaritmo y eso es logaritmo en base 10. Entonces, si tenemos la línea azul igual al valor de 2, el logaritmo... |
| |
logaritmo del valor p de 0,02... o perdón, 0,01 sería un 2, por eso está la línea ahí. |
| |
Aquí, realmente no lo necesitas, pero si estás haciendo un análisis como una de las variables, definitivamente te será útil. Y miramos aquí abajo para ver los resúmenes. |
| |
de ajuste, encontrar un R cuadrado de 0,5, y eso es... eso es más o menos lo máximo que podemos obtener de esa ventana. |
| |
Y venimos aquí para estimar, y podemos ver que las estimaciones son coeficientes para nuestras regresiones lineales múltiples. |
| |
Así pues, vemos que estos dos quizás no sean necesarios, por lo que, en aras de la parsimonia, haremos... |
| |
Seleccionaremos esos, vendremos aquí y lo eliminaremos. Y ahora tenemos dos variables menos. Probablemente podríamos eliminar el nivel de chip, pero por ahora, lo dejaremos ahí, porque nuestro R cuadrado baja un poco. |
| |
Y todo lo demás se mantuvo prácticamente igual. Ese es nuestro modelo. Podemos bajar y abrir otras ventanas. |
| |
Y vemos las razones T de los términos individuales, algunas pruebas de efecto, y ahí lo dejaremos por ahora. Así que permítanme minimizar esa ventana, y tenemos un análisis más que hacer, que es el de series temporales. Así que volvemos aquí para analizar de nuevo. |
| |
Y bajaremos hasta el modelado especializado, y luego iremos a series temporales. Haga clic ahí y todo seguirá seleccionado. |
| |
Seleccionaremos eso, |
| |
Pondremos Y ahí. |
| |
Hará lo mismo. |
| |
Una de más, espera. |
| |
Ponemos nuestra lista de objetivos aquí y tenemos este botón aquí, hora X, volveremos a poner la secuencia de la hora porque es más fácil de leer. |
| |
Pon eso ahí. |
| |
Haz clic en ejecutar. |
| |
Y por ahora, ignoraremos todo ese tipo de cosas, y bajaremos aquí y veremos nuestro diagnóstico de series temporales. Ahora desplácese un poco más hacia abajo. Y la línea azul aquí es la |
| |
Valor p, y esto está en un nivel de 0,05, y esto está analizando diferentes autocorrelaciones y tiempos de retardo parciales. |
| |
Podría pasarme los 45 minutos hablando de esto, pero no tenemos tanto tiempo, así que haré un breve resumen. Lo que queremos hacer es eliminar todos estos tiempos de retardo. |
| |
dentro de esa línea azul. Y parece que, bueno, para este, tenemos que subir hasta tal vez cinco o seis, tal vez incluso siete, por ahí. |
| |
Y llegamos a ese punto alrededor de las tres, cuatro o cinco con el tiempo de retardo parcial. |
| |
Entonces |
| |
lo que hacemos es venir aquí al triángulo rojo, |
| |
y queremos hacer un modelo ARIMA. Y obtenemos esta ventana y ARIMA significa autorregresivo integrado de media móvil. Ahora no queremos hacer diferenciación aquí. |
| |
Porque ya hemos realizado algunas diferencias. Esos números que se añadieron al final de las columnas eran los tiempos de retardo, para que todos los datos coincidieran. Así que lo que queremos hacer es simplemente hacer una estimación con este número. |
| |
Déjame ponerlo en 4, así que retrasa 4 períodos. |
| |
Y haremos lo mismo aquí abajo con la media móvil. |
| |
Y podríamos elegir diferentes valores para esos y veamos cuál es el intercepto, el ajuste de restricción. |
| |
Haremos una estimación y bajaremos aquí de nuevo. |
| |
Y esto es lo que obtenemos. Nos está yendo un poco mejor que antes. |
| |
Bajemos aquí. |
| |
Y volveremos a seleccionar esto. Para ahorrar tiempo, pondré seis períodos. |
| |
Revisa todo. Vuelve a hacer el presupuesto. |
| |
Voy a desplazarme hacia abajo, y ahora se ve un poco mejor. Probablemente queramos que uno esté dentro de cuatro, cinco o seis períodos de retraso, así que hay una cosa más que comprobar. |
| |
Si observamos los gráficos... |
| |
Y podríamos guardar los guiones en la tabla. Nick, ¿podemos pausar la grabación un segundo? |
| |
Bueno, lo hice un par de veces. |
| |
Y aquí tengo un resumen en la comparación de modelos. |
| |
Así que tenemos el primer modelo del ARMA. De nuevo, no hicimos la diferencia, por lo que se llama ARMA, no ARIMA. Y aquí hay cinco puntos, y déjenme ampliar esto. |
| |
Un poquito más, y esta es la tabla. Trabajé un poco en la tabla, quité... quité algunas columnas que no quería discutir por razones de tiempo. Y |
| |
Lo que podemos hacer es observar los resultados. Nos muestra el AIC y un AIC más bajo es mejor, y parece que el mejor modelo aquí es el |
| |
El primero que hicimos fue el (5,5). Tenemos |
| |
1268 y luego sube a 1270, 1271, 1271, y luego tenemos el R cuadrado y aquí, por supuesto, más grande es mejor, y parece que el retardo (6,6) fue el mejor allí. Tienen un R ligeramente mayor, pero ciertamente no es significativo y |
| |
Aquí analizamos el MAPE, que es el error porcentual medio, y que, por supuesto, queremos minimizar. Parece que el modelo intermedio, el segundo, con seis períodos, es el mejor y obtiene un 7,55. |
| |
Y aquí abajo tenemos más datos. Tenemos las estimaciones y pueden ver varios gráficos. Todo esto se ha guardado en la tabla de datos. Permítanme ordenar un poco esto. |
| |
En resumen, lo que tenemos aquí son las operaciones diarias de una planta muy compleja. Pudimos explicarla y comprenderla. |
| |
Comenzamos con la exploración visual de los datos y luego pasamos a... |
| |
Realizamos una investigación para averiguar qué necesitábamos saber sobre el proceso, de modo que supiéramos qué estaba sucediendo con nuestro análisis, y pudimos guardar toda nuestra tabla de datos. |
| |
Y una cosa rápida que pudimos observar al explorar nuestros datos fue que pudimos pasar fácilmente de una plataforma a otra para nuestro análisis, y con esto concluye la presentación. |
