Hé,
Je souhaite prédire le débit de CO2 nécessaire à un système pour contrôler le pH, en me basant sur les données historiques des mêmes lots de traitement lors d'un changement de volume ou d'échelle du réacteur.
J'ai un procédé chimique où le pH est contrôlé par injection de CO₂, ce dernier étant automatiquement régulé par le système afin de maintenir le pH à la valeur de consigne. Je dispose des données de procédé pour différents lots, incluant plusieurs paramètres ainsi que cette injection de CO₂, sur différentes échelles et avec plusieurs répétitions. Chaque lot est décrit par l'évolution du temps (en jours) et du volume spécifique.
Je souhaite développer un modèle prédictif (basé sur des données expérimentales de lots précédents) qui me permettrait de prédire le débit de CO2 dont le système pourrait avoir besoin lors du réglage du volume et d'autres paramètres lors de la conception d'un futur lot.
Je ne le considérerais pas comme une optimisation car les paramètres du nouveau lot (volume, etc.) sont déjà définis et je dois déterminer le débit de CO₂ nécessaire dans cette nouvelle configuration pour maintenir le même pH de consigne. Le nouveau lot sera fabriqué à la même échelle que certaines données historiques disponibles ; seuls les détails de l’évolution du volume, entre autres, diffèrent. D’autres échelles sont également disponibles.
J'ai essayé d'utiliser la plateforme FitModel pour obtenir une équation prédictive, mais je ne suis pas certain d'avoir construit le bon modèle ni de savoir comment le valider. J'ai cherché des tutoriels sur Google, mais je n'ai trouvé aucun exemple correspondant à mon cas. J'utilise JMP 18.
Merci d'avance 
J'ai essayé d'utiliser la plateforme Fit Model pour obtenir une équation prédictive, mais je ne suis pas sûr d'avoir construit le bon modèle ni de savoir comment le valider.
Pour savoir si votre modèle est « correct », il suffit de vérifier s'il prédit correctement, c'est-à-dire de le valider. Vous êtes donc sur la bonne voie. Une méthode simple pour valider votre modèle consiste à choisir quelques parties pour lesquelles vous ne disposez pas de données, puis à exécuter votre processus dans ces conditions et à vérifier la précision des prédictions.
Voici une vidéo de 20 minutes qui aborde le sujet plus en détail : (Maîtriser JMP) Spécification et ajustement des modèles
Ce cours gratuit vous permettra d'acquérir davantage de connaissances et d'expérience : Tutoriel sur la corrélation et la régression | JMP
