Hey,
Ich möchte die CO2-Spülung vorhersagen, die ein System zur pH-Wert-Kontrolle benötigt, basierend auf historischen Daten derselben Prozesschargen bei Änderung des Volumens oder der Reaktorgröße.
Ich habe einen chemischen Prozess, bei dem der pH-Wert durch CO₂-Begasung geregelt wird. Die Begasung wird vom System automatisch gesteuert, um den pH-Wert auf dem Sollwert zu halten. Ich verfüge über Prozessdaten für verschiedene Chargen, mehrere Parameter sowie Daten zur Begasung, für unterschiedliche Maßstäbe und Wiederholungen. Jede Charge ist durch die Zeit (in Tagen) und den spezifischen Volumenverlauf beschrieben.
Ich möchte ein Vorhersagemodell entwickeln (basierend auf experimentellen Daten aus früheren Chargen), das es mir ermöglichen würde, die CO2-Begasung vorherzusagen, die das System möglicherweise benötigt, wenn ich das Volumen und andere Parameter bei der Planung einer zukünftigen Charge anpasse.
Ich würde es nicht als Optimierung betrachten, da die Prozessparameter der neuen Charge (Volumen usw.) bereits festgelegt sind. Ich muss lediglich wissen, welche CO₂-Zufuhr in dieser neuen Konfiguration erforderlich ist, um den gleichen pH-Sollwert beizubehalten. Die neue Charge wird im gleichen Maßstab wie einige der verfügbaren historischen Daten durchgeführt; lediglich die Details des Volumenverlaufs und anderer Parameter unterscheiden sich. Weitere Maßstäbe sind ebenfalls verfügbar.
Ich habe versucht, mit der Fit Model-Plattform eine Vorhersagegleichung zu erstellen, bin mir aber unsicher, ob ich das richtige Modell erstellt habe und wie ich es validieren kann. Ich habe auch nach Tutorials gegoogelt, aber kein Beispiel für einen ähnlichen Fall gefunden. Ich nutze JMP 18.
Vielen Dank im Voraus 
Ich habe versucht, mit der Fit Model Plattform eine Vorhersagegleichung zu erstellen, bin mir aber nicht sicher, ob ich das richtige Modell erstellt habe oder wie ich es validieren kann.
Die etwas zu kurze Antwort auf die Frage, ob Ihr Modell „richtig“ ist, lautet: Prüfen Sie, ob es gute Vorhersagen liefert. Das bedeutet Validierung, um sicherzustellen, dass Sie auf dem richtigen Weg sind. Eine einfache Methode zur Validierung Ihres Modells ist, einige Stellen im Modell auszuwählen, an denen keine Daten vorliegen, den Prozess unter diesen Bedingungen auszuführen und zu überprüfen, wie genau das Modell die Realität vorhersagt.
Hier ist ein 20-minütiges Video mit weiteren Details: (JMP meistern) Modelle spezifizieren und anpassen
Dieser kostenlose Kurs vermittelt Ihnen mehr Hintergrundwissen und praktische Erfahrung: Korrelations- und Regressions-Tutorial | JMP
