EHI,
Voglio prevedere la quantità di CO2 di cui un sistema avrà bisogno per controllare il pH basandomi sui dati storici degli stessi lotti di processo in caso di variazione del volume o della scala del reattore.
Ho un processo chimico in cui il pH è controllato tramite sparge di CO2, che viene controllato automaticamente dal sistema per mantenere il pH al valore di riferimento. Ho i dati di processo per diversi lotti, diversi parametri insieme a questo sparge, su scale e repliche diverse. Ogni lotto è descritto in base al tempo (giorni) e alla progressione del volume specifico.
Vorrei sviluppare un modello predittivo (basato sui dati sperimentali dei lotti precedenti) che mi consenta di prevedere la dispersione di CO2 di cui il sistema potrebbe aver bisogno quando si regola il volume e altri parametri durante la progettazione di un lotto futuro.
Non lo considererei un'ottimizzazione perché i parametri di processo del nuovo batch (volume...) sono già selezionati e ho bisogno di sapere quale potrebbe essere la quantità di CO2 necessaria in questa nuova configurazione per mantenere lo stesso setpoint di pH. Il nuovo batch verrà eseguito nella stessa scala di alcuni dei dati storici disponibili, solo il dettaglio della progressione del volume, e altri, è diverso. Sono disponibili anche altre scale.
Ho provato a usare la piattaforma Fit Model per ottenere un'equazione predittiva, ma non sono sicuro di aver costruito il modello giusto o di come validarlo. Alla fine, ho provato a cercare tutorial su Google, ma non sono riuscito a trovare alcun esempio su un caso simile al mio. Sono un utente JMP 18.
Grazie in anticipo 
Ho provato a utilizzare la piattaforma Fit Model per ottenere un'equazione predittiva, ma non sono sicuro di aver costruito il modello giusto o di come convalidarlo.
La risposta troppo breve per sapere se il tuo modello è "corretto" implica verificare se prevede bene, il che significa convalidarlo, quindi sei sulla strada giusta. Un modo semplice per convalidare il tuo modello è scegliere alcuni punti del modello in cui non hai dati, quindi eseguire il processo in quelle impostazioni e verificare quanto il modello predice la realtà.
Ecco un video di 20 minuti che entra più nel dettaglio: (Mastering JMP) Specificazione e adattamento dei modelli
Questo corso gratuito può fornirti maggiori informazioni e competenze: Tutorial su correlazione e regressione | JMP
