化工生產廠實時質量監控的推理模型<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" /> Elie Maricau ，博士，先進過程控制工程師，巴斯夫
elie.maricau
化工廠通常使用實驗室分析來監控產品質量並調整生產過程。然而，這些只是每隔幾個小時進行一次。在兩次分析之間，生產質量未知且可能有所偏差。此外，質量變化有時難以與測量誤差區分開。因此，如果質量偏差，工廠操作員並不總是知道要改變哪些工藝參數。在某些情況下，可以通過開發產品質量的推理模型來處理上述問題。對於巴斯夫安特衛普的特定生產工廠，這種模型已在JMP Pro中開發。該模型是從原始數據集開發的，該數據集包含8,000多個過程參數，包含大量缺失值和異常值，並具有良好的預測能力。使用的技術包括使用插補和異常值檢測進行數據清理，使用自舉森林分區進行特徵選擇，使用多變量分析和變量聚類進行關鍵參數識別，以及使用最終模型開發的訓練和驗證數據進行彈性網絡回歸。本演示文稿將概述使用JMP開發模型的一般方法，特定提示和技巧，以及使用JMP作為與工廠人員討論結果的工具。該分析有助於工廠更好地理解影響產品質量的參數，而預測模型則提供關於何時以及如何適應生產過程的決策支持。
數據探索預測建模
