<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" /> 엘리 마리코 , PhD, BASF 고급 공정 제어 엔지니어
엘리 마리 카우
화학 플랜트는 종종 실험실 분석을 사용하여 제품 품질을 모니터링하고 생산 프로세스를 조정합니다. 그러나 이들은 단지 몇 시간마다 실시됩니다. 두 가지 분석 사이에서 생산 품질은 알려지지 않았으며 벗어날 수 있습니다. 또한, 품질 편차는 때때로 측정 오차와 구별하기가 어렵습니다. 결과적으로 공장 운영자는 품질이 다른 경우 어떤 공정 매개 변수를 변경할 지 항상 알 수 없습니다. 경우에 따라 위에서 설명한 문제는 제품 품질에 대한 추론 모델을 개발하여 처리 할 수 있습니다. BASF Antwerp에있는 특정 생산 공장의 경우 JMP Pro에서 그러한 모델이 개발되었습니다. 이 모델은 수많은 누락 된 값과 이상 값을 포함하는 8,000 개가 넘는 프로세스 매개 변수가있는 원시 데이터 세트에서 개발되었으며 예측력이 뛰어납니다. 사용되는 기술로는 대체 및 외곽 탐지를 통한 데이터 정리, 부트 스트랩 포리스트 파티셔닝을 통한 기능 선택, 다 변수 분석 및 변수 클러스터링을 통한 핵심 매개 변수 식별, 최종 모델 개발을위한 교육 및 유효성 검사 데이터가 포함 된 탄력적 인 회귀 분석 등이 있습니다. 이 프리젠 테이션은 일반적인 접근 방식에 대한 개요, JMP로 모델을 개발하는 데 필요한 특정 팁과 트릭을 제공하고 JMP를 플랜트 직원과 결과를 논의하는 도구로 사용합니다. 분석을 통해 공장에서는 제품 품질에 영향을 미치는 매개 변수를보다 잘 이해할 수 있으며 예측 모델은 생산 프로세스에 조정시기와 방법에 대한 결정 지원을 제공합니다.
