Processo de Análise de Dados na era do Big Data

Processo de Análise de Dados na era do Big Data

Análise de dados de processo para monitoramento do processo deve ter as seguintes características desejáveis: Eles devem ser escalável (até 100 000 variáveis). Eles devem fazer uso de todos os tipos de dados, por exemplo, processo, espectros, vibração, e imagem data.28 Eles devem ser relativamente fáceis de aplicar ao cesso verdadeira sos em comparação com outros métodos. Eles devem incluir o uso on-line para operações em tempo real e tomada de decisão. Eles devem incluir de fl solução de problemas ine como uma valoração ble ferramenta para a melhoria contínua. Para fazer uso de todos os tipos de dados de histórico e real tempo as operações do processo, um processo para a direcção óbvio engenharia de sistemas para abraçar as novas técnicas em grande dados é aumentar a diversidade dos dados utilizados na análise.
PCA tem sido uma ferramenta favorita para análise de processos, 29, mas é apenas capaz de analisar dados de um único nível; isto é, todas as variáveis são consideradas como sendo da mesma importância em a exploração de correlações cruzadas ou auto-associações.
A literatura de aprendizado de máquina considera o tipo de PCA modelos a ser de camada única modules.30 Uma pesquisa recente da
Qin31 e como as referências aí fez um relato da análises e aplicações em processo de dados do processo disponíveis e monitoramento da qualidade. PLS oferece uma opção para explorar correlação de dados de vários níveis e variações intralevel. Figura 2 representa um esquema para dois níveis de dinâmica latente concorrente modelagem de estrutura e monitoramento. Dados da operação em camadas objetivos ção pode ser pré-processados e refeita para alinhar recursos para modelagem de estrutura latente. A análise Interlevel e análise intralevel nas PLS simultâneas em Qin e
Zheng32 explicado variações não apenas para