Minitab功能分享 |幫助 Tate & Lyle 確保甜味劑感覺較像普通糖

泰萊 (tate & lyle) 是食品和飲料行業(yè)的****者，通過將玉米、木薯和其他原材料轉(zhuǎn)化為能為食物增添味道、質(zhì)地和營養(yǎng)成分的“讓食物與眾不同”的悠久而令人印象深刻的記錄證明了這一點(diǎn)。他們在美國較**的產(chǎn)品之一是甜味劑 splenda三氯蔗糖。
當(dāng)他們在精煉玉米糖的過程中遇到挑戰(zhàn)時(shí)，tate & lyle 轉(zhuǎn)向 minitab 軟件尋求。
挑戰(zhàn)：平衡結(jié)晶粒徑
當(dāng) adam russell 開始在 tate & lyle 擔(dān)任**運(yùn)營黑帶時(shí)，他遇到了一個(gè)挑戰(zhàn)：保持玉米糖的顆粒大小相同。
“一個(gè)結(jié)晶過程的質(zhì)量特征的關(guān)鍵之一是粒度分布，”russell 說。“為什么這很重要？好吧，當(dāng)我們在 20-30 年前為消費(fèi)者開發(fā)這些產(chǎn)品時(shí)，他們希望玉米糖具有與普通食糖或蔗糖相同的味道和質(zhì)地。你必須達(dá)到一定的粒度那種情況下的分布是真實(shí)的。”
tate & lyle 正面臨著那些落在可接受范圍之外的顆粒的困擾，他們無法確定原因。該公司列出了他們確定的影響粒徑變化的傳統(tǒng)因素：
●溫度
●壓力
●流量
●酸堿度
●電導(dǎo)率
而這樣的例子不勝枚舉。
minitab 如何提供幫助
minitab（現(xiàn)為 minitab engage ? ）在 companion 中創(chuàng)建的流程圖 tate & lyle 的簡化版本。在玉米糖結(jié)晶過程中，糖漿從煉油廠進(jìn)料，然后結(jié)晶（需要很多天），然后離心、干燥并裝入袋中供客戶使用。
他們首先使用 minitab 的 companion （現(xiàn)為 minitab engage? ）創(chuàng)建一個(gè)流程圖，該流程圖顯示了結(jié)晶過程的**視圖（了解有關(guān)流程圖的更多信息）。他們無法可靠地達(dá)到嚴(yán)格的粒度分布，因此他們想了解導(dǎo)致變化的原因以及如何控制它。
“一切都在化工廠進(jìn)行測量，”russell 說，“每個(gè)可能的點(diǎn)都有一個(gè)，可以將信息反饋給數(shù)據(jù)歷史學(xué)家。這是一件好事，但它帶來了挑戰(zhàn)，因?yàn)槲覀冇刑辔也恢赖男畔⒃趺崔k呢。”
為了直觀地了解粒度數(shù)據(jù)，russell 和他的團(tuán)隊(duì)隨后使用 minitab statistical software 創(chuàng)建了 如下所示的xbar 圖 。
盡管變量之間的許多關(guān)系是非線性的，因此很難確定任何一個(gè)變量對另一個(gè)變量的影響。此外，在將其放入袋中供消費(fèi)者使用之前，顆粒大小是未知的，因?yàn)樗幱诟稍镫A段，呈介于液體和固體之間的凝膠狀形式，稱為“漿液”。
像這樣的模型有**過 1,000 個(gè)可能的輸入。單靠多元回歸模型無法得出答案。
關(guān)鍵過程指標(biāo)是成品的變異系數(shù) (cv)，此處顯示在使用 minitab statistical software 創(chuàng)建的 xbar 圖表中。
由于眾多預(yù)測因素以無限復(fù)雜的方式相互作用，他們需要一種有組織的方法來確定哪些預(yù)測因素對粒度分布的影響較大。他們需要 salford predictive modeler (spm) 中的 treenet。
“僅僅使用傳統(tǒng)的建模技術(shù)，這很難，”拉塞爾說。“我們很難理解變量和結(jié)果之間的關(guān)系。幸運(yùn)的是，spm 的 treenet 使我們能夠非常簡單地研究關(guān)鍵預(yù)測變量，并能夠制定能夠有效處理這些變量的策略。我相信 minitab 和 spm 的 treenet 算法可以非常有效地協(xié)同工作。spm 當(dāng)然不能替代 minitab 或其他統(tǒng)計(jì)程序，但當(dāng)我們一起使用它們時(shí)，我認(rèn)為我們遲早會找到答案。”
russell 使用了 treenet 中的默認(rèn)設(shè)置，并調(diào)整了樹的數(shù)量。當(dāng)他開始剔除預(yù)測變量時(shí)，他開始了解它對測試 r 平方值的影響。
這個(gè)用于粒度控制的模型只有 8 個(gè)預(yù)測變量，但解釋了測試樣本中大約一半的變化。
為了找到這些關(guān)鍵變量背后的真正含義，russell 使用了 spm 的部分依賴圖。某些變量落在部分依賴曲線的陡峭位置，這揭示了它們的重要性。如果沒有 spm 部分依賴曲線，就永遠(yuǎn)不會發(fā)現(xiàn)這些變量的重要性。
然后他使用了一種直接的、循序漸進(jìn)的方法。他一次一個(gè)地取出變量，觀察 r 平方發(fā)生了什么。直到他拿出第四個(gè)較重要的變量，它才發(fā)生顯著變化。他將這個(gè)變量帶到了制造團(tuán)隊(duì)，并要求提供更多相關(guān)信息。
結(jié)果
russell 使用 spm 的可變重要性排名迅速將 1,000 多個(gè)預(yù)測變量縮小到僅 8 個(gè)。僅這 8 個(gè)預(yù)測變量就造成了測試樣本中近一半的變異。
使用 spm 的“從**部剃須”功能，russell 可以很快看到一個(gè)變量對 r 平方的影響明顯大于其他任何變量。事實(shí)證明，這是與結(jié)晶系統(tǒng)的進(jìn)料流相關(guān)的變量，但直到 russell 創(chuàng)建 spm 模型后才清楚地了解它對較終產(chǎn)品的影響。
然后，通過 spm 的部分相關(guān)圖，russell 可以看出為什么這個(gè)變量在粒徑的不可靠性方面如此重要。spm 的部分依賴圖顯示了該變量可能如何隨著它們“在分布曲線上運(yùn)行”位置的變化而變化。
“我們正處于這條分布曲線的陡峭部分，”拉塞爾說。“在幸運(yùn)的日子里，變異系數(shù)會很低，但在不幸的日子里，變異系數(shù)會很高。沒有 spm，我永遠(yuǎn)不會知道這一點(diǎn)。”
russell 對自己的目標(biāo)已經(jīng)實(shí)現(xiàn)感到滿意，他找到了幾種方法可以減少玉米糖晶體較終尺寸的變化，并幫助食品制造商使用這些成分為消費(fèi)者改進(jìn)產(chǎn)品。
*此案例研究是在 2021 年 minitab engage 簡介之前使用 minitab 的 companion 創(chuàng)建的。
北京友萬信息科技有限公司專注于minitab,stata,spss等, 歡迎致電 18600528290