CRISP-DMのアプリケーションは何ですか？

データマイニングの業界標準プロセス（CRISP-DM）は、M＆V方法論をさらに標準化し、エネルギー節約のより効率的な見積もりを可能にするアプローチとして認識されました。 CRISP-DMには、次のようないくつかのアプリケーションがあります-

ビジネスの理解 − M＆Vを支援するためのDMの適用の実現可能性を作成するために、ケーススタディとして生物医学製造施設が選択されました。プロセスのモデリングおよび評価フェーズで結果を実行するには、分析中のビジネスの品質を理解することが重要でした。これは、プロセスウォークスルーを実行し、プロセスフロー図を学習し、配管および計装図を実行することによって実装されました。

このフェーズから、分析の境界内にあるシステムの知識が必要であり、施設のエンジニアリングチームとの間でさらにいくつかの問題を理解しました。分析の境界は、製造施設全体の電気エネルギー消費量でした。

データの理解 − CRISP-DM参照モデルのデータ理解手順は、施設のデータ技術インフラストラクチャの調査を通じて完了しました。エネルギー消費データの流れとそれが保存されたデータベースの理解が得られました。

データの準備 −エネルギー消費データは、メータリングの機能のために計算が複雑です。累積メーターは電気エネルギーに使用されるため、出力されたデータに対して前処理を完了する必要があります。調査中のケースでは、これはユーザーに出力される前に達成されました。

ただし、このデータの事前クレンジングに関係なく、事前クレンジング手順ですべての異常が解消されなかったため、データセットに外れ値が残りました。したがって、データ準備フェーズを使用して、ユーザーに配信されたデータセットに残っている外れ値を排除しました。

2つのデータソースを使用して、オンサイトの電気エネルギー消費者の全体的な分析に必要なデータを収集しました。エネルギー管理アプリケーションと風力タービン管理アプリケーションです。

現場で魅了される電気エネルギーは、累積キロワット時（kWh）メートルで計算されます。このデータの前処理には、メーターエラーによって生成された外れ値の検出と、データをkWhからキロワット（kW）単位の平均電気負荷に変換することが含まれていました。 2番目のステップは、同じ形式と単位でいくつかのデータを分析するために必要でした。

モデリング −データ準備手順から出力されたデータセットは、実装されたデータクレンジングの結果としてクリーンで機能的な形式でした。このケーススタディのgaolsでは、圧縮空気負荷がモデル化するために選択された量でした。これは、利用可能なエネルギーデータのパワーを特徴付けるのに最も適した変数であったためです。

負荷を高レベルで考慮した場合、現場の他の必須エネルギーユーザーとの明確で明らかな相関関係はありませんでした。他の必須エネルギーユーザーは、供給のスケジュール設定と標準的な運用プロセスの存在により、より予測可能でした。