CRISP-DM के अनुप्रयोग
क्रॉस इंडस्ट्री स्टैंडर्ड प्रोसेस फॉर डेटा माइनिंग (CRISP-DM) को M&V पद्धति को और मानकीकृत करने और ऊर्जा बचत के अधिक कुशल अनुमान की अनुमति देने के एक दृष्टिकोण के रूप में मान्यता दी गई थी। CRISP-DM के कई अनुप्रयोग निम्नलिखित हैं:
1. व्यवसाय समझ (Business Understanding)
एक बायोमेडिकल विनिर्माण सुविधा को केस स्टडी के रूप में चुना गया ताकि M&V में सहायता के लिए DM के अनुप्रयोग की व्यवहार्यता स्थापित की जा सके। विश्लेषण के तहत व्यवसाय की एक गुणात्मक समझ मॉडलिंग और मूल्यांकन चरण में परिणामों को निष्पादित करने के लिए महत्वपूर्ण थी। यह एक प्रक्रिया वॉक-थ्रू, प्रक्रिया प्रवाह आरेख, और पाइपिंग और इंस्ट्रूमेंटेशन आरेख सीखकर किया गया था।
विश्लेषण की सीमा के भीतर सिस्टम का ज्ञान इस चरण से और सुविधा की इंजीनियरिंग टीम के साथ कुछ और मुद्दों को समझने के साथ आवश्यक था। विश्लेषण की सीमा संपूर्ण विनिर्माण सुविधा में विद्युत ऊर्जा खपत थी।
2. डेटा समझ (Data Understanding)
CRISP-DM संदर्भ मॉडल की डेटा समझ प्रक्रिया सुविधा पर डेटा प्रौद्योगिकी बुनियादी ढांचे की जांच के माध्यम से पूरी की गई थी। ऊर्जा खपत डेटा के प्रवाह और उन डेटाबेस की समझ प्राप्त की गई जहां इसे सहेजा गया था।
3. डेटा तैयारी (Data Preparation)
मीटरिंग की विशेषता के कारण ऊर्जा खपत डेटा की गणना करना जटिल है। विद्युत ऊर्जा के लिए संचयी मीटर उपयोग किए जाते हैं और परिणामस्वरूप, आउटपुट डेटा पर प्री-प्रोसेसिंग पूरी की जानी चाहिए। जांच के तहत मामले में, यह उपयोगकर्ता को आउटपुट करने से पहले प्राप्त किया गया था।
लेकिन इस डेटा के पूर्व-सफाई के बावजूद, आउटलेयर्स डेटासेट में बने रहे क्योंकि पूर्व-सफाई प्रक्रिया ने सभी विसंगतियों को समाप्त नहीं किया। इसलिए, डेटा तैयारी चरण का उपयोग उपयोगकर्ता को दिए गए डेटासेट में शेष कुछ आउटलेयर्स को समाप्त करने के लिए किया गया था।
साइट पर विद्युत ऊर्जा उपभोक्ताओं के पूर्ण विश्लेषण के लिए आवश्यक डेटा एकत्र करने के लिए दो डेटा स्रोतों का उपयोग किया गया था - ऊर्जा प्रबंधन एप्लिकेशन और पवन टरबाइन प्रबंधन एप्लिकेशन।
साइट पर आकर्षित विद्युत ऊर्जा को संचयी किलोवाट-घंटे (kWh) मीटर द्वारा मापा जाता है। इस डेटा के प्री-प्रोसेसिंग में मीटर त्रुटियों द्वारा उत्पन्न आउटलेयर्स का पता लगाना और डेटा को kWh से किलोवाट (kW) में औसत विद्युत भार में बदलना शामिल था। दूसरा चरण कुछ डेटा को समान प्रारूप और इकाइयों में विश्लेषण करने के लिए आवश्यक था।
4. मॉडलिंग (Modelling)
डेटा तैयारी प्रक्रिया से आउटपुट डेटासेट लागू डेटा सफाई के परिणामस्वरूप एक साफ और कार्यात्मक प्रारूप में था। इस केस स्टडी के लक्ष्यों के लिए, संपीड़ित हवा का भार मॉडल की जाने वाली चयनित मात्रा थी, क्योंकि यह उपलब्ध ऊर्जा डेटा की शक्ति को दर्शाने के लिए सबसे उपयुक्त चर था।
जब भार को उच्च स्तर पर माना जाता था, तो साइट पर अन्य आवश्यक ऊर्जा उपयोगकर्ताओं के साथ कोई स्पष्ट और स्पष्ट संबंध नहीं था। अन्य आवश्यक ऊर्जा उपयोगकर्ता आपूर्ति के शेड्यूलिंग और मानक संचालन प्रक्रिया की उपस्थिति के कारण अधिक अनुमानित थे।
