set of variables around a process,

set of variables around a process, line, or machine. These EnPIs are useful for tracking
performance in “one isolated dimension.” However, in complex process industries, there
are usually several interrelated influences at play at any given time. For example, if EnPIs
include multiple heat flows into and out of a process area, or differing energy densities of
different products, or influences on the quality or condition of raw materials, the best way
to look at how each of these influencing factors affects each EnPI is to use MVR to study
the correlation between these factors. This provides a “multidimensional” view of each
EnPI, and this can be used to predict or forecast the likely or expected performance of an
area, unit, or machine.
How do single and multivariable regression analyses compare with each other?
Don’t they both provide a mathematical model that can be used to predict the expected
result of an EnPI? The short answer is yes. The real question is how well does a single
variable explain the operation of a complex process? Single-variable regression is a very
simple and straightforward method of comparing a dependent variable with how it
corresponds to one independent variable. For example, if one is looking at the energy
consumption of a chiller used for human comfort or space conditioning, it would be
meaningful to look at “cooling degree days” as that one single independent variable.
Manufacturing processes, however, are often much more complex and finding one single
independent variable that explains the variation in the dependent variable is nearly

ผลลัพธ์ (ไทย) 1:

ชุดของตัวแปรทั่วกระบวนการ เส้น หรือเครื่อง EnPIs เหล่านี้มีประโยชน์สำหรับการติดตามใน "หนึ่งแยกมิติ" อย่างไรก็ตาม ในอุตสาหกรรมกระบวนการซับซ้อน มีมักมีอิทธิพลต่อเชื่อมต่าง ๆ ที่เล่นในเวลาที่กำหนด ตัวอย่าง ถ้า EnPIsรวมหลายความร้อนไหลเข้า และออก จากพื้นที่กระบวนการ หรือพลังงานความหนาแน่นของการแตกต่างกันผลิตภัณฑ์ต่าง ๆ หรือมีอิทธิพลต่อคุณภาพหรือสภาพของวัตถุดิบ วิธีดีที่สุดดูของปัจจัยเหล่านี้มีอิทธิพลต่อกระทบแต่ละ EnPI จะใช้ MVR ศึกษาความสัมพันธ์ระหว่างปัจจัยเหล่านี้ ให้ดูมี "มิติ" ของแต่ละEnPI และนี้สามารถใช้ทำนาย หรือคาดการณ์แนวโน้ม หรือคาดการณ์ผลการดำเนินงานของการที่ตั้ง หน่วย หรือเครื่องจักรวิธีทำเดี่ยว และ multivariable ถดถอยวิเคราะห์เปรียบเทียบกันพวกเขาทั้งสองไม่ได้ให้แบบจำลองทางคณิตศาสตร์ที่ใช้ทำนายที่คาดหรือไม่ผลของการ EnPI คำตอบสั้น ๆ คือ ใช่ คำถามจริงคือ วิธีการที่ดีไม่เดียวตัวแปรอธิบายการทำงานของกระบวนการที่ซับซ้อนหรือไม่ ถดถอยตัวแปรเดียวเป็นการมากวิธีที่ง่าย และตรงไปตรงมาการเปรียบเทียบขึ้นอยู่กับตัวแปร ด้วยวิธีนั้นสอดคล้องกับตัวแปรอิสระหนึ่ง ตัวอย่างเช่น ถ้าใครจะมองที่พลังงานการใช้ตู้แช่ที่ใช้สำหรับปรับพื้นที่หรือสิ่งที่มนุษย์ มันจะมีความหมายที่ "เย็นวันปริญญา" เป็นตัวแปรอิสระเดียวที่หนึ่งกระบวนการผลิต ไร มักมากซับซ้อน และหาหนึ่งตัวแปรอิสระที่อธิบายความแปรปรวนในตัวแปรขึ้นอยู่กับเป็นเกือบ

ผลลัพธ์ (ไทย) 2:

การตั้งค่าของตัวแปรรอบกระบวนการเส้นหรือเครื่อง EnPIs
เหล่านี้มีประโยชน์สำหรับการติดตามผลการดำเนินงานใน"มิติที่แยกหนึ่ง."
แต่ในอุตสาหกรรมกระบวนการที่ซับซ้อนมีมักจะมีอิทธิพลต่อความสัมพันธ์หลายที่เล่นในเวลาใดก็ตาม ตัวอย่างเช่นถ้า EnPIs รวมถึงหลายกระแสร้อนเข้าและออกจากพื้นที่กระบวนการหรือแตกต่างกันความหนาแน่นของการใช้พลังงานของผลิตภัณฑ์ที่แตกต่างกันหรือมีอิทธิพลต่อคุณภาพหรือเงื่อนไขของวัตถุดิบวิธีที่ดีที่สุดที่จะดูที่วิธีการของแต่ละปัจจัยที่มีอิทธิพลเหล่านี้ส่งผลกระทบต่อแต่ละEnPI คือการใช้ MVR เพื่อศึกษาความสัมพันธ์ระหว่างปัจจัยเหล่านี้ นี้จะให้ "หลายมิติ" มุมมองของแต่ละEnPI และนี้สามารถนำมาใช้ในการทำนายหรือคาดการณ์ผลการดำเนินงานมีแนวโน้มหรือคาดว่าของพื้นที่หน่วยหรือเครื่อง. วิธีทำถดถอยเดียวและหลายตัวแปรการวิเคราะห์เปรียบเทียบกับแต่ละอื่น ๆทำไม่พวกเขา ทั้งให้แบบจำลองทางคณิตศาสตร์ที่สามารถนำมาใช้ในการคาดการณ์ที่คาดว่าผลจากการEnPI? คำตอบสั้น ๆ คือใช่ คำถามจริงคือวิธีที่ดีที่ไม่เป็นหนึ่งเดียวตัวแปรอธิบายการทำงานของกระบวนการที่ซับซ้อนหรือไม่ การถดถอยเดี่ยวตัวแปรเป็นอย่างมากวิธีที่ง่ายและตรงไปตรงมาของการเปรียบเทียบตัวแปรขึ้นอยู่กับวิธีการที่สอดคล้องกับตัวแปรอิสระ ตัวอย่างเช่นถ้าใครกำลังมองหาที่พลังงานที่บริโภคเครื่องทำความเย็นที่ใช้เพื่อความสะดวกสบายของมนุษย์หรือเครื่องพื้นที่ก็จะมีความหมายที่จะดูที่"วันการศึกษาระดับปริญญาระบายความร้อน" ในขณะที่ตัวแปรอิสระหนึ่งเดียว. กระบวนการผลิต แต่มักจะมีมากขึ้น ที่ซับซ้อนและการหาหนึ่งเดียวตัวแปรอิสระที่อธิบายถึงการเปลี่ยนแปลงในตัวแปรขึ้นอยู่เกือบ

ผลลัพธ์ (ไทย) 3:

set of variables around a process, line, or machine. เหล่านี้เป็นประโยชน์สำหรับการติดตาม
enpis ประสิทธิภาพในหนึ่งแยกมิติ อย่างไรก็ตาม ในกระบวนการผลิตที่ซับซ้อน มีหลายที่มักจะมีผลต่อคาบ
จะเล่นในเวลาใดก็ตาม ตัวอย่างเช่น ถ้า enpis
รวมหลายความร้อนไหลเข้าและออกจากพื้นที่ กระบวนการ หรือที่มีความหนาแน่นพลังงานของ
ผลิตภัณฑ์ที่แตกต่างกันหรือมีอิทธิพลต่อคุณภาพหรือเงื่อนไขของวัตถุดิบ , วิธีที่ดีที่สุด
ดูวิธีแต่ละเหล่านี้ปัจจัยที่มีผลต่อแต่ละ enpi คือใช้ MVR ศึกษา
ความสัมพันธ์ระหว่างปัจจัยเหล่านี้ this สิ่งมีชีวิต " view multidimensional " ของ each
enpi , น : ไม่ predict or เป็น performance expected ชอคแล้วไปม่วงของ area or machine .