使用多变量控制图对过程偏差的新见解<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />斯蒂芬皮尔森 ，博士，化学工艺统计学家，先正达
stephen.pearson
在本演示中，我们将使用乐高以字母表的形式捕获多变量批量数据 ® MINDSTORMS ® 套件。使用已知的训练字母，可以基于多变量属性识别未知字母。化学活性成分的制造是多变量批处理。有经验的科学家可以花费数年时间来了解过程的各种输入如何相互作用。持续存在的问题通常是多变量的（例如温度，压力和杂质之间的相互作用），这可能使它们难以解决。虽然问题仍然存在，但生产率可能会大幅下降。通过将领域专家与JMP中的多变量控制图结合使用，通常可以对过程偏差进行故障排除。不幸的是，输出是在特征值和特征向量中编码的，这可能是非常重要的。在JSL中构建了一个应用程序，用于将此平台的输出重新格式化为简单的图形，其中包含主要组件和交互式过滤器的描述性文本。将演示准备，分析和可视化数据的关键步骤。
一份详细介绍该过程的文件，包括乐高的代码 ® 机器人可供下载。
数据探索
