Kontinuierliche Fertigungsdaten mit EinzelqualitätsergebnisHallo alle. Ich bin neu bei JMP und habe viele der Anwendungsfälle und Webinare überprüft. Ich suche nach einer Strategie, wie ich die Prozessbedingungen eines Chargenherstellungsprozesses optimieren kann. Es gibt viele Ressourcen zu der multivariaten Analyse, die ich gerne durchführen würde, aber ich habe aufgrund der Natur des Prozesses nicht gefunden, wie ich mein Ziel erreichen kann. Ich habe zwei Datenquellen, mit denen ich zu tun habe:
- Die erste ist eine Tabelle mit kontinuierlichen Prozessdaten (Temperatur, Druck usw.), die nach Chargen-IDs gruppiert ist. Es handelt sich um stündliche Mittelwerte. Wenn ich mir beispielsweise die Chargen-ID Nr. 305 ansehe, kann die vollständige Verarbeitung 12 Stunden dauern, sodass in der Tabelle kontinuierlich Informationen aufgezeichnet werden.
- Die zweite Tabelle enthält die Qualitätsergebnisse der Charge, nachdem sie abgeschlossen wurde. Es handelt sich um eine einzelne Probe, die am Ende der Charge entnommen wird. Um mit dem Beispiel fortzufahren, das ich aus der ersten Tabelle angegeben habe, hätte diese Tabelle eine einzelne Zeile, die Chargen-ID Nr. 305 und die vom Qualitätslabor ermittelte Stärke der Charge enthalten würde.
Ich habe Videos von multivariaten Methoden gesehen, um die Auswirkung einer kontinuierlichen Prozessbedingung auf eine andere zu untersuchen (Temperatur vs. Druck), aber ich bin mir nicht sicher, wie ich meine Daten so einrichten soll, dass ich eine Prozessbedingung profilieren und ihre Auswirkung untersuchen kann die Endqualität. Die Qualitätsdaten (oder Antwortdaten) sind nicht kontinuierlich, können aber mit den kontinuierlichen Daten verknüpft werden, da die Chargen-IDs in beiden Tabellenkalkulationen vorhanden sind.
Irgendwelche Ideen, wie man das angeht? Vielen Dank!
AnalytikDatentabelleBetreff: Kontinuierliche Fertigungsdaten mit EinzelqualitätsergebnisHier sind ein paar meiner Gedanken:
1. Sie müssen die x's (Variablen während der Verarbeitung eines Stapels) und die Y's (Antwortvariablen, die den Stapel charakterisieren) in der GLEICHEN Datendatei haben.
2. Sie schlagen vor, dass es eine Probe der Charge gibt, die getestet wird (oder für die Sie eine quantitative Antwort haben), ist das ausreichend? Haben Sie Variationen aufgrund der Messsysteme im Labor berücksichtigt? Wie wird die Probe gewonnen? Mit einer Probe aus jeder Charge ist es unmöglich, innerhalb einer Chargenvariation zwischen Chargenvariationen zu spießen. Sie sollten Stichprobenpläne entwickeln, die auf Hypothesen bezüglich der Wirkung von x und der Stichprobe basieren, um diese Beziehungen zu verstehen.
3. Können Sie Zwischenantwortvariablen erstellen? Ys, die mit den im Labor gemessenen Ys korrelieren können, aber vor dem Labor gemessen werden? Zum Beispiel ist das Y im Labor vielleicht das Molekulargewicht und ein Maß für die Charge könnte die Viskosität sein.
4. Möglicherweise benötigen Sie nicht alle kontinuierlichen Daten, während der Stapel erstellt wird. Beginnen Sie wieder mit Hypothesen darüber, welche Beziehungen Ihrer Meinung nach von Interesse sind. Proben Sie den Datenstrom, um Daten auszuwählen, die für die Untersuchung von Beziehungen in JMP von Interesse sind. Sie könnten beispielsweise die Hypothese aufstellen, dass die Rate der Temperaturänderung das Y beeinflusst. Dann können Sie die Steigung der Linie für die Temperaturänderungsrate bei der Herstellung der Charge bestimmen und diese Statistik verwenden, um die Beziehung zum Y zu untersuchen (unter Verwendung des Anpassungsmodells in JMP).
5. Verwenden Sie „Analysieren“ > „Multivariate Methoden“ > „Multivariat“, um nach Beziehungen zwischen den x zu suchen. Reduzieren Sie die Anzahl der x, die in den Datensatz aufgenommen werden sollen, basierend darauf, welche x korreliert sind.
Betreff: Kontinuierliche Fertigungsdaten mit EinzelqualitätsergebnisEs gibt andere Ansätze, aber ehrlich gesagt ist keiner von ihnen annähernd so gut wie die Verwendung des Functional Data Explorer (FDE).
Das Problem ist, wie Sie das gesamte Profil einer Charge in einer einzigen Beobachtung charakterisieren, um es mit dem Qualitätsmaß abzugleichen. Optionen, die ich in der Vergangenheit ausprobiert habe:
* Identifizieren Sie einen bestimmten Zeitpunkt im Profil, der "repräsentativ" für das gesamte Profil ist.
* Verwenden Sie Maximum/Minimum/Median/75. Perzentil/25. Perzentil/getrimmten Mittelwert/usw., um das gesamte Profil darzustellen.
* Verwenden Sie ein Musterformular, um das Profil zu modellieren. Verwenden Sie dann die Parameter aus diesem Modellformular, um das Profil darzustellen.
* Verwenden Sie Hauptkomponenten, um das Profil zusammenzufassen, und verwenden Sie dann die Hauptkomponentenwerte, um das Profil darzustellen.
Dies sind nur einige Ideen, die ich verwendet habe. Ich wünschte wirklich, FDE wäre verfügbar gewesen, als ich regelmäßig auf diese Probleme gestoßen bin.
Betreff: Kontinuierliche Fertigungsdaten mit EinzelqualitätsergebnisDanke Dan. Wissen Sie, ob es andere Ansätze gibt, die mit JMP "Standard" möglich sind?
Betreff: Kontinuierliche Fertigungsdaten mit EinzelqualitätsergebnisSie sollten sich den Functional Data Explorer (FDE) in JMP Pro ansehen. Ihre stündlichen Chargendaten generieren ein Chargenprofil für jede dieser Maßnahmen. FDE charakterisiert dieses Stapelprofil und ermöglicht es Ihnen dann, es mit dem einzelnen Ausgabequalitätswert in Beziehung zu setzen.
Ich werde diesem Ansatz mit meiner einfachen Erklärung nicht wirklich gerecht, aber Sie sollten sich damit befassen.
