Level: Mittelstufe
【Moderator】
Jeremy Ash, JMP Analytics-Softwaretester, SAS Institute Inc.
[Ankündigung Zusammenfassung]
Die MDMVCC-Plattform (Model-Based Multivariate Management Diagram) erstellt Verwaltungsdiagramme auf der Grundlage der PCA-Modelle (Principal Component Analysis) und PLS-Modelle. Dieses Kontrolldiagramm kann zur Fehlererkennung und -diagnose mit mehrdimensionalen Daten verwendet werden. Hier zeigen wir die Überwachung durch MDMVCC basierend auf dem PLS-Modell unter Verwendung des Tennessee Eastman-Prozesses (simulierter Prozess der chemischen Industrie). In dieser Simulation werden Qualitäts- und Prozessvariablen gemessen, wenn der chemische Reaktor aus einem gasförmigen Reaktanten ein flüssiges Produkt erzeugt.
Führen Sie zunächst eine Fehlerdiagnose im Offline-Status durch. In diesem Fall müssen Sie zwischen multivariaten Kontrolldiagrammen, univariaten Kontrolldiagrammen und Prozessdiagnoseberichten wechseln, was auf der MDMVCC-Plattform sehr einfach ist. Als Nächstes verbinden wir den JMP mit einer externen Datenbank und demonstrieren die Online-Überwachung mit der MDMVCC-Plattform. Da die Produktqualitätsvariable eine Zeitverzögerung aufweist, bis alle Messergebnisse verfügbar sind, wird die Fehlererkennung im Allgemeinen auch verzögert. In MDMVCC, das auf dem PLS-Modell basiert, wird die Variation der Qualitätsvariablen als Funktion der Prozessvariablen überwacht. Prozessvariablen sind jedoch im Allgemeinen relativ schnell verfügbar, was zur Früherkennung von Fehlern nützlich ist.
[Moderatorprofil]
Jeremy Ash hat einen Abschluss in Bioinformatik von der North Carolina State University und arbeitet derzeit als Analysesoftware-Tester für JMP. In meiner Dissertation schrieb ich über Berechnungsmethoden in der Chemoinfomatik, der metrischen Chemie und der Bioinformatik. Er hat einen Master-Abschluss in Statistik von der North Carolina State University und einen Bachelor-Abschluss in Biologie von der University of Texas in Austin.
