349256_ja-JP

liliconcom

多変量管理図（2021-EU-45MP-782）を使用したテネシーイーストマンプロセスの障害検出と診断

レベル：中級

 

Jeremy Ash、JMP Analyticsソフトウェアテスター、SAS

 

モデル駆動型多変量管理図（MDMCC）プラットフォームを使用すると、ユーザーはPCAまたはPLSモデルに基づいて管理図を作成できます。 これらは、高次元データセットの障害検出および診断に使用できます。実際の工業用化学プロセスであるテネシーイーストマンプロセスのシミュレーションを使用して、PLSモデルのMDMCCモニタリングを示します。 シミュレーション中、化学反応器がガス状反応物から液体生成物を生成するときに、品質とプロセス変数が測定されます。 JMPを外部データベースに接続することにより、MDMCCがオンライン監視を実行する方法を示します。製品の品質変数の測定には、多くの場合、測定が利用可能になるまでの時間遅延が伴い、障害検出が大幅に遅れる可能性があります。 MDMCCがPLSモデルを監視する場合、製品品質変数の変動はプロセス変数の関数として監視されます。 多くの場合、プロセス変数はより簡単に利用できるため、これは障害の早期検出に役立ちます。 また、オフライン設定での障害診断についても説明します。 これには、多変量管理図、単変量管理図、診断プロットの切り替えが含まれることがよくあります。MDMCCは、これらのプロット間を移動するためのユーザーフレンドリーなインターフェイスを提供します。

 

 

自動生成されたトランスクリプト...

 

スピーカー	トランスクリプト
	こんにちは、ジェレミー・アッシュです。 私は
	JMP R＆Dの統計学者。私の仕事
	主にテストで構成されています
	多変量統計
	JMPのプラットフォームですが、私も
	調査と評価を支援する
	方法論。今日は
	テネシーを分析している
	いくつかを使用したイーストマンプロセス
	統計的プロセス制御
	JMPのメソッド。 私はするつもりだ
	特に注意を払う
	モデル駆動型多変量に
	管理図プラットフォーム、
	JMP15への新しい追加。
	これらのデータは、
	を紹介する機会
	プラットフォームの数
	特徴。そして、ちょうど同じように
	免責事項、これはに似ています
	私のディスカバリーアメリカズの話。 我々
	ヨーロッパが見ていなかったことに気づいた
	モデル駆動型多変量
	すべての管理図トーク
	COVIDの周りの狂気、だから私は
	基本に焦点を当てることにしました。
	しかし、いくつかの新しい素材があります
	話の終わりに。 します
	いくつかの追加を簡単にカバーします
	分析例、それから私は
	トークのコミュニティページ。
	まず、ある程度の知識があると思います
	統計的プロセス制御の
	この話で。 主なものそれ
	について知っておくと役に立ちます
	管理図です。 もしあなたが〜なら
	これらに精通していない、これら
	監視に使用されるチャートです
	複雑な産業システム
	それらがいつ逸脱するかを決定する
	通常の操作から
	条件。
	時間がない
	モデルの方法論に入る
	駆動型多変量制御
	チャートなので、これらの他のものを参照します
	自由にできる素晴らしい話
	JMPコミュニティで入手可能
	詳細が必要な場合。 私
	Jianfengも言うべきです
	丁が主だった
	モデル駆動型の開発者
	多変量制御制御
	とのコラボレーションによるチャート
	クリス・ゴトワルトとそのトーニャ
	モールディンと私はテスターでした。 ザ・
	この講演の焦点は
	多変量管理図から
	現実の世界を監視する
	典型的なプロセス;別の小説
	アスペクトは制御を使用します
	オンラインプロセスのチャート
	モニタリング。これは私たちが
	データを継続的に監視する
	データベースに追加され、
	リアルタイムで障害を検出します。
	だから私はから始めるつもりです
	上の義務的なスライド
	多変量の利点
	管理図。 だから、使ってみませんか
	単変量管理図？ そこ
	優れた数です
	JMPのオプション。 単変量
	管理図は優れています
	いくつかを分析するためのツール
	一度に変数。 しかしながら、
	品質管理データはしばしば
	高次元と数
	あなたがする必要がある管理図の
	見てすぐになります
	圧倒的。多変量
	管理図は、
	の高次元プロセス
	ほんの2、3の管理図、
	これが重要な利点です。
	しかし、それはそれを言っているわけではありません
	univeriate管理図はそうではありません
	この設定で役立ちます。 あなたは
	話を通してそれを見てください
	故障診断にはしばしば
	多変量間の切り替え
	および単変量チャート。
	多変量管理図は
	あなたは全体的な感覚
	プロセスの健全性、
	単変量チャートを使用すると、
	の特定の側面を監視する
	処理する。だから情報は
	補完的。目標の1つ
	多変量モニタリングの
	管理図はいくつかを提供することです
	切り替えに便利なツール
	これらの2つのタイプの間
	チャート。の1つの欠点
	単変量チャートはそれです
	観測はにあるように見えることがあります
	彼らが実際にいつであるかを制御する
	多変量で制御不能
	感覚とこれらのプロットは私が何を示しているか
	これは意味します。 単変量
	石油との管理図
	密度は2つを示しています
	のように赤で観測
	コントロール。しかし、石油と密度
	相関性が高く、両方
	観測は制御不能です。
	多変量の意味で、
	特別観察51、これ
	相関関係にかなり違反しています
	2つの変数の構造、
	多変量管理図
	これらのタイプを拾うことができます
	外れ値、単変量
	管理図はできません。
	モデル駆動型多変量
	管理図は投影法を使用します
	チャートを作成する方法。
	PCAについて説明することから始めます
	作りやすいから
	そこから。 PCAは
	によるプロセスの次元
	低域へのデータの投影
	次元の表面。 ええと、
	これは写真に示されています
	右側に。 私たちはPを持っています
	プロセス変数とN
	観察、および
	Pの負荷ベクトル
	行列は次の係数を与えます
	Xの線形結合
	結果として生じる変数
	の二乗変数
	寸法A、ここで寸法
	AはPよりはるかに小さいです。 その後
	これは上の方程式で示されています
	ここの左。 Xはすることができます
	の関数として予測
	スコアと負荷、ここでEは
	予測誤差。
	これらのスコアは次のように選択されます
	予測誤差を最小限に抑え、
	と別の考え方
	これはあなたが最大化しているということです
	説明された分散の量
	X行列で。
	次に、PLSがより適しています
	射影法。 あなたが持っているとき
	プロセス変数のセットと
	品質変数のセット、あなた
	本当に確実にしたい
	品質変数は
	制御しますが、これらの変数
	多くの場合、費用や時間がかかります
	収集するために消費します。 植物
	なしで製品を作ることができます
	長い間管理品質
	障害が検出されるまでの時間。
	したがって、PLSモデルでは次のことが可能です。
	品質変数を監視する
	プロセスの関数として
	変数とあなたはそれを見ることができます
	PLSモデルはスコアを見つけます
	最大化する変数
	説明された変動の量
	品質変数。
	これらのプロセス変数は
	多くの場合、より安価またはより容易に
	利用できるので、PLSはあなたを可能にすることができます
	品質の欠陥を検出する
	早くそしてあなたのプロセスを作りなさい
	より安価に監視します。 そしてここから
	私はPLSに焦点を当てるつもりです
	それがより多いのでモデル
	例に適しています。
	したがって、PLSモデルは
	データを2つのコンポーネントに分割します。 ザ・
	最初のコンポーネントはモデルです
	成分。これは
	プロセスの予測値
	変数。 別の考え方
	それについてはあなたのデータが持っているということです
	モデルに投影されました
	あなたのスコアによって定義された平面
	変数とT二乗モニター
	データのバリエーション
	この模型飛行機内。
	そして2番目のコンポーネントは
	エラーコンポーネント。 これは
	オリジナル間の距離
	データと予測データと
	二乗予測誤差（SPE）
	チャートはこの変動を監視します。
	別の代替指標
	提供するのはモデルまでの距離です
	XプレーンまたはDModX。 これだけ
	SPEの正規化された代替
	一部の人々が好むこと。
	最後のコンセプトは
	を理解することが重要です
	デモは
	過去および現在のデータ。
	履歴データは通常、
	プロセスがあったときに収集された
	制御されていることが知られています。 これら
	データはPLSの構築に使用されます
	法線をモデル化して定義する
	プロセスの変動により、
	管理限界を取得することができます。
	そして、現在のデータが割り当てられます
	モデルに基づくスコアが
	モデルから独立しています。
	これについて考える別の方法
	トレーニングがあり、
	テストセット。 T二乗コントロール
	トレーニングの制限は低くなります
	期待が少ないためデータ
	さまざまな変動性...
	トレーニングに使用される観測
	モデルが大きいのに対して
	Pの2乗の変動性
	モデルはEテストに一般化されます
	セットする。幸いなことに、理論
	Tの二乗の分散は
	私たちが得ることができるように解決されました
	これらの管理限界は
	いくつかの分布的仮定。
	デモでは監視します
	テネシーイーストマンプロセス。
	短いものを紹介します
	これらのデータの紹介。 この
	化学物質のシミュレーションです
	ダウンズとによって開発されたプロセス
	イーストマンの2人の化学者、フォーゲル
	化学。 もともとは
	Fortranで書かれていますが、
	Matlabとのラッパーです
	Pythonになりました。 私はただ注意したかった
	このデータセットは
	90年代に生成された、それはまだです
	一次データセットの1つ
	多変量のベンチマークに使用
	の制御方法
	文献。それはカバーします
	多変量の主なタスク
	うまく制御し、
	印象的な量の
	シミュレーションのリアリズム。
	そしてシミュレーションはに基づいています
	産業プロセス
	今日でも関連性があります。
	そのため、データが操作されました
	専有を保護するため
	情報。 シミュレートされた
	プロセスはの生産です
	からの2つの液体製品
	内のガス状反応物
	化学プラント。 そしてここのFは
	副産物
	それは吸い上げる必要があります
	目的の製品から離れます。
	ええと...
	それについて私が言うことはそれだけです。
	したがって、プロセス図は次のようになります。
	複雑ですが、実際にはそうではありません
	それは悪いので、私はあなたを歩きます
	それを通して。 ガス状
	反応物A、D、およびEが流入します
	ここの原子炉。
	反応が起こり、
	製品はガスとして残ります。 それは
	その後、冷却され、凝縮されます
	コンデンサー内の液体。
	次に、気液分離器
	残っている蒸気をリサイクルし、
	それをリアクターに送り返します
	コンプレッサーを介して、そして
	副産物と不活性化学物質B
	パージストリームでパージされ、
	そしてそれは
	累積。液体製品
	ストリッパーを通してポンプで送られます、
	ここで残りの反応物
	剥ぎ取られます。
	そして、原子炉に送り返されました。
	そして最後に、
	精製液体製品
	プロセスを終了します。
	変数の最初のセットは
	監視されている
	変数。 これらは弓のように見えます
	図の関係。 おもう
	彼らは実際に
	バルブと操作
	プロセス...または操作
	変数は主に
	異なる通過流量
	プロセスのストリーム。
	そして、これらの変数を設定することができます
	制限内の任意の値に
	ガウスノイズがあります。
	操作変数は可能です
	レートでサンプリングされる、
	ただし、デフォルトの3を使用します
	議事録サンプルを今すぐ。
	操作されたいくつかの例
	変数は、
	反応物の流れを制御する
	原子炉に。
	別の例はバルブです
	の流れを制御します
	ストリッパーに蒸気を入れます。
	そしてもう一つは
	クーラントの流れを制御します
	原子炉に。
	次の変数のセットは
	測定変数。 これらは
	図では円で示されています。
	彼らはまた3時にサンプリングされました
	分間隔。 ザ・
	操作の違い
	変数と測定
	変数は、
	測定変数はできません
	シミュレーションで操作されます。
	私たちの品質変数は
	のパーセント構成
	2つの液体製品とあなた
	アナライザーを見ることができます
	ここで製品を測定します。
	これらの変数はでサンプリングされます
	かなりの時間遅延があるので
	私たちはパージを見ています
	出口の代わりにストリーム
	これらのデータは
	以前に利用可能。 そして使用します
	プロセスを監視するためのPLSモデル
	これらのプロキシとしての変数
	プロセスのための変数
	変数の遅延が少なく、
	より速いサンプリングレートに影響します。
	だからそれで十分なはずです
	データの背景。 に
	合計33のプロセスがあります
	変数と2つの品質
	変数。 のプロセス
	変数の収集は
	のセットでシミュレート
	微分方程式。 この
	単なるシミュレーションですが、あなたのように
	かなりの量を見ることができます
	これをモデル化することに注意が払われました
	実世界のプロセスの後。 ここに
	私がしているデモの概要です
	あなたに見せようとしています。 集めます
	プロセスとストアに関するデータ
	データベース内のこれらのデータ。
	私はその例が欲しかった
	共有しやすかったので、
	SQLiteデータベースを使用しますが
	ワークフローはほとんどに関連しています
	ほとんどのデータベースの種類
	ODBC接続をサポートします。
	JMPがODBCを形成すると
	データベースとの接続、
	JMPは定期的にチェックできます
	新しい観測とそれらを追加します
	データテーブル。
	モデル駆動の場合
	多変量管理図
	自動で開くレポート
	再計算がオンになっています。
	を更新するためのメカニズム
	新しいデータが来たら管理図
	とのプロセス全体
	データベースにデータを追加すると
	別の場所に行く可能性があります
	コンピューターからコンピューター
	それが監視を行っています。 そう
	JMPの2つのセッションを開いています
	これをエミュレートします。 両方のセッション
	独自のジャーナルを持っている
	上の資料で
	コミュニティ、そしてセッション
	新しいシミュレーションデータをに追加する
	データベースが呼び出されます
	ストリーミングセッションと
	レポートを更新するセッション
	新しいデータが入ってくると
	モニタリングセッションと呼ばれます。
	私が本当に好きだった1つのこと
	ダウンズとフォーゲルの論文は
	彼らが提供しなかったこと
	評価する単一のメトリック
	プロセスの制御。 私は持っています
	ここの論文からの引用
	「私たちはトレードオフを感じました
	可能な制御の中で
	戦略とテクニック
	をはるかに超えて関与
	数式。」
	だからここにいくつかの目標があります
	彼らは彼らの論文にリストしました、
	私たちに関連する
	問題。彼らは維持したかった
	のプロセス変数
	必要な値。 彼らはしたかった
	製品のばらつきを最小限に抑える
	外乱時の品質、および
	彼らはすぐに回復したかった
	乱れからスムーズに。
	だから私たちは私たちがどれだけうまくいくかを見るでしょう
	プロセスはこれらの目標を達成します
	私たちの監視方法で。
	だから、で始めるために
	モニタリングセッションジャーナル、私は
	最初のデータセットを表示します。
	データテーブルにはすべてが含まれていました
	私が紹介した変数
	ついさっき。最初の変数は
	測定変数;インクルード
	2番目は構成です。
	そして3番目は
	操作変数。
	ここまでのスクリプトは適合します
	PLSモデル。 それは除外します
	テストセットとしての最後の100行。
	念のため、
	モデルは2を予測しています
	製品構成
	の関数としての変数
	プロセス変数。 場合
	あなたはJMPプロを持っています
	ある程度のスピードがありました
	PLSの改善
	JMP16で。
	PLSには現在
	高速SVDオプション。
	あなたはに切り替えることができます
	赤のクラシック
	三角メニュー。 あります
	また、
	パフォーマンスの向上
	フードの下。
	主にデータセットに関連
	多数の
	観察、しかしそれは
	多変量で一般的
	プロセス監視設定。
	しかし、PLSは焦点ではありません
	話して、私はすでに適合しました
	モデルと出力スコアの列
	ここでそれらを見ることができます。
	モニターが
	多変量管理図は
	それがそうであるように設計された、それは
	あなたが統計学者だと想像してください
	モデルを共有したい
	彼らができるようにエンジニアと
	管理図を作成します。 すべて
	あなたがする必要があるのは提供することです
	これらの式のデータテーブル
	列。共有する必要はありません
	どのようにあなたのすべての残酷な詳細
	モデルに合わせてください。
	次に、スコアを提供します
	監視する列
	多変量管理図。
	ここを右にドラッグします。
	だからここの左側にあなたが見ることができます
2種類の管理図	インクルード
	Tの2乗とSPE。
	ええと、860の観測があります
	推定に使用された
	モデルとこれらは次のようにラベル付けされています
	歴史的。そして百
	テストセットとして除外されたもの
	あなたの現在のデータです。
	そして、あなたは限界で見ることができます
	要約、ポイント数
	それは制御不能であり、
	重要なレベル。 ええと、もしあなたが
	重要性を変えたい
	レベル、あなたはここでそれを行うことができます
	赤い三角形のメニュー。
	原子炉は正常だから
	動作条件、
	アウトになる観測はありません
	制御しますが、いくつかの誤りがあります
	私たちが
	の調整は行っていません
	多重比較。 それは
	私の限り、これを行うことは珍しい
	多変量で言うことができます
	管理図。 私はあなただと思います
	検出するためのより高い力を持っている
	なしの制御信号の
	補正。管理図内
	専門用語、これはあなたが外出していることを意味します
	制御の。 平均ランレングス
	低く保たれます。
	ですから、ここの右側に
	貢献もあります
	プロットとY軸は
	観察; Xで
	軸、変数。 A
	貢献が表現されます
	一部として。
	そして、ここの一番下に、
	スコアプロットがあります。 正しい
	今、私は最初のプロットをしています
	スコアディメンションと
	2番目のスコア次元ですが
	あなたはどれでも見ることができます
	スコアの組み合わせ
	これを使用した寸法
	ドロップダウンメニューまたは矢印
	ボタン。
	OK、だから私たちは指向していると思います
	レポートに。 私はするつもりだ
	今すぐに切り替えます
	ストリーミングに使用したスクリプト
	データベースへのデータ
	レポートは監視しています。
	これのために何かをするために
	たとえば、
	SQLiteODBCドライバーがインストールされています
	あなたのコンピュータのために。 これははるかに簡単です
	Windowsコンピュータで行うには、
	これはあなたがよく使っているものです
	実際に接続するとき
	データベース。 Macでのプロセス
	もっと複雑ですが、私はいくつかを置きます
	コミュニティに関する指示
	ページ。そして、私には時間がありません
	これについて話すために、しかし私は
	SQLiteデータベースを作成しました
	JMPで使用します
	いくつかの指示を出すことを計画する
	でこれを行う方法で
	コミュニティWebページ。 そしてうまくいけば
	その例はあなたに役立ちます
	あなたがこれをしようとしているなら
	あなた自身のデータ。
	次に見せます
	あなたは私が置いたファイル
	SQLiteデータベース内。
	ここに履歴データがあります。
	これは構築に使用されました
	PLSモデル。 960あります
	にある観察
	コントロール。それから私は持っています
	モニタリングデータ、最初は
	歴史的なものだけが含まれています
	データですが、徐々に新しいものを追加します
	これへのデータ。 これがデータです
	多変量制御
	チャートは監視されます。
	そして、私は新しいものをシミュレートしました
	すでにデータを追加し、
	ここにデータテーブル。 これらは
	別の960の奇数測定
	障害が発生する場所
	ある時点。 私はしたかった
	簡単だったものを持っている
	共有するので、実行しません
	私のシミュレーションスクリプトとに追加
	そのようにデータベース。 私たちは
	ただ観察するつもりです
	この新しいデータテーブルから
	それらを監視に移動します
	いくつかのJSLを使用したデータテーブルと
	SQLステートメント。 これはただ
	プロセスをエミュレートする例
	入ってくる新しいデータの
	データベース。どういうわけかあなたはしないかもしれません
	実際にはJMPでこれを行いますが
	これは示す機会でした
	JSLでそれを行う方法。
	ここでクリーンアップします。
	そして次にこれをお見せします
	ストリーミングスクリプト。 これは
	簡単なスクリプトなので、
	それを本当に素早く説明します。
	この最初のセット
	コマンドはを開きます
	新しいデータテーブルと
	それはSQLiteデータベースにあります、
	でテーブルを開きます
	背景なので、する必要はありません
	ウィンドウを処理します。
	それから私は断片を取るつもりです
	このデータテーブルから追加します
	それらを監視データに
	テーブル。私は作品を呼びます
	かみ傷とかみ傷のサイズは20です。
	そして、この次のコマンドは
	データベースに接続します。 この
	送信できるようになります
	データベースSQLステートメント。
	そして、この次のビット
	コードの
	SQLを繰り返し送信する
	新しいを挿入するステートメント
	監視データへのデータ。
	そして、私は行きます
	Kを初期化し、
	これの最初の反復。
	これは単純なSQLステートメントです。
	ステートメントに挿入する
	最初の20を挿入します
	データへの観察
	テーブル。この印刷ステートメントは
	コードがコメントアウトされるように
	より速く走り、それから私も
	遅くするための待機ステートメントがあります
	物事が少し下がるように
	私たちは彼らの進歩を見ることができます
	管理図で。
	そして、これは速すぎます
	私がそれを遅くしなかったら。
	ええと、次は移動します
	モニタリングセッションへ
	スクリプトを表示します
	レポートを更新します
	新しいデータが入ってくると。
	この最初のスクリプトは単純です
	脚本。それはチェックします
	.2秒ごとのデータベース
	新しい観測とそれらを追加します
	JMPテーブルに。 以来
	レポートには自動再計算があります
	オンにすると、レポートが更新されます
	新しいデータが追加されるたび。 そして
	私はそれを追加する必要があります
	現実的には、
	あなたはおそらく使用しないでしょう
	次のように繰り返すスクリプト
	この。あなたはおそらくタスクを使用します
	Windowsのスケジューラまたは
	MacのAutomatorを改善する
	スクリプトの実行をスケジュールします。
	そして、別のものもあります
	スクリプト
	レポートをJMPパブリックにプッシュする
	レポートが更新されるたびに、
	本当に興奮しました
	これはJMP15で可能です。
	それは、
	更新を表示するWebブラウザ
	管理図。 次にあなた
	レポートを表示することもできます
	スマートフォンなので、
	共有するのは本当に簡単です
	組織全体の結果。
	また、JMPLiveを使用することもできます
	レポートが必要な場合
	制限されたサーバー上にあります。
	時間がない
	これに入るには
	デモですが、チェックアウトできます
	私のディスカバリーアメリカズの話。
	そしてついにここに、
	を再作成するスクリプト
	データ内の履歴データ
	を実行したい場合はテーブル
	複数回の例。
	了解しました。次は...確認してください
	履歴データがあること...
	私は実行するつもりです
	ストリーミングスクリプトとを参照してください
	レポートの更新方法。
	したがって、データは次の場所で管理されています。
	最初に、次に障害があります
	導入されましたが、
	プラント全体の制御システム
	それはで実装されています
	シミュレーション、そしてあなたは見ることができます
	どのように制御システム
	最終的にプロセスをもたらします
	新しい均衡へ。
	ここで終了するのを待ちます。
	したがって、ズームインすると、
	最初のプロセスのようです
	この周りで制御不能になりました
	時点なので、私は行きます
	それを着色し、
	ラベルを付けますが、
	他のプロットに表示されます。
	そして、SPEプロットでは、
	こんな感じ
	観察も外れています
	制御しますが、ほんのわずかです。
	そしてズームインすると
	の時点
	貢献プロット、あなたはすることができます
	たくさんあるのを見てください
	に寄与する変数
	での制御不能信号
	最初。しかし、一度
	プロセスは新しいものに到達します
	均衡、ただある
	2人の大きな貢献者。
	だから私は熱を取り除くつもりです
	少しクリーンアップするために今マップします。
	カーソルを合わせることができます
	プロセスが行われるポイント
	最初に制御不能になり、
	トップ10をのぞく
	寄与変数。 この
	あなたに与えるのに最適です
	どの変数の概要
	最も貢献している
	制御不能信号。
	そして、私がプロットをクリックすると、
	これはに追加されます
	故障診断セクション。
	ご覧のとおり、
	大きな変数
	貢献とちょうどソート
	貢献について。
	そして変数の場合
	赤いバーの観察は
	単変量で制御不能
	管理図。 あなたが見ることができます
	これは、次のいずれかにカーソルを合わせると
	バーとこれらのグラフレット
	のIRチャートです
	との個々の変数
	3シグマ管理限界。
	あなたはストリッパーで見ることができます
	その圧力変数
	観察は外れています
	制御しますが、最終的には
	プロセスは下に戻されます
	コントロール。そしてこれが事実です
	他のトップのために
	寄稿者。私も見せます
	あなたは変数の1つです
	私たちが管理しているところ、
	単変量管理図。
	つまり、プロセスは...
	多くの変数があります
	でのプロセスにおける制御の
	初めですが
	プロセスは最終的に到達します
	新しい均衡。
	うーん...
	変数を確認するには
	シフトインに最も貢献する
	プロセス、私たちは平均を使用することができます
	寄与率プロット。
	これらのプロットは平均を示しています
	変数の貢献
	グループのTを2乗する必要があります
	選択しました。 ええと、ここで私が
	これらを並べ替えます。
	との唯一の2つの変数
	大規模な貢献は、
	における反応物Aの流量
	ストリーム1、これはの流れです
	この反応物を反応器に入れる。
	これらの変数は両方とも
	本質的に測定
	1つを除いて同じこと
	測定... 1つは
	測定変数と
	他は操作されています
	変数。
	あなたはあることがわかります
	流れの大きなステップ変化
	レート、これは私がプログラムしたものです
	シミュレーションで。 だからこれら
	コントリビューションプロットを使用すると、
	根本原因をすばやく特定します。
	そして、私の前の話で私は
	他の多くの方法を示しました
	障害を視覚化して診断する
	スコアプロットのツールを使用します。
	これには、プロットが含まれます
	スコアプロットの負荷と
	いくつかのグループ比較を行います。
	あなたは私の発見をチェックすることができます
	アメリカはJMPについて話します
	そのためのコミュニティ。 代わりに、私は
	これの残りを使うつもりです
	いくつかの新しい紹介の時間
	私が置いた例
	この講演のコミュニティページ。
	そう。
	20のプログラム可能な障害があります
	テネシーイーストマンプロセスで
	そしてそれらはどこにでも導入することができます
	組み合わせ。私は他に2つ提供しました
	ここに代表的な欠点があります。 障害
	私が以前に示した1は
	アウトなので簡単に検出できます
	制御信号の
	そして非常に多くの変数があります
	関与。 に焦点を当てる
	以前のデモは、
	ツールを使用して識別します。
	多数の障害から
	変数であり、ベンチマークではありません
	必然的にメソッド。
	一方、障害4は、
	より微妙な欠点です、
	ここでお見せします。
	障害は...プログラムされています
	の突然の増加です
	反応器内の温度。
	そしてこれはによって補償されます
	増加することによる制御システム
	クーラントの流量。
	そして、あなたはそれを見ることができます
	ここで拾った変数と
	あなたはシフトを見ることができます
	寄与プロット。
	そして、あなたも見ることができます
	そのほとんどの他の変数
	影響を受けません
	せいで。 あなたは見ることができます
	ここの温度のスパイク
	すぐに元に戻されます
	コントロール。他のほとんどの理由
	変数は影響を受けません、これ
	一部の人にとっては検出が難しい
	多変量制御方法。
	そしてそれはもっとすることができます
	診断が難しい。
	私がお見せする最後の欠点
	障害11です。
	障害4と同様に、
	クーラントの流れ
	原子炉、今を除いて障害
	に大きな振動を導入します
	私たちができる流量
	単変量コントロールを参照してください
	チャート。そして、これは結果として
	原子炉の変動
	温度。他の
	変数は実際にはそうではありません
	再び影響を受けるので、これは
	一部の人にとっては検出が難しい
	メソッド。いくつかの多変量
	制御方法は
	障害4、ただし障害11または
	逆に。 しかし、私たちの方法は
	両方を拾うことができます。
	そして最後に、すべて
	を使用して作成した例
	テネシーイーストマンプロセスは
	で明らかだった障害
	T二乗プロットとSPEプロットの両方。 に
	にいくつかの新しい機能を表示する
	モデル駆動型多変量
	管理図、見せたかった
	障害の例
	SPEチャートには表示されますが、表示されません
	Tの2乗。 そして良いものを見つけるために
	この例、私は再訪しました
	JianfengDingが使用したデータセット
	彼女の前の話で提示され、そして
	彼女の話へのリンクを提供しました
	このジャーナルで。
	彼女のコミュニティページで、
	彼女はいくつかを提供します
	ある有用な例
	また、チェックする価値があります。
	これはCordiaからのデータセットです
	マクレガーの（？）古典的な論文
	多変量管理図。 ザ・
	データは処理された変数です
	リアクターで測定し、
	ポリエチレン、そしてあなたは見つけることができます
	Jianfengのより多くの背景
	トーク。この例では、
	出て行ったプロセスを持っている
	コントロール。これをお見せしましょう。
	そしてそれは制御不能です...
	SPEチャートの早い段階で
	Tの2乗。
	そして、平均を見ると
	貢献
	SPEのプロット、
	あなたはできる
	変数が1つあることを確認してください
	大きな貢献とそれで
	また、の大きな変化を示しています
	単変量管理図、ただし
	他の変数もあります
	多大な貢献がありますが
	それはまだ制御されています
	単変量管理図。
	そして、から決定することは困難です
	棒グラフだけでなぜこれら
	変数が大きかった
	貢献。大きなSPE値
	新しいデータが発生しない場合に発生します
	相関構造に従う
	履歴データの
	多くの場合、新しいデータは
	収集され、これは
	トレーニングしたPLSモデルは
	もはや適用されません。
	棒グラフから、それは難しいです
	変数のどのペアを知るために
	それらの相関構造を持っている
	壊れた。 15.2の新機能、あなた
	散布図行列を起動できます。
	そしてそれは明らかです
	散布図行列
	相関関係の違反
	Z2で駆動しているものです
	これらの大きな貢献。
	OK、元に戻します
	PowerPointに。
	そして本当に簡単に、私は要約します
	モデル駆動型の主な機能
	多変量管理図
	デモで示されました。 ザ・
	プラットフォームは可能です
	両方のオンライン障害を実行する
	検出とオフライン障害
	診断。沢山あります
	プラットフォームで提供されるメソッド
	ルートにドリルダウンするため
	障害の原因。 私はあなたに見せています
	ここに人気のあるいくつかのプロット
	本、フォールト検出および
	産業システムの診断。
	本を通して、著者は
	どのように人がする必要があるかを示す
	多変量と単変量を使用する
	管理図を並べて
	何が起こっているのかを理解するために
	プロセスでオン。
	特に便利なもの
	モデル駆動型多変量の機能
	管理図はどのように
	インタラクティブでユーザーフレンドリー
	これらを切り替えることです
	2種類のチャート。
	そしてそれが私の話です。 ここは
	もしあれば私のメール
	さらなる質問。 そして
	みんなに感謝します
	これを見るために調整しました。

起こるデータアクセスと操作品質と信頼性