田纳西伊士曼过程的故障检测和诊断使用多元控制图（2021-EU-45MP-782）级别：中级
SAS JMP分析软件测试员Jeremy Ash
通过模型驱动的多元控制图（MDMCC）平台，用户可以基于PCA或PLS模型构建控制图。 这些可以用于高维数据集的故障检测和诊断。我们使用真实的工业化学过程（田纳西州伊士曼过程）的仿真演示了PLS模型的MDMCC监控。 在模拟过程中，随着化学反应器从气态反应物生产液体产物时，测量质量和过程变量。 我们演示了MDMCC如何通过将JMP连接到外部数据库来执行在线监视。测量产品质量变量通常涉及在测量可用之前的时间延迟，这可能会大大延迟故障检测。 当MDMCC监视PLS模型时，将根据过程变量监视产品质量变量的变化。 由于过程变量通常更容易获得，因此有助于早期发现故障。 我们还将在离线环境中演示故障诊断。 这通常涉及在多变量控制图，单变量控制图和诊断图之间进行切换。MDMCC提供了一个用户友好的界面，可在这些图之间移动。
自动产生的笔录...
扬声器
|
成绩单
|
| |
您好，我是杰里米·阿什（Jeremy Ash）。 我是一个 |
| |
JMP R＆D的统计学家。我的工作 |
| |
主要由测试组成 |
| |
多元统计 |
| |
JMP中的平台，但我也 |
| |
帮助研究和评估 |
| |
方法。今天我要去 |
| |
正在分析田纳西州 |
| |
伊士曼过程使用一些 |
| |
统计过程控制 |
| |
JMP中的方法。 我要去 |
| |
要特别注意 |
| |
到模型驱动的多元 |
| |
控制图平台 |
| |
JMP 15的新增功能。 |
| |
这些数据提供了 |
| |
展示机会 |
| |
平台号 |
| |
特征。而且很快 |
| |
免责声明，这类似于 |
| |
我的“发现美洲”演讲。 我们 |
| |
意识到欧洲还没有看到 |
| |
模型驱动的多元 |
| |
由于所有的控制图交谈 |
| |
对COVID的疯狂，所以我 |
| |
决定专注于基础知识。 |
| |
但是有一些新材料 |
| |
谈话结束时。 患病的 |
| |
简要介绍一些其他内容 |
| |
实例分析，然后我穿上 |
| |
演讲的“社区”页面。 |
| |
首先，我假设一些知识 |
| |
统计过程控制 |
| |
在这次谈话中。 最主要的 |
| |
有助于了解 |
| |
是控制图。 如果你是 |
| |
不熟悉这些，这些 |
| |
是用于监控的图表 |
| |
复杂的工业系统 |
| |
确定他们何时偏离 |
| |
从正常运行 |
| |
使适应。 |
| |
我没有太多时间 |
| |
进入模型的方法论 |
| |
驱动多元控制 |
| |
图表，所以我将参考其他 |
| |
畅所欲言的精彩演讲 |
| |
在JMP社区中可用 |
| |
如果您需要更多详细信息。 一世 |
| |
还应该说剑锋 |
| |
丁是主要的 |
| |
模型驱动的开发者 |
| |
多元控制控制 |
| |
与之合作的图表 |
| |
克里斯·高瓦特（Chris Gotwalt）和那个托尼亚（Tonya） |
| |
我和莫尔丁都是测试人员。 这 |
| |
本演讲的重点将使用 |
| |
多元控制图 |
| |
监控现实世界 |
| |
典型的过程；另一本小说 |
| |
方面将使用控件 |
| |
在线过程图 |
| |
监控。这意味着我们将 |
| |
连续监控数据 |
| |
它被添加到数据库中， |
| |
实时检测故障。 |
| |
所以我将从开始 |
| |
上的强制性幻灯片 |
| |
多元优势 |
| |
控制图。 那为什么不使用 |
| |
单变量控制图？ 那里 |
| |
有很多优秀的 |
| |
JMP中的选项。 单变量 |
| |
控制图非常好 |
| |
分析一些的工具 |
| |
一次变数。 然而， |
| |
质量控制数据通常是 |
| |
高维数 |
| |
您需要的控制图 |
| |
看着很快就能成为 |
| |
压倒。多变量 |
| |
控制图可以总结一个 |
| |
高维过程 |
| |
只是几个控制图， |
| |
所以这是一个关键优势。 |
| |
但这并不是说 |
| |
不是统一的控制图 |
| |
在此设置中很有用。 你会 |
| |
在整个谈话中看到 |
| |
故障诊断通常涉及 |
| |
在多元之间切换 |
| |
和单变量图表。 |
| |
多元控制图给出 |
| |
您对整体的感觉 |
| |
该过程的运行状况，而 |
| |
单变量图表使您能够 |
| |
监控 |
| |
过程。所以信息是 |
| |
补充。目标之一 |
| |
多元监控 |
| |
控制图是提供一些 |
| |
有用的切换工具 |
| |
在这两种类型之间 |
| |
图表。的缺点之一 |
| |
单变量图表是 |
| |
观察结果似乎在 |
| |
控制他们何时真正 |
| |
在多变量中失控 |
| |
感觉，这些情节说明了我 |
| |
意思是这个。 单变量 |
| |
石油和天然气的控制图 |
| |
密度显示两个 |
| |
红色的观察结果如 |
| |
控制。但是，油和密度 |
| |
高度相关，并且两者 |
| |
观察失控。 |
| |
在多元意义上， |
| |
特别观察51 |
| |
相当违反相关性 |
| |
这两个变量的结构 |
| |
所以多元控制图 |
| |
可以选择这些类型的 |
| |
离群值，而单变量 |
| |
控制图不能。 |
| |
模型驱动的多元 |
| |
控制图使用投影 |
| |
构造图表的方法。 |
| |
我将从解释PCA开始 |
| |
因为很容易建立 |
| |
从那里。 PCA减少了 |
| |
过程的维度 |
| |
将数据投影到低 |
| |
尺寸表面。 嗯 |
| |
如图所示 |
| |
在右边。 我们有P |
| |
过程变量和N |
| |
观察，以及 |
| |
P中的加载向量 |
| |
矩阵给出系数 |
| |
X的线性组合 |
| |
导致的变量 |
| |
平方变量与 |
| |
维度A，其中维度 |
| |
A比P小得多。 然后 |
| |
这在下面的方程式中显示 |
| |
左边在这里。 X可以是 |
| |
预测作为 |
| |
分数和荷载，其中E为 |
| |
预测误差。 |
| |
这些分数被选择为 |
| |
最小化预测误差， |
| |
和另一种思考方式 |
| |
这是你正在最大化 |
| |
解释的方差量 |
| |
在X矩阵中。 |
| |
那么PLS是更合适的 |
| |
投影方法。 当你有 |
| |
一组过程变量和一个 |
| |
一组质量变量，您 |
| |
真的想确保 |
| |
质量变量保存在 |
| |
控制但这些变量 |
| |
往往很贵或时间 |
| |
费力收集。 植物 |
| |
可能会在没有产品的情况下生产产品 |
| |
长期的控制质量 |
| |
检测到故障之前的时间。 |
| |
因此，PLS模型可让您 |
| |
监控您的质量变量 |
| |
根据您的过程 |
| |
变量，您可以看到 |
| |
PLS模型找到分数 |
| |
最大化变量的变量 |
| |
解释的变化量 |
| |
质量变量。 |
| |
这些过程变量是 |
| |
通常更便宜或更容易 |
| |
可用，因此PLS可以使您 |
| |
检测质量缺陷 |
| |
尽早进行 |
| |
监控便宜。 从这里 |
| |
在外面，我将专注于PLS |
| |
模型，因为它更多 |
| |
适用于该示例。 |
| |
因此，PLS模型会将您的 |
| |
数据分为两个部分。 这 |
| |
第一个要素是模型 |
| |
成分。这给了 |
| |
您的过程的预测值 |
| |
变量。 另一种思考方式 |
| |
关于它的是您的数据有 |
| |
被投影到模型中 |
| |
根据您的分数定义的飞机 |
| |
变量和T平方监视器 |
| |
您数据的变化 |
| |
在此模型平面内。 |
| |
第二个要素是 |
| |
错误组件。 这是 |
| |
原稿之间的距离 |
| |
数据和预测数据，以及 |
| |
平方预测误差（SPE） |
| |
图表监视此变化。 |
| |
我们的另一种替代指标 |
| |
提供是模型的距离 |
| |
X平面或DModX。 这只是 |
| |
SPE的标准化替代品 |
| |
一些人喜欢的 |
| |
最后一个概念是 |
| |
重要的是要了解 |
| |
演示是之间的区别 |
| |
历史和当前数据。 |
| |
历史数据通常是 |
| |
在过程开始时收集 |
| |
已知处于控制之中。 这些 |
| |
数据用于构建PLS |
| |
建模并定义法线 |
| |
过程变化，因此 |
| |
可以获得控制极限。 |
| |
并分配当前数据 |
| |
根据模型得分，但 |
| |
与模型无关。 |
| |
另一种思考方式 |
| |
是我们受过训练， |
| |
测试集。 T平方控制 |
| |
培训的下限较低 |
| |
数据，因为我们期望更少 |
| |
各种...的可变性 |
| |
用于训练的观察 |
| |
模式，而更大 |
| |
P的方差在什么时候 |
| |
模型推广到E检验 |
| |
放。幸运的是，理论 |
| |
因为T平方的方差是 |
| |
已经解决了，所以我们可以得到 |
| |
这些控制限制基于 |
| |
一些分布假设。 |
| |
在演示中将进行监控 |
| |
田纳西州伊士曼进程。 |
| |
我要介绍一个简短的 |
| |
这些数据的介绍。 这 |
| |
是化学物质的模拟 |
| |
Downs和 |
| |
沃格尔，伊士曼的两位化学家 |
| |
化学。 原来是 |
| |
用Fortran编写，但是在那里 |
| |
是Matlab和 |
| |
现在是Python。 我只想注意 |
| |
那个数据集是 |
| |
产生于90年代 |
| |
主要数据集之一 |
| |
用于基准多元 |
| |
中的控制方法 |
| |
文学。它涵盖了 |
| |
多元主要任务 |
| |
控制得好，有 |
| |
令人印象深刻的 |
| |
仿真中的真实感。 |
| |
而模拟是基于 |
| |
一个工业过程 |
| |
今天仍然有意义。 |
| |
所以数据被操纵了 |
| |
保护专有 |
| |
信息。 模拟的 |
| |
过程是生产 |
| |
来自两种液体产品 |
| |
内的气态反应物 |
| |
化工厂。 F在这里 |
| |
副产品 |
| |
这将需要虹吸 |
| |
从所需的产品。 |
| |
嗯... |
| |
那就是我要说的。 |
| |
所以流程图看起来 |
| |
复杂，但实际上并非如此 |
| |
这么糟糕，我会带你走 |
| |
通过这。 气态 |
| |
反应物A，D和E流入 |
| |
这里的反应堆。 |
| |
反应发生并且 |
| |
产品以气体形式离开。 它是 |
| |
然后冷却并冷凝成 |
| |
冷凝器中的液体。 |
| |
然后是汽液分离器 |
| |
回收任何残留的蒸气并 |
| |
送回反应堆 |
| |
通过压缩机，然后 |
| |
副产物和惰性化学物质B |
| |
在净化流中被净化， |
| |
这是为了防止任何 |
| |
积累。液体产品 |
| |
被通过汽提塔抽出， |
| |
剩下的反应物 |
| |
被剥夺了。 |
| |
然后送回反应堆。 |
| |
最后， |
| |
纯化液体产品 |
| |
退出过程。 |
| |
第一组变量是 |
| |
被监视的被操纵 |
| |
变量。 这些看起来像弓 |
| |
关系图中的关系。 我认为 |
| |
他们实际上本来是 |
| |
阀门和操纵 |
| |
过程...或被操纵 |
| |
变量主要控制着 |
| |
通过不同的流量 |
| |
过程的流。 |
| |
这些变量可以设置 |
| |
范围内的任何值，以及 |
| |
有一些高斯噪声。 |
| |
操纵变量能够 |
| |
要在费率中进行采样， |
| |
但我们使用默认值3 |
| |
分钟采样。 |
| |
一些被操纵的例子 |
| |
变量是那些 |
| |
控制反应物的流量 |
| |
进入反应堆。 |
| |
另一个例子是阀门 |
| |
控制流 |
| |
蒸入汽提塔。 |
| |
另一个是阀门 |
| |
控制冷却液的流量 |
| |
进入反应堆。 |
| |
下一组变量是 |
| |
测量变量。 这些都是 |
| |
在图中显示为圆圈。 |
| |
他们还在三点被采样 |
| |
分钟间隔。 这 |
| |
操纵之间的差异 |
| |
变量和度量 |
| |
变量是 |
| |
测量变量不能是 |
| |
在模拟中进行操作。 |
| |
我们的质量变量将是 |
| |
的百分比组成 |
| |
两种液体产品，你 |
| |
可以看到分析仪 |
| |
在这里测量产品。 |
| |
这些变量是用 |
| |
相当长的时间延迟 |
| |
我们正在看清除 |
| |
流而不是出口 |
| |
流，因为这些数据是 |
| |
较早可用。 并将使用 |
| |
用于监视过程的PLS模型 |
| |
变量作为这些的代理 |
| |
变量，因为过程 |
| |
变量具有较小的延迟，并且 |
| |
影响更快的采样率。 |
| |
这样就足够了 |
| |
数据的背景。 在 |
| |
总共有33个过程 |
| |
变量和两个质量 |
| |
变量。 的过程 |
| |
收集变量是 |
| |
用一组模拟 |
| |
微分方程。 和这个 |
| |
只是一个模拟而已 |
| |
可以看到相当多的 |
| |
照顾到对此建模 |
| |
经过现实世界的过程。 这里 |
| |
是我演示的概述 |
| |
即将向您展示。 我们将收集 |
| |
有关我们的流程和存储的数据 |
| |
这些数据存储在数据库中。 |
| |
我想举一个例子 |
| |
很容易分享，所以我会 |
| |
使用SQLite数据库，但是 |
| |
工作流程与大多数人有关 |
| |
自大多数以来的数据库类型 |
| |
支持ODBC连接。 |
| |
一旦JMP形成ODBC |
| |
与数据库的连接， |
| |
JMP可以定期检查 |
| |
新的观察并将其添加到 |
| |
数据表。 |
| |
如果我们有模型驱动 |
| |
多元控制图 |
| |
报告自动打开 |
| |
重新计算打开，我们有一个 |
| |
更新机制 |
| |
控制图随着新数据的到来 |
| |
在整个过程中 |
| |
将数据添加到数据库将 |
| |
可能会分开进行 |
| |
来自计算机的计算机 |
| |
在进行监控。 所以 |
| |
我有两个JMP公开课 |
| |
模仿这一点。 两次会议 |
| |
有自己的日记 |
| |
在材料上 |
| |
社区和会议 |
| |
将新的模拟数据添加到 |
| |
该数据库将被调用 |
| |
流会话和 |
| |
会议更新报告 |
| |
随着新数据的进入 |
| |
称为监控会话。 |
| |
我真正喜欢的一件事 |
| |
Downs和Vogel的论文是 |
| |
他们没有提供 |
| |
单一指标来评估 |
| |
控制过程。 我有 |
| |
本文引述 |
| |
“我们认为需要权衡 |
| |
在可能的控制之中 |
| |
策略与技巧 |
| |
涉及的不只是一个 |
| |
数学表达式。” |
| |
所以这是一些目标 |
| |
他们在论文中列出了 |
| |
与我们有关的 |
| |
问题。他们想维持 |
| |
处的过程变量 |
| |
期望值。 他们想 |
| |
最小化产品的可变性 |
| |
干扰期间的质量，以及 |
| |
他们想迅速恢复 |
| |
不受干扰。 |
| |
所以我们看看我们的情况如何 |
| |
过程实现了这些目标 |
| |
用我们的监控方法 |
| |
因此，从 |
| |
监视会话日志，我将 |
| |
向您展示我们的第一个数据集。 |
| |
数据表包含所有 |
| |
我介绍的变量 |
| |
较早。第一个变量是 |
| |
测量变量；这 |
| |
其次是组成。 |
| |
第三是 |
| |
操纵变量。 |
| |
这里的脚本将适合 |
| |
PLS模型。 它不包括 |
| |
最后100行作为测试集。 |
| |
提醒一下， |
| |
该模型正在预测2 |
| |
产品组成 |
| |
变量作为 |
| |
过程变量。 如果 |
| |
你有JMP Pro， |
| |
已经有一些速度 |
| |
PLS的改进 |
| |
在JMP 16中 |
| |
PLS现在有一个 |
| |
快速SVD选项。 |
| |
您可以切换到 |
| |
红色经典 |
| |
三角菜单。 有 |
| |
也有一些 |
| |
性能提升 |
| |
在引擎盖下。 |
| |
与数据集最相关 |
| |
与大量 |
| |
观察，但这就是 |
| |
在多变量中很常见 |
| |
过程监控设置。 |
| |
但是PLS并不是我们关注的重点 |
| |
说话，所以我已经适应了 |
| |
模型和输出分数列 |
| |
你可以在这里看到他们。 |
| |
显示器的原因之一 |
| |
多元控制图原为 |
| |
设计的方式是 |
| |
想象你是统计学家 |
| |
你想分享你的模型 |
| |
与工程师合作，以便他们可以 |
| |
构造控制图。 全部 |
| |
您需要做的是提供 |
| |
这些公式的数据表 |
| |
列。您不需要分享 |
| |
所有关于你的血腥细节 |
| |
适合您的模型。 |
| |
接下来，我将提供分数 |
| |
监视列 |
| |
多元控制图。 |
| |
将其拖到此处的右侧。 |
| |
所以在左边你可以看到 |
| 两种控制图 |
这 |
| |
T平方和SPE。 |
| |
嗯，有860个观测值 |
| |
用来估计 |
| |
模型，这些被标记为 |
| |
历史的。然后一百 |
| |
被排除在测试集之外的东西 |
| |
是您当前的数据。 |
| |
你可以看到极限 |
| |
总结，点数 |
| |
失去控制， |
| |
显着性水平。 嗯，如果你 |
| |
想要改变意义 |
| |
级别，您可以在这里完成 |
| |
红色三角形菜单。 |
| |
因为反应堆正常 |
| |
我们期望的工作条件 |
| |
没有任何意见 |
| |
控制，但我们有一些错误 |
| |
积极在这里，因为我们 |
| |
尚未进行任何调整 |
| |
多重比较。 它是 |
| |
就我而言，这样做并不常见 |
| |
可以看出 |
| |
控制图。 我想你 |
| |
有更高的检测能力 |
| |
没有一个的控制信号 |
| |
更正。在控制图中 |
| |
行话，这意味着你不在 |
| |
控制。 平均行程 |
| |
保持低位。 |
| |
所以在右边我们 |
| |
也有贡献 |
| |
Y轴上的图和 |
| |
观察；在X上 |
| |
轴，变量。 一种 |
| |
表达了贡献 |
| |
作为一部分。 |
| |
然后在这里的底部， |
| |
我们有得分图。 正确的 |
| |
现在我在画第一个 |
| |
分数维度与 |
| |
第二分数维度，但是 |
| |
你可以看任何 |
| |
分数组合 |
| |
使用此尺寸 |
| |
下拉菜单或箭头 |
| |
按钮。 |
| |
好，所以我认为我们已经适应了 |
| |
到报告。 我要去 |
| |
现在切换到 |
| |
我曾经流式传输的脚本 |
| |
数据存入数据库 |
| |
该报告正在监视。 |
| |
为了做任何事情 |
| |
例如，您需要有一个 |
| |
已安装SQLite ODBC驱动程序 |
| |
为您的计算机。 这容易得多 |
| |
在Windows计算机上进行 |
| |
这就是你经常使用的 |
| |
当实际连接到 |
| |
数据库。在Mac上的过程 |
| |
参与更多，但我把一些 |
| |
社区说明 |
| |
页。然后我没有时间 |
| |
谈论这个，但是我 |
| |
创建了SQLite数据库 |
| |
我将在JMP中使用 |
| |
计划提出一些指示 |
| |
在如何做到这一点上 |
| |
社区网页。 并希望 |
| |
这个例子对你有帮助 |
| |
如果您尝试这样做 |
| |
自己的数据。 |
| |
接下来我要展示 |
| |
你我放的文件 |
| |
在SQLite数据库中。 |
| |
这里有历史数据。 |
| |
这被用来构造 |
| |
PLS模型。 有960 |
| |
的观察 |
| |
控制。然后我有 |
| |
监视数据，首先 |
| |
只是包含历史 |
| |
数据，但我会逐渐添加新的 |
| |
数据到此。 这是数据 |
| |
多元控制 |
| |
图表将被监视。 |
| |
然后我模拟了新的 |
| |
数据已添加到 |
| |
数据表在这里。 这些都是 |
| |
另外960次奇特测量 |
| |
引入故障的地方 |
| |
某个时间点。 我想 |
| |
有一些容易的东西 |
| |
分享，所以我不会跑步 |
| |
我的模拟脚本并添加到 |
| |
这样的数据库。 是 |
| |
只是去观察 |
| |
从这个新的数据表中 |
| |
将它们移至监视 |
| |
数据表使用一些JSL和 |
| |
SQL语句。 这只是一个 |
| |
模拟过程的示例 |
| |
新数据进入 |
| |
数据库。不知何故你可能不会 |
| |
实际上使用JMP做到这一点，但是 |
| |
这是一个展示机会 |
| |
如何使用JSL做到这一点。 |
| |
在这里收拾。 |
| |
接下来，我将向您展示 |
| |
流脚本。 这是一个 |
| |
简单的脚本，所以我要 |
| |
真正快速地指导您。 |
| |
第一组 |
| |
命令将打开 |
| |
新数据表和 |
| |
它在SQLite数据库中， |
| |
因此它会在 |
| |
背景，所以我不必 |
| |
处理窗户。 |
| |
那我要弄碎 |
| |
从该数据表中添加 |
| |
他们对监控数据 |
| |
桌子。我把碎片 |
| |
叮咬，叮咬大小为20。 |
| |
然后，下一个命令将 |
| |
连接到数据库。 这 |
| |
将允许我发送 |
| |
数据库SQL语句。 |
| |
然后下一点 |
| |
代码是 |
| |
反复发送SQL |
| |
插入新的语句 |
| |
数据转换为监视数据。 |
| |
我要去 |
| |
初始化K并向您显示 |
| |
第一次迭代。 |
| |
这是一个简单的SQL语句， |
| |
插入声明 |
| |
插入前20个 |
| |
观察数据 |
| |
桌子。该打印声明是 |
| |
注释掉，以便代码 |
| |
跑得更快，然后我也 |
| |
有一个等待声明来减慢 |
| |
事情略有下降，以便 |
| |
我们可以看到他们的进步 |
| |
在控制图中。 |
| |
这太快了 |
| |
如果我没有放慢脚步的话。 |
| |
嗯，接下来我要走了 |
| |
进行监控 |
| |
给你看剧本 |
| |
这将更新报告 |
| |
随着新数据的涌入。 |
| |
第一个脚本很简单 |
| |
脚本。那会检查 |
| |
每.2秒存储一次数据库 |
| |
新观察并将其添加 |
| |
到JMP表。 自从 |
| |
报告具有自动重新计算 |
| |
开启后，报告将更新 |
| |
每当添加新数据时。 和 |
| |
我应该补充一点 |
| |
现实地， |
| |
您可能不会使用 |
| |
像这样迭代的脚本 |
| |
这。您可能使用任务 |
| |
Windows中的调度程序或 |
| |
Mac上的Automator更好 |
| |
安排脚本运行。 |
| |
然后还有另一个 |
| |
脚本将 |
| |
将报告推送给JMP Public |
| |
每当报告更新时， |
| |
我真的很兴奋 |
| |
使用JMP 15可以做到这一点。 |
| |
它使具有 |
| |
网络浏览器以查看更新 |
| |
控制图。 然后你 |
| |
甚至可以查看报告 |
| |
您的智能手机，所以这使得 |
| |
真的很容易分享 |
| |
跨组织的结果。 |
| |
您还可以使用JMP Live |
| |
如果您想要报告 |
| |
在受限制的服务器上。 |
| |
我不会有时间 |
| |
进入这个 |
| |
演示，但您可以签出 |
| |
我的“发现美洲”演讲。 |
| |
然后终于在这里 |
| |
重新创建 |
| |
数据中的历史数据 |
| |
表，如果您想运行 |
| |
示例多次。 |
| |
好吧，接下来...确保 |
| |
我们有历史数据... |
| |
我要去跑 |
| |
流脚本，看看 |
| |
报告如何更新。 |
| |
所以数据在 |
| |
首先，然后是故障 |
| |
介绍了，但是有一个 |
| |
全厂控制系统 |
| |
在 |
| |
模拟，您可以看到 |
| |
如何控制系统 |
| |
最终带来了过程 |
| |
达到新的平衡。 |
| |
等待它在这里完成。 |
| |
因此，如果我们放大， |
| |
好像是第一个过程 |
| |
在这方面失控了 |
| |
时间点，所以我要 |
| |
给它上色 |
| |
贴上标签，但会 |
| |
出现在其他情节中。 |
| |
然后在SPE图中 |
| |
看起来像这样 |
| |
观察也出于 |
| |
控制，但只有一点点。 |
| |
然后，如果我们放大 |
| |
的时间点 |
| |
贡献图，您可以 |
| |
看到有很多 |
| |
促成变量 |
| |
失控信号在 |
| |
第一的。但是一旦 |
| |
过程达到了新的高度 |
| |
平衡，只有 |
| |
两个大贡献者。 |
| |
所以我要去掉热量 |
| |
现在进行地图整理。 |
| |
您可以将鼠标悬停 |
| |
过程的关键点 |
| |
首先失控， |
| |
窥探前十名 |
| |
贡献变量。 这 |
| |
非常适合给你一个 |
| |
快速概述哪些变量 |
| |
对 |
| |
失去控制信号。 |
| |
然后，如果我单击该图， |
| |
这将被附加到 |
| |
故障诊断部分。 |
| |
如您所见， |
| |
大的几个变量 |
| |
贡献和排序 |
| |
关于贡献。 |
| |
对于带有 |
| |
红条观察到的是 |
| |
在单变量中失控 |
| |
控制图。 你可以看到 |
| |
通过将鼠标悬停在其中一个上 |
| |
条和这些图 |
| |
是一个 |
| |
带有一个的单个变量 |
| |
三个Sigma控制极限。 |
| |
你可以在脱衣舞娘中看到 |
| |
压力变量 |
| |
观察不到 |
| |
控制，但最终 |
| |
过程被带回 |
| |
控制。就是这种情况 |
| |
对于另一个顶部 |
| |
贡献者。我还将展示 |
| |
你是变量之一 |
| |
在我们控制的地方 |
| |
单变量控制图。 |
| |
所以这个过程是... |
| |
有很多变量 |
| |
过程中的控制权 |
| |
刚开始，但是 |
| |
过程最终达到 |
| |
新的平衡。 |
| |
嗯... |
| |
要查看变量 |
| |
对转变的贡献最大 |
| |
这个过程中，我们可以用均值 |
| |
贡献比例图。 |
| |
这些图显示了平均值 |
| |
贡献变量 |
| |
必须为该组平方T |
| |
我选择了 嗯，如果我在这里 |
| |
对这些进行排序。 |
| |
仅有的两个变量 |
| |
巨额捐款衡量了 |
| |
反应物A的流速 |
| |
流一，即 |
| |
该反应物进入反应器。 |
| |
这两个变量都是 |
| |
基本上测量 |
| |
一样的东西，除了一个 |
| |
测量...一个是 |
| |
测量变量和 |
| |
其他是被操纵的 |
| |
多变的。 |
| |
您可以看到其中有一个 |
| |
流程中的大幅度变化 |
| |
速率，这是我编程的 |
| |
在模拟中。 所以这些 |
| |
贡献图使您能够 |
| |
快速找出根本原因。 |
| |
然后在我之前的演讲中 |
| |
展示了许多其他方式 |
| |
可视化并诊断故障 |
| |
使用分数图中的工具。 |
| |
这包括绘制 |
| |
得分图上的负载和 |
| |
做一些小组比较。 |
| |
您可以查看我的发现 |
| |
美洲关于JMP的谈话 |
| |
为此的社区。 相反，我是 |
| |
将花费其余的时间 |
| |
时间介绍一些新的 |
| |
例子，我把 |
| |
本演讲的社区页面。 |
| |
所以。 |
| |
有20个可编程故障 |
| |
在田纳西州伊士曼过程中 |
| |
可以将它们引入任何 |
| |
组合。我提供了另外两个 |
| |
这里有代表性的缺点。 过错 |
| |
我之前显示的1是 |
| |
容易检测，因为出 |
| |
的控制信号太大 |
| |
所以有很多变量 |
| |
涉及。 专注于 |
| |
上一个演示是为了展示如何 |
| |
使用工具并确定。 |
| |
大量的故障 |
| |
变量而不是基准 |
| |
必要的方法。 |
| |
另一方面，故障4 |
| |
是一个更微妙的错误， |
| |
我会在这里给你看。 |
| |
故障...已编程 |
| |
是突然增加 |
| |
反应器中的温度。 |
| |
这可以通过以下方式补偿 |
| |
通过增加控制系统 |
| |
冷却液的流量。 |
| |
你可以看到 |
| |
在这里获取变量 |
| |
你可以看到转变 |
| |
贡献图。 |
| |
然后你也可以看到 |
| |
大多数其他变量 |
| |
不受影响 |
| |
过错。 你可以看到一个 |
| |
这里的温度峰值 |
| |
很快被带回 |
| |
控制。因为大多数 |
| |
变量不受影响，这 |
| |
很难发现一些 |
| |
多变量控制方法。 |
| |
而且可以更多 |
| |
难以诊断。 |
| |
我要告诉你的最后一个错误 |
| |
是故障11。 |
| |
像故障4一样，它也涉及 |
| |
冷却液流入 |
| |
反应堆，除了现在的故障 |
| |
引入大的振荡 |
| |
流量，我们可以 |
| |
参见单变量控件 |
| |
图表。这导致了 |
| |
电抗器波动 |
| |
温度。另一个 |
| |
变量不是真的 |
| |
再次受影响，所以这可以 |
| |
很难发现一些 |
| |
方法。一些多元 |
| |
控制方法可以继续 |
| |
故障4，但不是故障11或 |
| |
反之亦然。 但是我们的方法是 |
| |
能够两者兼得。 |
| |
最后，所有的 |
| |
我使用创建的示例 |
| |
田纳西州伊士曼过程有 |
| |
明显的故障 |
| |
T平方图和SPE图。 至 |
| |
显示一些新功能 |
| |
模型驱动的多元 |
| |
控制图，我想显示 |
| |
一个故障的例子 |
| |
出现在SPE图表中，但不出现 |
| |
T平方。 并找到一个好的 |
| |
这样的例子，我重新审视了 |
| |
丁建峰的数据集 |
| |
在她以前的演讲中介绍过，以及 |
| |
我提供了她的演讲的链接 |
| |
在这本日记中。 |
| |
在她的社区页面上， |
| |
她提供了几个 |
| |
有用的例子是 |
| |
也值得一试。 |
| |
这是来自Cordia的数据集 |
| |
麦格雷戈（？）的经典论文 |
| |
多元控制图。 这 |
| |
数据是处理后的变量 |
| |
在反应堆中测量，产生 |
| |
聚乙烯，你可以找到 |
| |
剑锋的更多背景 |
| |
讲话。在这个例子中，我们 |
| |
有一个过时的过程 |
| |
控制。让我告诉你这个。 |
| |
而且在... |
| |
在SPE图表中早于 |
| |
T平方。 |
| |
如果我们看一下均值 |
| |
贡献 |
| |
SPE的地块， |
| |
你可以 |
| |
看到有一个变量 |
| |
贡献很大，它 |
| |
还显示了 |
| |
单变量控制图，但是 |
| |
还有其他变量 |
| |
贡献很大，但是 |
| |
仍在控制中 |
| |
单变量控制图。 |
| |
而且很难从中确定 |
| |
单凭条形图为什么这些 |
| |
变量很大 |
| |
贡献。较大的SPE值 |
| |
当新数据不存在时发生 |
| |
遵循相关结构 |
| |
历史数据的 |
| |
新数据通常是 |
| |
收集，这意味着 |
| |
您训练的PLS模型是 |
| |
不再适用。 |
| |
从条形图来看，这很难 |
| |
知道哪一对变量 |
| |
有它们的相关结构 |
| |
破碎的。 15.2中的新功能，您 |
| |
可以启动散点图矩阵。 |
| |
而且很明显 |
| |
散点图矩阵 |
| |
违反相关性 |
| |
Z2是什么 |
| |
这些巨大的贡献。 |
| |
好，我要转回去 |
| |
PowerPoint。 |
| |
很快，我将总结一下 |
| |
模型驱动的主要特征 |
| |
多元控制图 |
| |
在演示中显示。 这 |
| |
平台有能力 |
| |
同时执行在线故障 |
| |
检测和离线故障 |
| |
诊断。有许多 |
| |
平台提供的方法 |
| |
深入到根 |
| |
故障原因。 我在给你看 |
| |
这里有一些流行的地块 |
| |
本书，《故障检测与排除》 |
| |
工业系统诊断。 |
| |
在整本书中，作者 |
| |
演示一个人如何需要 |
| |
使用多元和单变量 |
| |
并排控制图 |
| |
了解发生的事情 |
| |
在一个过程中。 |
| |
一个特别有用的 |
| |
模型驱动的多元模型中的特征 |
| |
控制图是如何 |
| |
互动且用户友好 |
| |
是在这些之间切换 |
| |
两种类型的图表。 |
| |
那就是我的话题。 这是 |
| |
我的电子邮件（如果有） |
| |
进一步的问题。 和 |
| |
感谢大家 |
| |
收看这个。 |
爆发数据访问与操作质量与可靠性
