使用多元控制图对田纳西州伊士曼流程进行故障检测和诊断 (2021-EU-45MP-782)级别：中级
Jeremy Ash，JMP 分析软件测试员，SAS
模型驱动多元控制图 (MDMCC) 平台使用户能够基于 PCA 或 PLS 模型构建控制图。 这些可用于高维数据集的故障检测和诊断。我们使用真实工业化学过程（田纳西州伊士曼过程）的模拟来演示 PLS 模型的 MDMCC 监控。 在模拟过程中，当化学反应器从气态反应物产生液体产品时，测量质量和过程变量。 我们演示 MDMCC 如何通过将 JMP 连接到外部数据库来执行在线监控。测量产品质量变量通常涉及在测量可用之前的时间延迟，这会大大延迟故障检测。 当 MDMCC 监控 PLS 模型时，产品质量变量的变化将作为过程变量的函数进行监控。 由于过程变量通常更容易获得，这有助于及早发现故障。 我们还演示了离线环境下的故障诊断。 这通常涉及多变量控制图、单变量控制图和诊断图之间的切换。MDMCC 提供了一个用户友好的界面来在这些图之间移动。
自动生成的成绩单...
扬声器
|
成绩单
|
| |
你好，我是杰里米·阿什。 我是一个 |
| |
JMP 研发部门的统计学家。我的工作 |
| |
主要包括测试 |
| |
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 |
| |
伊士曼工艺使用一些 |
| |
统计过程控制 |
| |
JMP 中的方法。 我要去 |
| |
要特别注意 |
| |
模型驱动的多元 |
| |
控制图平台，即 |
| |
JMP 15 的新增功能。 |
| |
这些数据提供了 |
| |
展示的机会 |
| |
平台数量 |
| |
特征。就像一个快速的 |
| |
免责声明，这类似于 |
| |
我的探索美洲演讲。 我们 |
| |
意识到欧洲还没有看到 |
| |
模型驱动多元 |
| |
由于所有的控制图谈话 |
| |
围绕新冠病毒的疯狂，所以我 |
| |
决定专注于基础知识。 |
| |
但有一些新材料 |
| |
谈话结束时。 患病的 |
| |
简要介绍一些额外的内容 |
| |
示例分析，然后我放上 |
| |
演讲的社区页面。 |
| |
首先，我假设一些知识 |
| |
统计过程控制 |
| |
在这次演讲中。 最主要的是它 |
| |
了解一下会很有帮助 |
| |
是控制图。 如果你是 |
| |
不熟悉这些这些 |
| |
是用来监控的图表 |
| |
复杂的工业系统 |
| |
确定他们何时偏离 |
| |
从正常运行 |
| |
状况。 |
| |
我不会有太多时间 |
| |
深入模型方法论 |
| |
驱动多元控制 |
| |
图表，所以我会参考其他的 |
| |
自由的精彩演讲 |
| |
JMP 社区上提供 |
| |
如果您想了解更多详细信息。 我 |
| |
还应该说剑锋 |
| |
丁是初级 |
| |
模型驱动的开发者 |
| |
多变量控制 |
| |
与合作的图表 |
| |
克里斯·戈特瓦尔特和那个托尼娅 |
| |
莫尔丁和我是测试员。 这 |
| |
本次演讲的重点将是使用 |
| |
多变量控制图 |
| |
监控现实世界 |
| |
典型流程；另一本小说 |
| |
方面将使用控制 |
| |
在线流程图表 |
| |
监控。这意味着我们将 |
| |
连续监测数据 |
| |
它被添加到数据库中并且 |
| |
实时检测故障。 |
| |
所以我要开始 |
| |
上的强制性幻灯片 |
| |
多变量的优点 |
| |
控制图。 那么为什么不使用 |
| |
单变量控制图？ 那里 |
| |
有一批优秀的 |
| |
JMP 中的选项。 单变量 |
| |
控制图非常好 |
| |
用于分析一些的工具 |
| |
一次的变量。 然而， |
| |
质量控制数据通常 |
| |
高维和数 |
| |
您需要的控制图 |
| |
看看就能很快变成 |
| |
压倒。多变量 |
| |
控制图可以总结 |
| |
高维过程 |
| |
只需几个控制图， |
| |
所以这是一个关键优势。 |
| |
但这并不是说 |
| |
单因素控制图不是 |
| |
在此设置中很有用。 你会 |
| |
在整个演讲中看到 |
| |
故障诊断常常涉及 |
| |
多变量之间切换 |
| |
和单变量图表。 |
| |
多元控制图给出 |
| |
你的整体感 |
| |
过程的健康状况，同时 |
| |
单变量图表使您能够 |
| |
监测具体方面 |
| |
过程。所以信息是 |
| |
补充。目标之一 |
| |
监测多变量 |
| |
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。其缺点之一是 |
| |
单变量图表是 |
| |
观察结果可能出现在 |
| |
控制他们实际上的时间 |
| |
多变量失控 |
| |
感觉和这些图显示了我 |
| |
就是这个意思。 单变量 |
| |
石油和天然气控制图 |
| |
密度显示两者 |
| |
红色的观察结果如 |
| |
控制。然而，石油和密度 |
| |
高度相关并且两者 |
| |
观察失去控制。 |
| |
在多元意义上， |
| |
特别是观察51，其中 |
| |
相当违反相关性 |
| |
两个变量的结构， |
| |
所以多变量控制图 |
| |
可以选择这些类型 |
| |
异常值，而单变量 |
| |
控制图不能。 |
| |
模型驱动多元 |
| |
控制图使用投影 |
| |
构建图表的方法。 |
| |
我将首先解释 PCA |
| |
因为它很容易建立 |
| |
从那里。 PCA 减少了 |
| |
过程的维数 |
| |
将数据投影到低 |
| |
维度表面。 嗯， |
| |
如图所示 |
| |
在右侧。 我们有P |
| |
过程变量和 N |
| |
观察结果，以及 |
| |
P 中的载荷向量 |
| |
矩阵给出系数 |
| |
X 的线性组合 |
| |
导致的变量 |
| |
平方变量与 |
| |
尺寸 A，其中尺寸 |
| |
A比P小很多。 进而 |
| |
这显示在方程中 |
| |
左边在这里。 X 可以是 |
| |
预测为函数 |
| |
分数和负载，其中 E 是 |
| |
预测误差。 |
| |
这些分数被选择为 |
| |
最小化预测误差， |
| |
以及另一种思考方式 |
| |
这就是你正在最大化的 |
| |
解释的差异量 |
| |
在 X 矩阵中。 |
| |
那么PLS是更合适的 |
| |
投影法。 当你有 |
| |
一组过程变量和一个 |
| |
一组质量变量，你 |
| |
真的想确保 |
| |
质量变量保存在 |
| |
控制但这些变量 |
| |
往往是昂贵或耗时的 |
| |
消耗来收集。 植物 |
| |
可以在没有 |
| |
长期控制质量 |
| |
检测到故障之前的时间。 |
| |
所以 PLS 模型可以让你 |
| |
监控您的质量变量 |
| |
根据您的流程 |
| |
变量，你可以看到 |
| |
PLS 模型找到分数 |
| |
最大化的变量 |
| |
解释的变异量 |
| |
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 可以帮助您 |
| |
检测质量缺陷 |
| |
尽早制定流程 |
| |
监控更便宜。 然后从这里开始 |
| |
接下来我将重点关注 PLS |
| |
模型，因为它更多 |
| |
适合该示例。 |
| |
所以 PLS 模型划分了你的 |
| |
数据分成两个部分。 这 |
| |
第一个组件是模型 |
| |
成分。这给出了 |
| |
过程的预测值 |
| |
变量。 另一种思考方式 |
| |
关于它的是你的数据有 |
| |
被投影到模型中 |
| |
由你的分数定义的平面 |
| |
变量和 T 平方监视器 |
| |
您的数据的变化 |
| |
在这个模型平面内。 |
| |
第二个组成部分是 |
| |
错误组件。 这是 |
| |
与原来的距离 |
| |
数据和预测数据以及 |
| |
预测误差平方 (SPE) |
| |
图表监控这种变化。 |
| |
我们的另一个替代指标 |
| |
提供的是到模型的距离 |
| |
X 平面或 DModX。 这只是 |
| |
SPE 的标准化替代方案 |
| |
有些人更喜欢。 |
| |
最后一个概念是 |
| |
重要的是要理解 |
| |
demo 之间的区别是 |
| |
历史和当前数据。 |
| |
历史数据通常是 |
| |
流程完成时收集 |
| |
已知处于控制之中。 这些 |
| |
数据用于构建 PLS |
| |
建模并定义法线 |
| |
过程变化使得 |
| |
即可得到控制限。 |
| |
并分配当前数据 |
| |
基于模型的分数，但是 |
| |
与模型无关。 |
| |
另一种思考这个问题的方式 |
| |
是我们有培训并且 |
| |
测试集。 T 平方控制 |
| |
训练限制较低 |
| |
数据，因为我们期望更少 |
| |
不同情况下的可变性... |
| |
用于训练的观察 |
| |
模型而有更大的 |
| |
P 平方的变异性 |
| |
该模型推广到 E 检验 |
| |
放。幸运的是，理论 |
| |
T 平方的方差为 |
| |
已经解决了，所以我们可以得到 |
| |
这些控制限值基于 |
| |
一些分布假设。 |
| |
在演示中将进行监控 |
| |
田纳西伊士曼过程。 |
| |
我将展示一个简短的 |
| |
对这些数据的介绍。 这 |
| |
是化学物质的模拟 |
| |
由唐斯和 |
| |
沃格尔，伊士曼的两位化学家 |
| |
化学。 原来是 |
| |
用 Fortran 编写，但是有 |
| |
是 Matlab 的包装器和 |
| |
现在是Python。 我只是想注意 |
| |
虽然这个数据集是 |
| |
产生于上世纪90年代，至今仍 |
| |
主要数据集之一 |
| |
用于对多变量进行基准测试 |
| |
中的控制方法 |
| |
文学。它涵盖了 |
| |
多变量的主要任务 |
| |
控制得好并且有 |
| |
数量惊人 |
| |
模拟中的真实感。 |
| |
并且模拟是基于 |
| |
一个工业过程 |
| |
今天仍然具有现实意义。 |
| |
所以数据被操纵了 |
| |
以保护专有 |
| |
信息。 模拟的 |
| |
过程是生产 |
| |
两种液体产品 |
| |
内的气态反应物 |
| |
化工厂。 这里的 F 是 |
| |
副产品 |
| |
需要被虹吸 |
| |
偏离所需的产品。 |
| |
嗯还有... |
| |
这就是我要说的全部内容。 |
| |
所以流程图看起来 |
| |
很复杂，但事实并非如此 |
| |
太糟糕了，所以我会陪你走 |
| |
通过它。 气态 |
| |
反应物A、D、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 |
| |
然后冷却并凝结成 |
| |
冷凝器中的液体。 |
| |
然后是汽液分离器 |
| |
回收任何剩余的蒸气并 |
| |
将其送回反应堆 |
| |
通过压缩机，以及 |
| |
副产物和惰性化学品 B |
| |
在净化流中被净化， |
| |
这是为了防止任何 |
| |
积累。液体产品 |
| |
被泵送通过汽提塔， |
| |
其中剩余的反应物 |
| |
被剥夺。 |
| |
然后送回反应堆。 |
| |
最后， |
| |
纯化液体产品 |
| |
退出该进程。 |
| |
第一组变量是 |
| |
被监控的是被操纵的 |
| |
变量。 这些看起来像弓 |
| |
图中的关系。 我认为 |
| |
他们实际上应该是 |
| |
阀门和被操纵的 |
| |
过程...或被操纵 |
| |
变量主要控制 |
| |
通过不同的流量 |
| |
流程的流。 |
| |
并且这些变量可以被设置 |
| |
到限制内的任何值并且 |
| |
有一些高斯噪声。 |
| |
操纵变量能够 |
| |
以速率进行采样， |
| |
但我们使用默认的3 |
| |
分钟样本现在。 |
| |
一些被操纵的例子 |
| |
变量是阀门 |
| |
控制反应物的流动 |
| |
进入反应器。 |
| |
另一个例子是阀门 |
| |
控制流量的 |
| |
蒸汽进入汽提塔。 |
| |
另一个是一个阀门 |
| |
控制冷却液的流量 |
| |
进入反应器。 |
| |
下一组变量是 |
| |
测量变量。 这些都是 |
| |
如图中圆圈所示。 |
| |
他们还在三点进行了采样 |
| |
分钟间隔。 这 |
| |
被操纵之间的区别 |
| |
变量和测量 |
| |
变量是 |
| |
测量变量不能 |
| |
在模拟中被操纵。 |
| |
我们的质量变量将是 |
| |
的百分比组成 |
| |
两种液体产品和你 |
| |
可以看到分析仪 |
| |
在这里测量产品。 |
| |
这些变量的采样方式为 |
| |
相当长的时间延迟，所以 |
| |
我们正在考虑清洗 |
| |
流而不是出口 |
| |
流，因为这些数据是 |
| |
更早可用。 并且会使用 |
| |
用于监控过程的 PLS 模型 |
| |
变量作为这些的代理 |
| |
因为过程的变量 |
| |
变量的延迟较小并且 |
| |
影响更快的采样率。 |
| |
所以这应该足够了 |
| |
数据背景。 在 |
| |
总共有33个进程 |
| |
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，但当你 |
| |
可以看到相当数量的 |
| |
精心设计这个模型 |
| |
经过现实世界的过程之后。 这里 |
| |
是我正在做的演示的概述 |
| |
即将向您展示。 我们将收集 |
| |
有关我们流程和商店的数据 |
| |
这些数据在数据库中。 |
| |
我想要一个例子 |
| |
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相关 |
| |
数据库类型，因为大多数 |
| |
支持ODBC连接。 |
| |
JMP 形成 ODBC 后 |
| |
与数据库的连接， |
| |
JMP 可以定期检查 |
| |
新的观察结果并将其添加到 |
| |
一个数据表。 |
| |
如果我们有一个模型驱动 |
| |
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 |
| |
新数据出现时控制图表 |
| |
以及整个过程中 |
| |
将数据添加到数据库将 |
| |
可能会单独进行 |
| |
从电脑上的电脑 |
| |
那是在做监控。 所以 |
| |
我有两个 JMP 会话处于开放状态 |
| |
来效仿这个。 两场会议 |
| |
有自己的日记 |
| |
在材料上 |
| |
社区和会议 |
| |
添加新的模拟数据 |
| |
数据库将被调用 |
| |
流媒体会话和 |
| |
会议更新报告 |
| |
随着新数据的到来 |
| |
称为监控会话。 |
| |
我非常喜欢的一件事 |
| |
唐斯和沃格尔的论文是 |
| |
他们没有提供 |
| |
单一指标来评估 |
| |
过程的控制。 我有 |
| |
此处引用论文 |
| |
“我们认为权衡 |
| |
在可能的控制措施中 |
| |
策略和技术 |
| |
涉及的不仅仅是一个 |
| |
数学表达式。” |
| |
这是一些目标 |
| |
他们在论文中列出， |
| |
哪些与我们相关 |
| |
问题。他们想维持 |
| |
过程变量在 |
| |
期望值。 他们想要 |
| |
最大限度地减少产品的可变性 |
| |
干扰期间的质量，以及 |
| |
他们想尽快康复 |
| |
并顺利免受干扰。 |
| |
所以我们会看看我们的 |
| |
流程实现这些目标 |
| |
通过我们的监测方法。 |
| |
所以首先要在 |
| |
监控会话日志，我会 |
| |
向您展示我们的第一个数据集。 |
| |
数据表包含了所有 |
| |
我引入的变量 |
| |
早些时候。第一个变量是 |
| |
测量变量；这 |
| |
其次是成分。 |
| |
第三个是 |
| |
操纵变量。 |
| |
这里的脚本适合 |
| |
PLS 模型。 它排除了 |
| |
最后 100 行作为测试集。 |
| |
只是作为一个提醒， |
| |
该模型预测 2 |
| |
产品成分 |
| |
变量作为函数 |
| |
过程变量。 如果 |
| |
你有 JMP Pro，在那里 |
| |
已经有一定的速度 |
| |
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 |
| |
三角形菜单。 有 |
| |
也曾有过一些 |
| |
性能改进 |
| |
在引擎盖下。 |
| |
主要与数据集相关 |
| |
与大量 |
| |
观察，但那是 |
| |
多变量中常见 |
| |
过程监控设置。 |
| |
但PLS并不是重点 |
| |
说话，所以我已经适应了 |
| |
模型和输出分数列 |
| |
你可以在这里看到它们。 |
| |
显示器的原因之一 |
| |
多变量控制图是 |
| |
设计成这样，就是这样 |
| |
想象你是一名统计学家 |
| |
并且您想分享您的模型 |
| |
与工程师一起，这样他们就可以 |
| |
构建控制图。 全部 |
| |
你需要做的是提供 |
| |
具有这些公式的数据表 |
| |
列。你不需要分享 |
| |
所有关于你如何的血淋淋的细节 |
| |
适合您的模型。 |
| |
接下来我给大家评分 |
| |
列来监控 |
| |
多变量控制图。 |
| |
将其拖到此处的右侧。 |
| |
所以在左边你可以看到 |
| 两种类型的控制图 |
这 |
| |
T 平方和 SPE。 |
| |
嗯，有 860 个观察结果 |
| |
用于估计 |
| |
模型，这些被标记为 |
| |
历史的。然后是一百 |
| |
被遗漏作为测试集 |
| |
是您当前的数据。 |
| |
并且你可以看到在极限中 |
| |
总结、点数 |
| |
那些失去控制的和 |
| |
显着性水平。 嗯，如果你 |
| |
想要改变意义 |
| |
水平，你可以在这里做 |
| |
红色三角形菜单。 |
| |
因为反应堆正常 |
| |
运营条件，我们预计 |
| |
没有观察结果 |
| |
控制，但我们有一些错误 |
| |
这里有积极的一面，因为我们 |
| |
没有做出任何调整 |
| |
多重比较。 它是 |
| |
据我所知，这样做并不常见 |
| |
可以说，在多元 |
| |
控制图。 我想你 |
| |
具有更高的检测能力 |
| |
控制信号没有 |
| |
更正。在控制图中 |
| |
行话，这意味着你出局了 |
| |
的控制。 平均游程长度 |
| |
保持低电平。 |
| |
所以我们在右边 |
| |
也有贡献 |
| |
绘图和 Y 轴上是 |
| |
观察结果；在X上 |
| |
轴，变量。 A |
| |
贡献被表达 |
| |
作为一部分。 |
| |
然后在底部， |
| |
我们有分数图。 正确的 |
| |
现在我正在绘制第一个 |
| |
分数维度与 |
| |
第二个分数维度，但是 |
| |
你可以看任何 |
| |
分数组合 |
| |
使用这个尺寸 |
| |
下拉菜单或箭头 |
| |
按钮。 |
| |
好的，所以我认为我们已经定位了 |
| |
到报告。 我要去 |
| |
现在切换到 |
| |
我用来流式传输的脚本 |
| |
数据存入数据库 |
| |
报告正在监测。 |
| |
为了为此做任何事 |
| |
例如，您需要有一个 |
| |
安装 SQLite ODBC 驱动程序 |
| |
为您的计算机。 这更容易 |
| |
在 Windows 计算机上执行， |
| |
这是你经常使用的 |
| |
当实际连接到 |
| |
数据库。 Mac 上的流程 |
| |
涉及更多，但我放了一些 |
| |
社区说明 |
| |
页。然后我就没有时间了 |
| |
谈论这个，但我 |
| |
创建了 SQLite 数据库 |
| |
我将在 JMP 中使用 |
| |
计划放置一些说明 |
| |
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 |
| |
如果你想这样做 |
| |
自己的数据。 |
| |
接下来我要展示 |
| |
你是我放的文件 |
| |
在 SQLite 数据库中。 |
| |
我这里有历史数据。 |
| |
这被用来构建 |
| |
PLS 模型。 有960个 |
| |
中的观察结果 |
| |
控制。然后我有 |
| |
监测数据，首先 |
| |
只包含历史 |
| |
数据，但我会逐渐添加新的 |
| |
数据到此。 这是数据 |
| |
即多变量控制 |
| |
图表将被监控。 |
| |
然后我模拟了新的 |
| |
数据已经并将其添加到 |
| |
数据表在这里。 这些都是 |
| |
另外 960 个奇怪的测量值 |
| |
故障发生在 |
| |
某个时间点。 我想要 |
| |
有一些容易得到的东西 |
| |
分享，所以我不会跑步 |
| |
我的模拟脚本并添加到 |
| |
数据库就是这样。 是 |
| |
只是要进行观察 |
| |
从这个新的数据表和 |
| |
将它们移至监控 |
| |
使用一些 JSL 的数据表和 |
| |
SQL 语句。 这只是一个 |
| |
模拟过程的示例 |
| |
新数据进入 |
| |
数据库。不知怎的，你可能不会 |
| |
实际上使用 JMP 执行此操作，但是 |
| |
这是一个展示的机会 |
| |
如何使用 JSL 做到这一点。 |
| |
清理这里。 |
| |
接下来我将向你展示这个 |
| |
流式脚本。 这是一个 |
| |
简单的脚本，所以我要 |
| |
快速引导您完成它。 |
| |
这第一组 |
| |
命令将打开 |
| |
新数据表和 |
| |
它在 SQLite 数据库中， |
| |
所以它打开表 |
| |
背景所以我不必 |
| |
处理窗户。 |
| |
然后我就去拿碎片 |
| |
从此数据表中添加 |
| |
他们到监测数据 |
| |
桌子。我称这些碎片为 |
| |
咬一口，一口大小为 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。 |
| |
然后接下来的一点 |
| |
代码是 |
| |
迭代发送SQL |
| |
插入新的语句 |
| |
数据纳入监控数据。 |
| |
我要去 |
| |
初始化 K 并显示 |
| |
第一次迭代。 |
| |
这是一个简单的SQL语句， |
| |
插入到语句中 |
| |
插入前 20 个 |
| |
对数据的观察 |
| |
桌子。这个打印语句是 |
| |
注释掉，以便代码 |
| |
跑得更快然后我也 |
| |
有一个等待语句来减慢速度 |
| |
事情略有下降，以便 |
| |
我们可以看到他们的进步 |
| |
在控制图中。 |
| |
这一切进展得太快了 |
| |
如果我不放慢速度的话。 |
| |
嗯，那么接下来我要搬家了 |
| |
转到监控会话 |
| |
向您展示脚本 |
| |
这将更新报告 |
| |
当新数据进来时。 |
| |
第一个脚本很简单 |
| |
脚本。这将检查 |
| |
数据库每 0.2 秒 |
| |
新的观察结果并添加它们 |
| |
到 JMP 表。 自从 |
| |
报告自动重新计算 |
| |
打开后，报告将更新 |
| |
每当添加新数据时。 和 |
| |
我应该补充一点 |
| |
实际上， |
| |
你可能不会使用 |
| |
只是迭代的脚本 |
| |
这。您可能使用任务 |
| |
Windows 中的调度程序或 |
| |
Mac 上的 Automator 变得更好 |
| |
安排脚本的运行。 |
| |
然后还有另一个 |
| |
脚本将 |
| |
将报告推送至 JMP Public |
| |
每当报告更新时， |
| |
我真的很兴奋 |
| |
JMP 15 可以实现这一点。 |
| |
它使任何具有 |
| |
用于查看更新的网络浏览器 |
| |
控制图。 然后你 |
| |
甚至可以查看报告 |
| |
你的智能手机，所以这使得 |
| |
分享真的很容易 |
| |
跨组织的结果。 |
| |
您还可以使用 JMP Live |
| |
如果您想要报告 |
| |
在受限服务器上。 |
| |
我没有时间 |
| |
进入这个 |
| |
演示，但你可以查看 |
| |
我的探索美洲演讲。 |
| |
然后最后在这里，有 |
| |
重新创建的脚本 |
| |
数据中的历史数据 |
| |
如果你想运行表 |
| |
多次举例。 |
| |
好的，接下来...确保 |
| |
我们有历史数据... |
| |
我要运行 |
| |
流式传输脚本并查看 |
| |
报告如何更新。 |
| |
所以数据控制在 |
| |
首先，然后是一个错误 |
| |
介绍了，但是有一个 |
| |
全厂控制系统 |
| |
这是在 |
| |
模拟，你可以看到 |
| |
控制系统如何 |
| |
最终带来过程 |
| |
达到新的平衡。 |
| |
在这里等待它完成。 |
| |
所以如果我们放大的话 |
| |
看起来首先是过程 |
| |
对此失去了控制 |
| |
时间点，所以我要去 |
| |
给它上色并 |
| |
标记它，但它会 |
| |
出现在其他情节中。 |
| |
然后在 SPE 图中， |
| |
看起来像这样 |
| |
观察也出 |
| |
控制，但只是轻微的。 |
| |
然后如果我们放大 |
| |
的时间点 |
| |
贡献图，你可以 |
| |
看到有很多 |
| |
变量有助于 |
| |
失控信号 |
| |
第一的。但随后一旦 |
| |
过程达到一个新的 |
| |
平衡，只有 |
| |
两个大贡献者。 |
| |
所以我要消除热量 |
| |
现在要清理一下地图。 |
| |
您可以将鼠标悬停在 |
| |
该过程的点 |
| |
首先失控并且 |
| |
看看前十名 |
| |
贡献变量。 这 |
| |
非常适合给你一个 |
| |
快速概览哪些变量 |
| |
贡献最大的是 |
| |
失控信号。 |
| |
然后如果我点击情节， |
| |
这将被附加到 |
| |
故障诊断部分。 |
| |
正如你所看到的，有 |
| |
几个大的变量 |
| |
贡献并刚刚排序 |
| |
关于贡献。 |
| |
对于变量 |
| |
观察到的红条是 |
| |
单变量失控 |
| |
控制图。 你可以看到 |
| |
将鼠标悬停在其中之一上即可 |
| |
条形图和这些图谱 |
| |
是 IR 图 |
| |
个体变量与 |
| |
三西格玛控制限。 |
| |
你可以在脱衣舞中看到 |
| |
压力变量 |
| |
观察超出了 |
| |
控制，但最终 |
| |
进程被带回到 |
| |
控制。情况就是这样 |
| |
对于另一个顶部 |
| |
贡献者。我也来展示一下 |
| |
你是变量之一 |
| |
在我们能控制的地方 |
| |
单变量控制图。 |
| |
所以这个过程是... |
| |
有很多变数 |
| |
过程中的控制 |
| |
开始，但是 |
| |
过程最终达到 |
| |
新的平衡。 |
| |
嗯... |
| |
查看变量 |
| |
对转变贡献最大的是 |
| |
这个过程，我们可以使用均值 |
| |
贡献比例图。 |
| |
这些图显示了平均值 |
| |
变量的贡献 |
| |
必须对该组进行 T 平方 |
| |
我已经选择了。 嗯，如果我在这里 |
| |
对这些进行排序。 |
| |
仅有的两个变量 |
| |
巨大的贡献衡量 |
| |
反应物A的流速 |
| |
流一，即流 |
| |
将此反应物放入反应器中。 |
| |
这两个变量都是 |
| |
本质上测量的是 |
| |
同样的事情，除了一个 |
| |
测量...一个是一个 |
| |
测量变量和 |
| |
另一个是被操纵的 |
| |
多变的。 |
| |
你可以看到有一个 |
| |
流量的大阶跃变化 |
| |
速率，这是我编程的 |
| |
在模拟中。 所以这些 |
| |
贡献图可以让你 |
| |
快速找出根本原因。 |
| |
然后在我之前的演讲中我 |
| |
展示了许多其他方法 |
| |
可视化和诊断故障 |
| |
使用分数图中的工具。 |
| |
这包括绘制 |
| |
分数图上的载荷和 |
| |
做一些小组比较。 |
| |
你可以看看我的发现 |
| |
美洲关于 JMP 的讨论 |
| |
社区为此。 相反，我是 |
| |
将花费剩下的时间 |
| |
是时候介绍一些新的了 |
| |
例子，我把它放在 |
| |
本次演讲的社区页面。 |
| |
所以。 |
| |
有20个可编程故障 |
| |
在田纳西伊士曼流程中 |
| |
并且它们可以被引入到任何 |
| |
组合。我提供了另外两个 |
| |
这里有代表性的故障。 过错 |
| |
我之前展示的 1 是 |
| |
很容易检测到，因为输出 |
| |
控制信号太大 |
| |
这么多的变量 |
| |
涉及。 重点放在 |
| |
之前的演示是为了展示如何 |
| |
使用工具并识别。 |
| |
大量故障中 |
| |
变量而不是基准 |
| |
方法必然。 |
| |
另一方面，故障4 |
| |
是一个更微妙的错误， |
| |
我将在这里向您展示。 |
| |
问题是我……已经编程了 |
| |
是突然增加 |
| |
反应器内的温度。 |
| |
这是通过以下方式补偿的 |
| |
控制系统通过增加 |
| |
冷却液的流量。 |
| |
你可以看到 |
| |
此处选取的变量和 |
| |
你可以看到转变 |
| |
贡献图。 |
| |
然后你还可以看到 |
| |
大多数其他变量 |
| |
不受影响 |
| |
由过失。 你可以看到一个 |
| |
这里的温度飙升 |
| |
很快被带回 |
| |
控制。因为大多数其他 |
| |
变量不受影响，这 |
| |
对某些人来说很难察觉 |
| |
多变量控制方法。 |
| |
而且还可以更多 |
| |
难以诊断。 |
| |
我要告诉你的最后一个错误 |
| |
是故障11。 |
| |
与故障4一样，它也涉及 |
| |
冷却剂流入 |
| |
反应堆，除了现在的故障 |
| |
引入大的振荡 |
| |
流量，我们可以 |
| |
参见单变量控制 |
| |
图表。这导致了 |
| |
反应器波动 |
| |
温度。另一个 |
| |
变量并不是真正的 |
| |
再次受到影响，所以这可以是 |
| |
对某些人来说更难发现 |
| |
方法。一些多元 |
| |
控制方法可以采取 |
| |
故障 4，但不是故障 11 或 |
| |
反之亦然。 但我们的方法是 |
| |
能够同时接受。 |
| |
最后，所有的 |
| |
我使用创建的示例 |
| |
田纳西伊士曼工艺有 |
| |
中明显的故障 |
| |
T 平方图和 SPE 图。 到 |
| |
显示一些较新的功能 |
| |
模型驱动多元 |
| |
控制图，我想展示 |
| |
一个错误的例子 |
| |
出现在 SPE 图表中，但未出现 |
| |
T 平方。 并且要找到一个好的 |
| |
举个例子，我重新审视了 |
| |
其中数据集为丁建峰 |
| |
在她之前的演讲中提出过，并且 |
| |
我提供了她演讲的链接 |
| |
在这本杂志中。 |
| |
在她的社区页面上， |
| |
她提供了几个 |
| |
有用的例子是 |
| |
也值得一看。 |
| |
这是来自 Cordia 的数据集 |
| |
麦格雷戈（？）的经典论文 |
| |
多变量控制图。 这 |
| |
数据是经过处理的变量 |
| |
在反应器中测量，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 |
| |
有一个进程退出了 |
| |
控制。让我告诉你这个。 |
| |
而且已经失控了... |
| |
SPE 图表中的时间早于 |
| |
T 平方。 |
| |
如果我们看一下平均值 |
| |
贡献 |
| |
SPE 绘图， |
| |
你可以 |
| |
看到有一个变量 |
| |
有很大的贡献和它 |
| |
也显示出巨大的转变 |
| |
单变量控制图，但是 |
| |
还有其他变量 |
| |
做出了巨大的贡献，但是 |
| |
仍处于控制之中 |
| |
单变量控制图。 |
| |
并且很难确定 |
| |
仅是条形图为什么这些 |
| |
变量有很大的 |
| |
贡献。大 SPE 值 |
| |
当新数据不存在时发生 |
| |
遵循相关结构 |
| |
的历史数据，即 |
| |
当新数据出现时经常出现这种情况 |
| |
收集起来，这意味着 |
| |
你训练的 PLS 模型是 |
| |
不再适用。 |
| |
从条形图来看，很难 |
| |
知道哪对变量 |
| |
有其相关结构 |
| |
破碎的。 15.2 如此新，你 |
| |
可以启动散点图矩阵。 |
| |
并且很明显在 |
| |
散点图矩阵 |
| |
违反相关性 |
| |
Z2 是驱动力 |
| |
这些巨大的贡献。 |
| |
好的，我要切换回来 |
| |
到 PowerPoint。 |
| |
很快，我会总结一下 |
| |
模型驱动的主要特点 |
| |
多元控制图 |
| |
已在演示中展示。 这 |
| |
平台能够 |
| |
执行两个在线故障 |
| |
检测及离线故障 |
| |
诊断。有许多 |
| |
平台提供的方法 |
| |
用于深入到根部 |
| |
故障原因。 我正在向你展示 |
| |
这里有一些来自流行的情节 |
| |
书，故障检测和 |
| |
工业系统诊断。 |
| |
在整本书中，作者 |
| |
展示一个人需要如何 |
| |
使用多变量和单变量 |
| |
并排控制图 |
| |
了解正在发生的事情 |
| |
在一个过程中。 |
| |
一个特别有用的 |
| |
模型驱动多元特征 |
| |
控制图是怎样的 |
| |
互动且用户友好 |
| |
就是在这些之间切换 |
| |
两种类型的图表。 |
| |
这就是我的演讲。 这是 |
| |
我的电子邮件如果你有的话 |
| |
进一步的问题。 和 |
| |
感谢大家 |
| |
收看这个。 |
爆发数据访问和操作质量和可靠性
