레벨 : 중급
Jeremy Ash, JMP 분석 소프트웨어 테스터, SAS
MDMCC (Model Driven Multivariate Control Chart) 플랫폼을 통해 사용자는 PCA 또는 PLS 모델을 기반으로 관리도를 작성할 수 있습니다. 이들은 고차원 데이터 세트의 결함 감지 및 진단에 사용할 수 있습니다.실제 산업 화학 공정 인 Tennessee Eastman Process의 시뮬레이션을 사용하여 PLS 모델의 MDMCC 모니터링을 시연합니다. 시뮬레이션 중에 화학 반응기가 기체 반응물에서 액체 생성물을 생성함에 따라 품질 및 공정 변수가 측정됩니다. JMP를 외부 데이터베이스에 연결하여 MDMCC가 온라인 모니터링을 수행하는 방법을 보여줍니다.제품 품질 변수를 측정하려면 측정이 가능하기 전에 시간 지연이 발생하여 결함 감지를 상당히 지연시킬 수 있습니다. MDMCC가 PLS 모델을 모니터링 할 때 제품 품질 변수의 변동이 프로세스 변수의 함수로 모니터링됩니다. 프로세스 변수는 종종 더 쉽게 사용할 수 있으므로 결함을 조기에 발견하는 데 도움이 될 수 있습니다. 또한 오프라인 설정에서 오류 진단을 시연합니다. 여기에는 종종 다변량 관리도, 일 변량 관리도 및 진단 플롯 간 전환이 포함됩니다.MDMCC는 이러한 플롯 사이를 이동할 수있는 사용자 친화적 인 인터페이스를 제공합니다.
자동 생성 스크립트 ...
스피커
|
성적 증명서
|
| |
안녕하세요, Jeremy Ash입니다. 나는 |
| |
JMP R & D의 통계 학자. 내 일 |
| |
주로 테스트로 구성됨 |
| |
다변량 통계 |
| |
JMP의 플랫폼이지만 |
| |
연구 및 평가에 도움 |
| |
방법론. 오늘은 |
| |
테네시를 분석하고있다 |
| |
일부를 사용하는 Eastman 프로세스 |
| |
통계적 공정 제어 |
| |
JMP의 메소드. 할거다 |
| |
특별한주의를 기울이고있다 |
| |
모델 기반 다변량 |
| |
제어 차트 플랫폼입니다. |
| |
JMP 15에 새로 추가되었습니다. |
| |
이러한 데이터는 |
| |
쇼케이스 기회 |
| |
플랫폼의 수 |
| |
풍모. 그리고 빠르게 |
| |
면책 조항, 이것은 |
| |
나의 Discovery Americas 이야기. 우리 |
| |
유럽이 본 적이 없다는 것을 깨달았습니다 |
| |
모델 기반 다 변수 |
| |
모든 때문에 제어 차트 이야기 |
| |
COVID를 둘러싼 광기 때문에 |
| |
기본에 집중하기로 결정했습니다. |
| |
하지만 새로운 재료가 있습니다 |
| |
이야기의 끝에. 악 |
| |
몇 가지 추가 사항을 간략히 설명합니다. |
| |
예제 분석을 한 다음 |
| |
강연을위한 커뮤니티 페이지. |
| |
먼저 지식이 있다고 가정하겠습니다. |
| |
통계적 공정 제어 |
| |
이 강연에서. 가장 중요한 것은 |
| |
알면 도움이 될 것입니다 |
| |
컨트롤 차트입니다. 만약 당신이 |
| |
이것들에 익숙하지 않은 |
| |
모니터링하는 데 사용되는 차트입니다. |
| |
복잡한 산업 시스템 |
| |
그들이 언제 이탈하는지 결정 |
| |
정상 작동에서 |
| |
정황. |
| |
시간이 많지 않을거야 |
| |
모델의 방법론으로 이동 |
| |
구동 다 변수 제어 |
| |
차트, 그래서 나는 이것들을 참조 할 것입니다 |
| |
자유롭게 좋은 대화 |
| |
JMP 커뮤니티에서 사용 가능 |
| |
더 자세한 정보를 원하시면. 나는 |
| |
또한 Jianfeng |
| |
Ding은 기본이었습니다. |
| |
모델 주도의 개발자 |
| |
다변량 제어 제어 |
| |
공동 차트 |
| |
Chris Gotwalt와 Tonya |
| |
Mauldin과 나는 테스터였습니다. 그만큼 |
| |
이 강연의 초점은 |
| |
다변량 관리도를 |
| |
현실 세계를 감시하다 |
| |
전형적인 과정; 또 다른 소설 |
| |
측면은 제어를 사용합니다 |
| |
온라인 프로세스 용 차트 |
| |
모니터링. 이것은 우리가 |
| |
지속적으로 데이터 모니터링 |
| |
데이터베이스에 추가되고 |
| |
실시간으로 결함을 감지합니다. |
| |
그래서 시작하겠습니다. |
| |
의 필수 슬라이드 |
| |
다 변수의 장점 |
| |
제어 차트. 그래서 사용하지 않는 이유 |
| |
일 변량 관리도? 그곳에 |
| |
수많은 우수 |
| |
JMP의 옵션. 일 변량 |
| |
관리도는 훌륭합니다 |
| |
몇 가지 분석 도구 |
| |
한 번에 변수. 하나, |
| |
품질 관리 데이터는 종종 |
| |
높은 차원과 숫자 |
| |
필요한 관리 차트의 |
| |
빨리 될 수 있습니다 |
| |
압도적입니다. 다 변수 |
| |
제어 차트는 |
| |
높은 차원의 과정 |
| |
몇 개의 관리도, |
| |
이것이 주요 이점입니다. |
| |
하지만 그렇게 말하는 것은 아닙니다. |
| |
단일 관리도는 |
| |
이 설정에서 유용합니다. 당신은 |
| |
강연 내내 |
| |
고장 진단에는 종종 |
| |
다 변수 간 전환 |
| |
및 일 변량 차트. |
| |
다변량 관리도는 |
| |
당신은 전반적인 감각 |
| |
프로세스의 상태 |
| |
일 변량 차트를 사용하면 |
| |
의 특정 측면을 모니터링 |
| |
방법. 그래서 정보는 |
| |
보완. 목표 중 하나 |
| |
다 변수 모니터링 |
| |
제어 차트는 일부를 제공하는 것입니다 |
| |
전환에 유용한 도구 |
| |
이 두 가지 유형 사이 |
| |
차트. 한 가지 단점 |
| |
일 변량 차트는 |
| |
관찰이있을 수 있습니다. |
| |
그들이 실제로 때 제어 |
| |
다변량에서 통제 불능 |
| |
감각과이 플롯은 내가 |
| |
이것은 의미합니다. 일 변량 |
| |
오일 및 |
| |
밀도는 둘을 보여줍니다 |
| |
빨간색으로 관찰 |
| |
제어. 그러나 기름과 밀도 |
| |
상관 관계가 높고 둘 다 |
| |
관찰이 통제 불능입니다. |
| |
다변량 의미에서 |
| |
특히 관찰 51, |
| |
상관 관계를 상당히 위반하다 |
| |
두 변수의 구조, |
| |
그래서 다변량 관리도 |
| |
이러한 유형의 |
| |
특이 치, 일 변량 |
| |
컨트롤 차트는 할 수 없습니다. |
| |
모델 기반 다 변수 |
| |
관리도는 투영을 사용합니다. |
| |
차트를 구성하는 방법. |
| |
먼저 PCA에 대해 설명하겠습니다. |
| |
구축하기 쉽기 때문에 |
| |
거기에서. PCA는 |
| |
프로세스의 차원 |
| |
데이터를 낮게 투영 |
| |
차원 표면. 음, |
| |
이것은 그림에 표시됩니다 |
| |
오른쪽으로. 우리는 P |
| |
공정 변수 및 N |
| |
관찰, 그리고 |
| |
P의 로딩 벡터 |
| |
행렬에 대한 계수 제공 |
| |
X의 선형 조합 |
| |
결과 변수 |
| |
제곱 변수 |
| |
차원 A, 여기서 차원 |
| |
A는 P보다 훨씬 작습니다. 그리고 |
| |
이것은 방정식에 표시됩니다 |
| |
여기 왼쪽. X는 |
| |
의 함수로 예측 |
| |
점수 및 적재, 여기서 E는 |
| |
예측 오류. |
| |
이 점수는 |
| |
예측 오류를 최소화하고 |
| |
그리고 생각하는 또 다른 방법 |
| |
이것은 당신이 최대화하고 있다는 것입니다 |
| |
설명 된 분산의 양 |
| |
X 행렬에서. |
| |
그렇다면 PLS가 더 적합합니다. |
| |
프로젝션 방법. 당신이 가지고 있을때 |
| |
일련의 프로세스 변수 및 |
| |
품질 변수 세트, |
| |
정말로 확인하고 싶습니다 |
| |
품질 변수는 |
| |
제어하지만 이러한 변수 |
| |
종종 비싸거나 시간 |
| |
수집하는 데 소비. 플랜트 |
| |
없이 제품을 만들 수 있습니다 |
| |
오랫동안 관리 품질 |
| |
오류가 감지되기까지의 시간. |
| |
따라서 PLS 모델을 사용하면 |
| |
품질 변수 모니터링 |
| |
프로세스의 기능으로 |
| |
변수를 볼 수 있습니다. |
| |
PLS 모델은 점수를 찾습니다 |
| |
최대화하는 변수 |
| |
설명 된 변동의 양 |
| |
품질 변수. |
| |
이러한 프로세스 변수는 |
| |
종종 더 저렴하거나 더 쉽게 |
| |
사용 가능하므로 PLS를 통해 |
| |
품질 결함 감지 |
| |
일찍 그리고 당신의 과정을 만드십시오 |
| |
저렴하게 모니터링합니다. 그리고 여기에서 |
| |
밖으로 나는 PLS에 초점을 맞출 것입니다 |
| |
더 많기 때문에 모델 |
| |
예에 적합합니다. |
| |
따라서 PLS 모델은 |
| |
데이터를 두 가지 구성 요소로 만듭니다. 그만큼 |
| |
첫 번째 구성 요소는 모델입니다. |
| |
구성 요소. 이것은 |
| |
공정의 예측 값 |
| |
변수. 생각하는 또 다른 방법 |
| |
그것에 대해 당신의 데이터가 |
| |
모델에 투영되었습니다 |
| |
점수로 정의 된 비행기 |
| |
변수 및 T 제곱 모니터 |
| |
데이터의 변형 |
| |
이 모델 평면 내에서. |
| |
그리고 두 번째 구성 요소는 |
| |
오류 구성 요소. 이것이 |
| |
원본 사이의 거리 |
| |
데이터 및 예측 데이터 및 |
| |
제곱 예측 오차 (SPE) |
| |
차트는 이러한 변화를 모니터링합니다. |
| |
또 다른 대체 측정 항목은 |
| |
제공하는 것은 모델까지의 거리입니다 |
| |
X 평면 또는 DModX. 이것은 단지 |
| |
SPE의 정규화 된 대안 |
| |
어떤 사람들은 선호합니다. |
| |
마지막 개념은 |
| |
이해하는 것이 중요합니다 |
| |
데모는 |
| |
과거 및 현재 데이터. |
| |
과거 데이터는 일반적으로 |
| |
프로세스가 |
| |
통제하는 것으로 알려져 있습니다. 이들 |
| |
데이터는 PLS를 구축하는 데 사용됩니다. |
| |
모델 및 법선 정의 |
| |
프로세스 변화를 |
| |
제어 한계를 얻을 수 있습니다. |
| |
그리고 현재 데이터가 할당됩니다. |
| |
모델에 따라 점수가 있지만 |
| |
모델과 무관합니다. |
| |
이것에 대해 생각하는 또 다른 방법 |
| |
우리는 훈련을 받고 |
| |
테스트 세트. T 제곱 컨트롤 |
| |
훈련에 대한 제한이 낮습니다. |
| |
우리는 더 적은 것을 기대하기 때문에 |
| |
다양한 가변성 ... |
| |
교육에 사용되는 관찰 |
| |
모델이 더 큰 반면 |
| |
P 제곱의 변동성 |
| |
모델이 E 테스트로 일반화 됨 |
| |
세트. 다행히도 이론 |
| |
T 제곱의 분산은 다음과 같습니다. |
| |
우리가 얻을 수 있도록 운동되었습니다 |
| |
이러한 관리 한계는 |
| |
일부 분포 가정. |
| |
데모에서 모니터링됩니다 |
| |
테네시 이스트만 프로세스. |
| |
나는 단편을 발표 할 것이다 |
| |
이 데이터에 대한 소개. 이 |
| |
화학 시뮬레이션입니다 |
| |
다운스가 개발 한 프로세스와 |
| |
보겔, Eastman의 두 화학자 |
| |
화학. 원래 |
| |
Fortran으로 작성되었지만 |
| |
Matlab의 래퍼이며 |
| |
지금 파이썬. 나는 단지 주목하고 싶었다 |
| |
이 데이터 세트는 |
| |
90 년대에 생성되었지만 여전히 |
| |
기본 데이터 세트 중 하나 |
| |
다 변수를 벤치마킹하는 데 사용 |
| |
제어 방법 |
| |
문학. 그것은 다룹니다 |
| |
다 변수의 주요 작업 |
| |
잘 통제하고있다 |
| |
인상적인 양 |
| |
시뮬레이션의 현실감. |
| |
그리고 시뮬레이션은 |
| |
산업 프로세스 |
| |
오늘날에도 여전히 관련이 있습니다. |
| |
그래서 데이터가 조작되었습니다 |
| |
소유권을 보호하기 위해 |
| |
정보. 시뮬레이션 |
| |
과정은 생산입니다 |
| |
두 가지 액체 제품 |
| |
내부의 기체 반응물 |
| |
화학 공장. 그리고 여기 F는 |
| |
부산물 |
| |
그것은 흡입해야 할 것입니다 |
| |
원하는 제품에서 떨어져. |
| |
음 그리고 ... |
| |
그게 내가 그것에 대해 말할 모든 것입니다. |
| |
따라서 프로세스 다이어그램은 |
| |
복잡하지만 실제로는 그렇지 않습니다 |
| |
그렇게 나쁘게 걸어 갈게 |
| |
그것을 통해. 텅빈 |
| |
반응물 A, D 및 E가 |
| |
여기 원자로. |
| |
반응이 일어나고 |
| |
제품은 가스로 남습니다. 이것의 |
| |
그런 다음 냉각 및 응축 |
| |
콘덴서에있는 액체. |
| |
그런 다음 증기 액체 분리기 |
| |
남아있는 증기를 재활용하고 |
| |
원자로로 다시 보냅니다. |
| |
압축기를 통해 |
| |
부산물 및 불활성 화학 물질 B |
| |
퍼지 스트림에서 퍼지됩니다. |
| |
그리고 그것은 모든 것을 방지하는 것입니다 |
| |
축적. 액체 제품 |
| |
스트리퍼를 통해 펌핑되고 |
| |
나머지 반응물 |
| |
벗겨집니다. |
| |
그리고 원자로로 다시 보내졌습니다. |
| |
그리고 마지막으로 |
| |
정제 된 액체 제품 |
| |
프로세스를 종료합니다. |
| |
첫 번째 변수 세트는 |
| |
모니터링은 조작 |
| |
변수. 이건 활 같아 |
| |
다이어그램에서 동점. 나는 생각한다 |
| |
그들은 실제로 |
| |
밸브 및 조작 |
| |
프로세스 ... 또는 조작 된 |
| |
변수는 대부분 |
| |
다른을 통한 유속 |
| |
과정의 흐름. |
| |
그리고 이러한 변수를 설정할 수 있습니다. |
| |
한도 내의 모든 값 및 |
| |
가우스 잡음이 있습니다. |
| |
조작 된 변수는 |
| |
비율로 샘플링 할 수 있습니다. |
| |
하지만 우리는 기본값 3을 사용합니다. |
| |
분 샘플 지금. |
| |
조작의 몇 가지 예 |
| |
변수는 |
| |
반응물의 흐름 제어 |
| |
원자로에. |
| |
또 다른 예는 밸브입니다. |
| |
흐름을 제어하는 |
| |
스트리퍼에 증기. |
| |
그리고 다른 하나는 |
| |
냉각수의 흐름을 제어 |
| |
원자로에. |
| |
다음 변수 세트는 |
| |
측정 변수. 이것들은 |
| |
다이어그램에서 원으로 표시됩니다. |
| |
그들은 또한 3시에 샘플링되었습니다 |
| |
분 간격. 그만큼 |
| |
조작의 차이 |
| |
변수 및 측정 |
| |
변수는 |
| |
측정 변수는 |
| |
시뮬레이션에서 조작됩니다. |
| |
우리의 품질 변수는 |
| |
백분율 구성 |
| |
두 가지 액체 제품과 당신 |
| |
분석기를 볼 수 있습니다 |
| |
여기에서 제품을 측정합니다. |
| |
이러한 변수는 |
| |
상당한 시간 지연, 그래서 |
| |
우리는 퍼지를보고 있습니다 |
| |
출구 대신 스트림 |
| |
이러한 데이터는 |
| |
이전에 사용할 수 있습니다. 그리고 사용할 것입니다 |
| |
프로세스 모니터링을위한 PLS 모델 |
| |
이들에 대한 프록시로 변수 |
| |
프로세스가 |
| |
변수는 지연이 적고 |
| |
더 빠른 샘플링 속도에 영향을 미칩니다. |
| |
그래서 충분합니다 |
| |
데이터에 대한 배경. 에 |
| |
총 33 개의 프로세스가 있습니다. |
| |
변수와 두 가지 품질 |
| |
변수. 과정 |
| |
변수 수집은 |
| |
세트로 시뮬레이션 |
| |
미분 방정식. 이 |
| |
시뮬레이션 일 뿐이지 만 |
| |
상당한 양을 볼 수 있습니다 |
| |
이 모델링에 관심이 |
| |
실제 프로세스 후에. 여기 |
| |
데모의 개요입니다. |
| |
보여 주려고합니다. 우리는 수집합니다 |
| |
우리의 프로세스 및 저장에 대한 데이터 |
| |
이러한 데이터는 데이터베이스에 있습니다. |
| |
나는 예를 갖고 싶었다. |
| |
공유하기 쉬웠으므로 |
| |
SQLite 데이터베이스를 사용하지만 |
| |
워크 플로는 대부분의 |
| |
대부분의 이후 데이터베이스 유형 |
| |
ODBC 연결을 지원합니다. |
| |
JMP가 ODBC를 형성하면 |
| |
데이터베이스와의 연결, |
| |
JMP는 주기적으로 |
| |
새로운 관찰을 추가하고 |
| |
데이터 테이블. |
| |
모델 구동이있는 경우 |
| |
다변량 관리도 |
| |
자동으로 보고서 열기 |
| |
recalc가 켜져 있으면 |
| |
업데이트 메커니즘 |
| |
새로운 데이터가 나오면 관리도 |
| |
의 전체 과정 |
| |
데이터베이스에 데이터를 추가하면 |
| |
아마도 별도의 |
| |
컴퓨터에서 컴퓨터 |
| |
그것이 모니터링을하고 있습니다. 그래서 |
| |
JMP 세션이 두 개 열려 있습니다. |
| |
이것을 모방하기 위해. 두 세션 |
| |
자신의 일기를 가지고 |
| |
자료에서 |
| |
커뮤니티 및 세션 |
| |
새 시뮬레이션 데이터 추가 |
| |
데이터베이스가 호출됩니다 |
| |
스트리밍 세션 및 |
| |
보고서를 업데이트하는 세션 |
| |
새로운 데이터가 들어 오면 |
| |
모니터링 세션이라고합니다. |
| |
내가 정말 좋아했던 한 가지는 |
| |
Downs and Vogel 논문은 |
| |
그들은 제공하지 않았다 |
| |
평가하는 단일 메트릭 |
| |
프로세스 제어. 나는 가지고있다 |
| |
여기 논문의 인용문 |
| |
"우리는 트레이드 오프가 |
| |
가능한 제어 중 |
| |
전략 및 기술 |
| |
훨씬 더 관여 |
| |
수학적 표현. " |
| |
여기에 몇 가지 목표가 있습니다. |
| |
그들은 그들의 논문에 나열했습니다. |
| |
우리와 관련된 |
| |
문제. 그들은 유지하고 싶었습니다. |
| |
공정 변수 |
| |
원하는 값. 그들은 원했다 |
| |
제품의 변동성 최소화 |
| |
장애시 품질 |
| |
그들은 빨리 회복하기를 원했습니다 |
| |
그리고 방해로부터 부드럽게. |
| |
그래서 우리는 우리의 |
| |
프로세스는 이러한 목표를 달성 |
| |
우리의 모니터링 방법으로. |
| |
그래서 시작하려면 |
| |
모니터링 세션 일지, 나는 |
| |
첫 번째 데이터 세트를 보여줍니다. |
| |
데이터 테이블에는 |
| |
내가 소개 한 변수 |
| |
일찍이. 첫 번째 변수는 |
| |
측정 변수; 그만큼 |
| |
두 번째는 구성입니다. |
| |
그리고 세 번째는 |
| |
조작 된 변수. |
| |
여기에있는 스크립트는 |
| |
PLS 모델. 그것은 제외합니다 |
| |
테스트 세트로 마지막 100 개 행. |
| |
다시 말해, |
| |
모델은 2를 예측합니다. |
| |
제품 구성 |
| |
함수로서의 변수 |
| |
프로세스 변수. 만약 |
| |
JMP Pro가 있습니다. |
| |
약간의 속도였다 |
| |
PLS 개선 |
| |
JMP 16에서. |
| |
PLS는 이제 |
| |
빠른 SVD 옵션. |
| |
다음으로 전환 할 수 있습니다. |
| |
빨간색의 고전 |
| |
삼각형 메뉴. 거기 |
| |
또한 많은 |
| |
성능 향상 |
| |
후드. |
| |
데이터 세트와 가장 관련이 있음 |
| |
많은 |
| |
관찰, 그러나 그것은 |
| |
다변량에서 일반적 |
| |
프로세스 모니터링 설정. |
| |
그러나 PLS는 |
| |
이야기, 그래서 나는 이미 적합했습니다 |
| |
모델 및 출력 점수 열 |
| |
여기에서 볼 수 있습니다. |
| |
모니터가 |
| |
다변량 관리도 |
| |
디자인 된 방식입니다. |
| |
당신이 통계학 자라고 상상 해보세요 |
| |
모델을 공유하고 싶습니다. |
| |
엔지니어와 함께 |
| |
제어 차트를 구성합니다. 모두 |
| |
당신이 할 필요가있는 |
| |
이 공식을 사용하는 데이터 테이블 |
| |
열. 공유 할 필요가 없습니다. |
| |
어떻게 당신의 모든 피투성이 세부 사항 |
| |
모델에 적합합니다. |
| |
다음으로 점수를 제공하겠습니다 |
| |
모니터링 할 열 |
| |
다변량 관리도. |
| |
여기 오른쪽으로 드래그하세요. |
| |
여기 왼쪽에서 |
| 두 가지 유형의 관리도 |
그만큼 |
| |
T 제곱 및 SPE. |
| |
음, 860 개의 관측이 있습니다 |
| |
추정하는 데 사용 된 |
| |
모델과 이것들은 |
| |
역사적인. 그리고 백 |
| |
테스트 세트로 제외 된 |
| |
현재 데이터입니다. |
| |
그리고 당신은 한계에서 볼 수 있습니다 |
| |
요약, 포인트 수 |
| |
통제 불능이고 |
| |
유의 수준. 음, 만약 당신이 |
| |
의미를 바꾸고 싶다 |
| |
레벨, 여기에서 할 수 있습니다 |
| |
빨간색 삼각형 메뉴. |
| |
원자로가 정상이기 때문에 |
| |
작동 조건, 우리는 |
| |
밖으로 나올 관찰 없음 |
| |
제어하지만 우리는 몇 가지 거짓 |
| |
왜냐하면 우리는 |
| |
에 대한 조정을하지 않았습니다 |
| |
다중 비교. 이것의 |
| |
이렇게하는 것은 드문 일입니다. |
| |
다변량으로 말할 수 있습니다. |
| |
제어 차트. 나는 당신이 |
| |
감지 할 더 높은 힘을 가지고 |
| |
없는 제어 신호 |
| |
보정. 관리도에서 |
| |
lingo, 이것은 당신이 나가는 것을 의미합니다 |
| |
통제의. 평균 실행 길이 |
| |
낮게 유지됩니다. |
| |
그래서 여기 오른쪽에 |
| |
또한 기여 |
| |
플롯과 Y 축에는 |
| |
관찰; X에 |
| |
축, 변수. ㅏ |
| |
기여가 표현된다 |
| |
일부로. |
| |
그리고 여기 하단에 |
| |
점수 플롯이 있습니다. 권리 |
| |
이제 나는 첫 번째를 계획하고 있습니다 |
| |
점수 차원 대 |
| |
두 번째 점수 차원이지만 |
| |
당신은 어떤 것을 볼 수 있습니다 |
| |
점수 조합 |
| |
이것을 사용하는 치수 |
| |
드롭 다운 메뉴 또는 화살표 |
| |
단추. |
| |
좋아요, 그래서 저는 우리가 |
| |
보고서에. 할거다 |
| |
이제로 전환 |
| |
스트리밍에 사용한 스크립트 |
| |
데이터를 데이터베이스에 |
| |
보고서가 모니터링 중입니다. |
| |
이것을 위해 무엇이든하기 위해 |
| |
예를 들어, 당신은 |
| |
SQLite ODBC 드라이버 설치 |
| |
당신의 컴퓨터를 위해. 이것은 훨씬 쉽습니다 |
| |
Windows 컴퓨터에서 수행하려면 |
| |
당신이 자주 사용하는 것입니다 |
| |
실제로 연결할 때 |
| |
데이터 베이스. Mac에서의 프로세스 |
| |
더 관련이 있지만 |
| |
커뮤니티에 대한 지침 |
| |
페이지. 그리고 난 시간이 없어 |
| |
이것에 대해 이야기하지만 나는 |
| |
SQLite 데이터베이스 생성 |
| |
저는 JMP에서 사용할 것입니다. |
| |
몇 가지 지시를 할 계획 |
| |
이 작업을 수행하는 방법에 |
| |
커뮤니티 웹 페이지. 그리고 바라건대 |
| |
그 예는 당신에게 도움이됩니다 |
| |
이 작업을 수행하려는 경우 |
| |
자신의 데이터. |
| |
다음으로 보여 드릴게요 |
| |
당신은 내가 넣은 파일 |
| |
SQLite 데이터베이스에서. |
| |
여기에 역사적 데이터가 있습니다. |
| |
이것은 건설에 사용되었습니다 |
| |
PLS 모델. 960 개가 있습니다 |
| |
에있는 관찰 |
| |
제어. 그런 다음 나는 |
| |
모니터링 데이터, 처음에는 |
| |
단지 역사를 포함 |
| |
하지만 점차적으로 새로운 |
| |
이것에 데이터. 이것은 데이터입니다 |
| |
다변량 컨트롤 |
| |
차트가 모니터링됩니다. |
| |
그런 다음 새로운 시뮬레이션을 |
| |
이미 데이터를 추가하고 |
| |
여기에 데이터 테이블. 이것들은 |
| |
또 다른 960 개의 이상한 측정 |
| |
오류가 발생한 곳 |
| |
어떤 시점. 내가 원한 |
| |
쉬운 것을 가지고 |
| |
공유, 그래서 나는 실행하지 않을 것입니다 |
| |
내 시뮬레이션 스크립트에 추가 |
| |
그런 식으로 데이터베이스. 우리는 |
| |
그냥 관찰하려고 |
| |
이 새로운 데이터 테이블에서 |
| |
모니터링으로 이동 |
| |
일부 JSL을 사용하는 데이터 테이블 및 |
| |
SQL 문. 이것은 단지 |
| |
프로세스를 에뮬레이트하는 예 |
| |
새로운 데이터가 |
| |
데이터 베이스. 어떻게 든 당신은 |
| |
실제로 JMP로이 작업을 수행하지만 |
| |
이것은 보여줄 기회였습니다 |
| |
JSL로 어떻게 할 수 있는지. |
| |
여기서 치우세요. |
| |
다음으로 이걸 보여 드릴게요 |
| |
스트리밍 스크립트. 이것은 |
| |
간단한 스크립트이므로 |
| |
정말 빠르게 안내합니다. |
| |
이 첫 번째 세트 |
| |
명령은 |
| |
새 데이터 테이블 및 |
| |
SQLite 데이터베이스에 있습니다. |
| |
그래서 그것은 테이블을 엽니 다 |
| |
배경이 아니므로 |
| |
창문을 다루십시오. |
| |
그런 다음 조각을 가져갈거야 |
| |
이 데이터 테이블에서 |
| |
모니터링 데이터에 |
| |
표. 나는 조각을 부른다 |
| |
한입 크기는 20입니다. |
| |
그리고이 다음 명령은 |
| |
데이터베이스에 연결하십시오. 이 |
| |
내가 보낼 수 있습니다 |
| |
데이터베이스 SQL 문. |
| |
그리고이 다음 비트 |
| |
코드는 |
| |
반복적으로 SQL 보내기 |
| |
새로 삽입하는 문 |
| |
데이터를 모니터링 데이터에 추가합니다. |
| |
그리고 나는 |
| |
K를 초기화하고 |
| |
이것의 첫 번째 반복. |
| |
이것은 간단한 SQL 문입니다. |
| |
진술에 삽입 |
| |
처음 20 개 삽입 |
| |
데이터에 대한 관찰 |
| |
표. 이 인쇄 진술은 |
| |
주석 처리하여 코드 |
| |
더 빨리 달리고 나도 |
| |
천천히 기다리다 |
| |
약간 아래로 |
| |
우리는 그들의 진행을 볼 수 있습니다 |
| |
관리도에서. |
| |
그리고 이것은 너무 빨리 진행될 것입니다. |
| |
속도를 늦추지 않았다면. |
| |
음, 그럼 다음으로 움직일 게요 |
| |
모니터링 세션으로 |
| |
당신에게 스크립트를 보여주기 위해 |
| |
보고서를 업데이트합니다 |
| |
새로운 데이터가 들어 오면 |
| |
이 첫 번째 스크립트는 간단합니다. |
| |
스크립트. 그것은 확인합니다 |
| |
.2 초마다 데이터베이스 |
| |
새로운 관찰 및 추가 |
| |
JMP 테이블에. 이후 |
| |
보고서에 자동 재 계산이 있습니다. |
| |
설정하면 보고서가 업데이트됩니다. |
| |
새 데이터가 추가 될 때마다. 과 |
| |
나는 그것을 추가해야 |
| |
현실적으로 |
| |
당신은 아마 사용하지 않을 것입니다 |
| |
다음과 같이 반복되는 스크립트 |
| |
이. 아마도 task를 사용합니다. |
| |
Windows의 스케줄러 또는 |
| |
Mac의 Automator가 더 좋아졌습니다. |
| |
스크립트 실행을 예약합니다. |
| |
그리고 또 다른 |
| |
스크립트 |
| |
보고서를 JMP Public에 푸시 |
| |
보고서가 업데이트 될 때마다 |
| |
저는 정말 신이 났어요 |
| |
이것은 JMP 15에서 가능합니다. |
| |
그것은 |
| |
업데이트를 볼 웹 브라우저 |
| |
관리도. 그럼 너 |
| |
보고서를 볼 수도 있습니다. |
| |
당신의 스마트 폰, 그래서 이것은 |
| |
공유하기 정말 쉽습니다 |
| |
조직 전반에 걸친 결과. |
| |
또한 JMP Live를 사용할 수도 있습니다. |
| |
보고서를 원하는 경우 |
| |
제한된 서버에 있어야합니다. |
| |
시간이 없을거야 |
| |
이것에 들어가려면 |
| |
데모이지만 확인할 수 있습니다. |
| |
나의 Discovery Americas 이야기. |
| |
마지막으로 여기 아래에 |
| |
다시 만드는 스크립트 |
| |
데이터의 과거 데이터 |
| |
실행하려는 경우 테이블 |
| |
예를 여러 번. |
| |
좋아, 그럼 다음은 ... |
| |
과거 데이터가 있다는 것을 ... |
| |
나는 실행할거야 |
| |
스트리밍 스크립트 및 참조 |
| |
보고서 업데이트 방법. |
| |
따라서 데이터는 |
| |
먼저 결함은 |
| |
소개되었지만 |
| |
공장 전체 제어 시스템 |
| |
구현 된 |
| |
시뮬레이션, 당신은 볼 수 있습니다 |
| |
어떻게 제어 시스템 |
| |
결국 과정을 가져옵니다 |
| |
새로운 평형으로. |
| |
여기서 끝날 때까지 기다리십시오. |
| |
따라서 확대하면 |
| |
첫 번째 과정처럼 보인다 |
| |
이 주위의 통제를 벗어났습니다 |
| |
시간 지점, 그래서 나는 |
| |
그것을 색칠하고 |
| |
레이블을 지정하지만 |
| |
다른 플롯에 표시됩니다. |
| |
그런 다음 SPE 플롯에서 |
| |
이렇게 생겼어 |
| |
관찰도 밖으로 |
| |
제어하지만 약간만. |
| |
그리고 확대하면 |
| |
의 시점 |
| |
기여도, 당신은 할 수 있습니다 |
| |
많은 것을보십시오 |
| |
기여하는 변수 |
| |
제어 불능 신호 |
| |
먼저. 하지만 한 번 |
| |
프로세스는 새로운에 도달 |
| |
평형, 거기에만 |
| |
두 명의 큰 기여자. |
| |
그래서 나는 열을 제거 할 것입니다 |
| |
이제지도를 정리해 보겠습니다. |
| |
마우스를 가져갈 수 있습니다. |
| |
프로세스가 |
| |
처음에는 통제 불능이되었고 |
| |
톱 10을 들여다보다 |
| |
기여 변수. 이 |
| |
당신에게 |
| |
빠른 개요 어떤 변수 |
| |
가장 많이 기여하고 있습니다 |
| |
제어 신호에서. |
| |
그런 다음 플롯을 클릭하면 |
| |
이것은에 추가됩니다 |
| |
결함 진단 섹션. |
| |
그리고 보시다시피 |
| |
큰 변수 여러 개 |
| |
기여 및 방금 정렬 |
| |
기여에. |
| |
그리고 변수의 경우 |
| |
관찰이 빨간색 막대 |
| |
일 변량에서 통제 불능 |
| |
제어 차트. 너는 볼 수있어 |
| |
이 중 하나를 가리키면 |
| |
막대와이 그래프 릿 |
| |
IR 차트는 |
| |
개별 변수 |
| |
세 시그마 제어 한계. |
| |
스트리퍼에서 볼 수 있습니다 |
| |
압력 변수는 |
| |
관찰이 벗어났다 |
| |
제어하지만 결국 |
| |
프로세스가 다시 시작됩니다 |
| |
제어. 그리고 이것이 사실입니다 |
| |
다른 정상을 위해 |
| |
기여자. 나는 또한 보여줄 것이다 |
| |
당신은 변수 중 하나 |
| |
우리가 통제하고있는 곳, |
| |
일 변량 관리도. |
| |
그래서 그 과정은 ... |
| |
많은 변수가 있습니다 |
| |
프로세스의 제어 |
| |
처음이지만 |
| |
프로세스는 결국 도달 |
| |
새로운 균형. |
| |
음 ... |
| |
변수를 보려면 |
| |
변화에 가장 많이 기여 |
| |
프로세스, 우리는 의미를 사용할 수 있습니다 |
| |
기여 비율 플롯. |
| |
이 플롯은 평균을 보여줍니다 |
| |
기여는 변수 |
| |
그룹을 위해 T 제곱해야 |
| |
내가 선택했습니다. 음, 만약 내가 |
| |
이것들을 정렬하십시오. |
| |
유일한 두 변수 |
| |
큰 기여는 |
| |
반응물 A의 흐름 속도 |
| |
스트림 1, 즉 흐름 |
| |
이 반응물을 반응기에 넣습니다. |
| |
이 두 변수는 모두 |
| |
본질적으로 측정 |
| |
하나를 제외하고는 같은 것 |
| |
측정 ... 하나는 |
| |
측정 변수 및 |
| |
다른 것은 조작 |
| |
변하기 쉬운. |
| |
당신은 |
| |
흐름의 큰 단계 변화 |
| |
속도, 내가 프로그램 한 것입니다 |
| |
시뮬레이션에서. 그래서 이것들은 |
| |
기여도 플롯을 사용하면 |
| |
근본 원인을 신속하게 식별합니다. |
| |
그리고 이전 강연에서 |
| |
다른 많은 방법을 보여주었습니다 |
| |
결함 시각화 및 진단 |
| |
점수 플롯에서 도구를 사용합니다. |
| |
여기에는 플로팅이 포함됩니다. |
| |
점수 플롯 및 |
| |
그룹 비교를하고 있습니다. |
| |
내 디스커버리를 확인할 수 있습니다. |
| |
미주가 JMP에 대해 이야기하다 |
| |
그것을위한 커뮤니티. 대신 나는 |
| |
나머지는 쓸거야 |
| |
몇 가지 새로운 소개 시간 |
| |
내가 넣은 예제 |
| |
이 강연을위한 커뮤니티 페이지입니다. |
| |
그래서. |
| |
20 개의 프로그래밍 가능한 오류가 있습니다. |
| |
테네시 이스트만 프로세스에서 |
| |
그리고 그들은 어떤 |
| |
콤비네이션. 나는 다른 두 가지를 제공했습니다 |
| |
여기에 대표적인 결함. 결점 |
| |
내가 전에 보여준 1은 |
| |
아웃 때문에 쉽게 감지 |
| |
제어 신호가 너무 큽니다 |
| |
그리고 너무 많은 변수가 |
| |
뒤얽힌. 에 초점 |
| |
이전 데모는 |
| |
도구를 사용하고 식별하십시오. |
| |
많은 수의 결함 |
| |
벤치 마크가 아닌 변수 |
| |
반드시 방법. |
| |
반면에 결함 4는 |
| |
더 미묘한 결함입니다. |
| |
여기서 보여 드릴게요. |
| |
내가 프로그램 된 결함 |
| |
갑작스런 증가입니다 |
| |
반응기의 온도. |
| |
그리고 이것은 |
| |
증가하여 제어 시스템 |
| |
냉각수의 유량. |
| |
그리고 당신은 그것을 볼 수 있습니다 |
| |
여기서 선택한 변수와 |
| |
당신은 변화를 볼 수 있습니다 |
| |
기여도. |
| |
그리고 당신은 또한 볼 수 있습니다 |
| |
대부분의 다른 변수 |
| |
영향을받지 않는다 |
| |
잘못으로. 당신은 볼 수 있습니다 |
| |
여기 온도가 급등 |
| |
빠르게 다시 아래로 |
| |
제어. 대부분의 다른 |
| |
변수는 영향을받지 않습니다. |
| |
일부에게는 감지하기 어렵다 |
| |
다변량 제어 방법. |
| |
그리고 그것은 더 많을 수 있습니다 |
| |
진단하기 어렵습니다. |
| |
보여줄 마지막 결점 |
| |
오류 11입니다. |
| |
결함 4와 마찬가지로 |
| |
냉각수의 흐름 |
| |
원자로, 지금은 오류를 제외하고 |
| |
큰 진동을 도입 |
| |
우리가 할 수있는 유속 |
| |
일 변량 제어에서 참조 |
| |
차트. 그리고 이것은 |
| |
원자로의 변동 |
| |
온도. 다른 |
| |
변수는 실제로는 아닙니다 |
| |
다시 영향을 받게되므로 |
| |
일부는 감지하기가 더 어렵다 |
| |
행동 양식. 일부 다 변수 |
| |
제어 방법을 선택할 수 있습니다. |
| |
오류 4, 오류 11 또는 |
| |
그 반대의 경우도 마찬가지입니다. 하지만 우리의 방법은 |
| |
둘 다 선택할 수 있습니다. |
| |
그리고 마지막으로 모든 |
| |
내가 사용하여 만든 예제 |
| |
테네시 이스트만 프로세스는 |
| |
명백한 결함 |
| |
T 제곱 및 SPE 플롯. 에 |
| |
새로운 기능을 보여줍니다. |
| |
모델 기반 다 변수 |
| |
컨트롤 차트, 보여주고 싶었습니다. |
| |
결함의 예 |
| |
SPE 차트에는 나타나지만 |
| |
T 제곱. 그리고 좋은 것을 찾기 위해 |
| |
이것의 예, 나는 다시 방문 |
| |
Jianfeng Ding 데이터 세트 |
| |
그녀의 이전 강연에서 발표되었고 |
| |
그녀의 강연에 대한 링크를 제공했습니다 |
| |
이 저널에서. |
| |
그녀의 커뮤니티 페이지에서 |
| |
그녀는 몇 가지를 제공합니다 |
| |
유용한 예 |
| |
체크 아웃 할 가치도 있습니다. |
| |
Cordia의 데이터 세트입니다. |
| |
McGregor의 (?) 고전 논문 |
| |
다변량 관리도. 그만큼 |
| |
데이터는 처리 된 변수입니다. |
| |
원자로에서 측정, 생산 |
| |
폴리에틸렌, 당신은 찾을 수 있습니다 |
| |
Jianfeng의 더 많은 배경 |
| |
이야기. 이 예에서는 |
| |
밖으로 나가는 과정이있다 |
| |
제어. 이것을 보여 드리겠습니다. |
| |
그리고 그것은 통제 불능입니다 ... |
| |
SPE 차트에서 |
| |
T 제곱. |
| |
그리고 우리가 평균을 보면 |
| |
기부 |
| |
SPE에 대한 플롯, |
| |
당신은 할 수 있습니다 |
| |
하나의 변수가 있음을 확인하십시오. |
| |
큰 기여와 그것으로 |
| |
또한 큰 변화를 보여줍니다 |
| |
일 변량 관리도, 그러나 |
| |
다른 변수도 있습니다 |
| |
많은 기여를했지만 |
| |
여전히 통제하고있는 |
| |
일 변량 관리도. |
| |
그리고 결정하기가 어렵습니다. |
| |
막대 차트만으로도 |
| |
변수는 큰 |
| |
기여. 큰 SPE 값 |
| |
새로운 데이터가 없을 때 발생 |
| |
상관 관계 구조를 따르다 |
| |
과거 데이터의 |
| |
종종 새로운 데이터가 |
| |
수집하고 이것은 |
| |
훈련 한 PLS 모델은 |
| |
더 이상 적용 할 수 없습니다. |
| |
막대 차트에서는 어렵습니다 |
| |
어떤 쌍의 변수를 알고 |
| |
상관 관계가있다 |
| |
부서진. 15.2에서 새로 워진 |
| |
산점도 행렬을 시작할 수 있습니다. |
| |
그리고 그것은 |
| |
산점도 행렬은 |
| |
상관 관계 위반 |
| |
Z2와 함께하는 것은 |
| |
이러한 큰 기여. |
| |
좋아, 다시 전환 할게 |
| |
PowerPoint에. |
| |
그리고 정말 빨리 요약하겠습니다 |
| |
모델 기반의 주요 기능 |
| |
다변량 관리도 |
| |
데모에 표시되었습니다. 그만큼 |
| |
플랫폼은 |
| |
온라인 오류를 모두 수행 |
| |
감지 및 오프라인 오류 |
| |
진단. 많이있다 |
| |
플랫폼에서 제공되는 방법 |
| |
루트까지 드릴 다운 |
| |
결함의 원인. 보여주고있어 |
| |
여기에 인기있는 플롯 |
| |
책, 오류 감지 및 |
| |
산업 시스템의 진단. |
| |
책 전체에서 저자는 |
| |
어떻게해야하는지 보여 주다 |
| |
다변량 및 일 변량 사용 |
| |
나란히 관리 차트 |
| |
무슨 일인지 이해하기 위해 |
| |
과정에서. |
| |
특히 유용한 것 |
| |
모델 기반 다변량의 기능 |
| |
제어 차트는 방법입니다 |
| |
대화 형 및 사용자 친화적 |
| |
이것들 사이를 전환하는 것입니다 |
| |
두 가지 유형의 차트. |
| |
그리고 그것이 제 이야기입니다. 여기 있습니다 |
| |
내 이메일이 있으면 |
| |
추가 질문. 과 |
| |
모두에게 감사합니다 |
| |
이것을 시청하기 위해 조정되었습니다. |
