田納西伊士曼過程的故障檢測和診斷使用多元控製圖（2021-EU-45MP-782）級別：中級
SAS JMP分析軟件測試員Jeremy Ash
通過模型驅動的多元控製圖（MDMCC）平台，用戶可以基於PCA或PLS模型構建控製圖。 這些可以用於高維數據集的故障檢測和診斷。我們使用真實的工業化學過程（田納西州伊士曼過程）的仿真演示了PLS模型的MDMCC監控。 在模擬過程中，當化學反應器從氣態反應物生產液體產物時，將測量質量和過程變量。 我們演示了MDMCC如何通過將JMP連接到外部數據庫來執行在線監視。測量產品質量變量通常涉及在測量可用之前的時間延遲，這可能會大大延遲故障檢測。 當MDMCC監視PLS模型時，將根據過程變量監視產品質量變量的變化。 由於過程變量通常更容易獲得，因此有助於早期發現故障。 我們還將在離線環境中演示故障診斷。 這通常涉及在多變量控製圖，單變量控製圖和診斷圖之間進行切換。MDMCC提供了一個用戶友好的界面，可在這些圖之間移動。
自動產生的筆錄...
揚聲器
|
成績單
|
| |
您好，我是傑里米·阿什（Jeremy Ash）。 我是一個 |
| |
JMP R＆D的統計學家。我的工作 |
| |
主要由測試組成 |
| |
多元統計 |
| |
JMP中的平台，但我也 |
| |
幫助研究和評估 |
| |
方法。今天我要去 |
| |
正在分析田納西州 |
| |
伊士曼過程使用一些 |
| |
統計過程控制 |
| |
JMP中的方法。 我要去 |
| |
要特別注意 |
| |
到模型驅動的多元 |
| |
控製圖平台 |
| |
JMP 15的新增功能。 |
| |
這些數據提供了 |
| |
展示機會 |
| |
平台號 |
| |
特徵。而且很快 |
| |
免責聲明，這類似於 |
| |
我的“發現美洲”演講。 我們 |
| |
意識到歐洲還沒有看到 |
| |
模型驅動的多元 |
| |
由於所有的控製圖交談 |
| |
對COVID的瘋狂，所以我 |
| |
決定專注於基礎知識。 |
| |
但是有一些新材料 |
| |
談話結束時。 患病的 |
| |
簡要介紹一些其他內容 |
| |
實例分析，然後我穿上 |
| |
演講的“社區”頁面。 |
| |
首先，我假設一些知識 |
| |
統計過程控制 |
| |
在這次談話中。 最主要的 |
| |
有助於了解 |
| |
是控製圖。 如果你是 |
| |
不熟悉這些，這些 |
| |
是用於監控的圖表 |
| |
複雜的工業系統 |
| |
確定他們何時偏離 |
| |
從正常運行 |
| |
使適應。 |
| |
我沒有太多時間 |
| |
進入模型的方法論 |
| |
驅動多元控制 |
| |
圖表，所以我將參考其他 |
| |
暢所欲言的精彩演講 |
| |
在JMP社區中可用 |
| |
如果您需要更多詳細信息。 一世 |
| |
還應該說劍鋒 |
| |
丁是主要的 |
| |
模型驅動的開發者 |
| |
多元控制控制 |
| |
與之合作的圖表 |
| |
克里斯·高特沃特（Chris Gotwalt）和那個托尼亞 |
| |
我和莫爾丁都是測試人員。 這 |
| |
本演講的重點將使用 |
| |
多元控製圖 |
| |
監控現實世界 |
| |
典型的過程；另一本小說 |
| |
方面將使用控件 |
| |
在線過程圖 |
| |
監控。這意味著我們將 |
| |
連續監控數據 |
| |
它被添加到數據庫中， |
| |
實時檢測故障。 |
| |
所以我將從開始 |
| |
上的強制性幻燈片 |
| |
多元優勢 |
| |
控製圖。 那為什麼不使用 |
| |
單變量控製圖？ 那裡 |
| |
有很多優秀的 |
| |
JMP中的選項。 單變量 |
| |
控製圖非常好 |
| |
分析一些的工具 |
| |
一次變數。 然而， |
| |
質量控制數據通常是 |
| |
高維數 |
| |
您需要的控製圖 |
| |
看著很快就能成為 |
| |
壓倒。多變量 |
| |
控製圖可以總結一個 |
| |
高維過程 |
| |
只是幾個控製圖， |
| |
所以這是一個關鍵優勢。 |
| |
但這並不是說 |
| |
不是統一的控製圖 |
| |
在此設置中很有用。 你會 |
| |
在整個談話中看到 |
| |
故障診斷通常涉及 |
| |
在多元之間切換 |
| |
和單變量圖表。 |
| |
多元控製圖給出 |
| |
您對整體的感覺 |
| |
該過程的運行狀況，而 |
| |
單變量圖表使您能夠 |
| |
監控 |
| |
過程。所以信息是 |
| |
補充。目標之一 |
| |
多元監控 |
| |
控製圖是提供一些 |
| |
有用的切換工具 |
| |
在這兩種類型之間 |
| |
圖表。的缺點之一 |
| |
單變量圖表是 |
| |
觀察結果似乎在 |
| |
控制他們何時真正 |
| |
在多變量中失控 |
| |
感覺，這些情節說明了我 |
| |
意思是這個。 單變量 |
| |
石油和天然氣的控製圖 |
| |
密度顯示兩個 |
| |
紅色的觀察結果如 |
| |
控制。但是，油和密度 |
| |
高度相關，並且兩者 |
| |
觀察失控。 |
| |
在多元意義上， |
| |
特別觀察51 |
| |
相當違反相關性 |
| |
這兩個變量的結構 |
| |
所以多元控製圖 |
| |
可以選擇這些類型的 |
| |
離群值，而單變量 |
| |
控製圖不能。 |
| |
模型驅動的多元 |
| |
控製圖使用投影 |
| |
構造圖表的方法。 |
| |
我將從解釋PCA開始 |
| |
因為很容易建立 |
| |
從那裡。 PCA減少了 |
| |
過程的維度 |
| |
將數據投影到低 |
| |
尺寸表面。 嗯 |
| |
如圖所示 |
| |
在右邊。 我們有P |
| |
過程變量和N |
| |
觀察，以及 |
| |
P中的加載向量 |
| |
矩陣給出係數 |
| |
X的線性組合 |
| |
導致的變量 |
| |
平方變量與 |
| |
維度A，其中維度 |
| |
A比P小得多。 然後 |
| |
這在下面的方程式中顯示 |
| |
左邊在這裡。 X可以是 |
| |
預測作為 |
| |
分數和荷載，其中E為 |
| |
預測誤差。 |
| |
這些分數被選擇為 |
| |
最小化預測誤差， |
| |
和另一種思考方式 |
| |
這是你正在最大化 |
| |
解釋的方差量 |
| |
在X矩陣中。 |
| |
那麼PLS是更合適的 |
| |
投影方法。 當你有 |
| |
一組過程變量和一個 |
| |
一組質量變量，您 |
| |
真的想確保 |
| |
質量變量保存在 |
| |
控制但這些變量 |
| |
往往很貴或時間 |
| |
費力收集。 植物 |
| |
可能會在沒有產品的情況下生產產品 |
| |
長期的控制質量 |
| |
檢測到故障之前的時間。 |
| |
因此，PLS模型可讓您 |
| |
監控您的質量變量 |
| |
根據您的過程 |
| |
變量，您可以看到 |
| |
PLS模型找到分數 |
| |
最大化變量的變量 |
| |
解釋的變化量 |
| |
質量變量。 |
| |
這些過程變量是 |
| |
通常更便宜或更容易 |
| |
可用，因此PLS可以使您 |
| |
檢測質量缺陷 |
| |
儘早進行 |
| |
監控便宜。 從這裡 |
| |
在外面，我將專注於PLS |
| |
模型，因為它更多 |
| |
適用於該示例。 |
| |
因此，PLS模型會將您的 |
| |
數據分為兩個部分。 這 |
| |
第一個要素是模型 |
| |
成分。這給了 |
| |
您的過程的預測值 |
| |
變量。 另一種思考方式 |
| |
關於它的是您的數據有 |
| |
被投影到模型中 |
| |
根據您的分數定義的飛機 |
| |
變量和T平方監視器 |
| |
您數據的變化 |
| |
在此模型平面內。 |
| |
第二個要素是 |
| |
錯誤組件。 這是 |
| |
原稿之間的距離 |
| |
數據和預測數據，以及 |
| |
平方預測誤差（SPE） |
| |
圖表監視此變化。 |
| |
我們的另一種替代指標 |
| |
提供是模型的距離 |
| |
X平面或DModX。 這只是 |
| |
SPE的標準化替代品 |
| |
一些人喜歡的 |
| |
最後一個概念是 |
| |
重要的是要了解 |
| |
演示是之間的區別 |
| |
歷史和當前數據。 |
| |
歷史數據通常是 |
| |
在過程開始時收集 |
| |
已知處於控制之中。 這些 |
| |
數據用於構建PLS |
| |
建模並定義法線 |
| |
過程變化，因此 |
| |
可以獲得控制極限。 |
| |
並分配當前數據 |
| |
根據模型得分，但 |
| |
與模型無關。 |
| |
另一種思考方式 |
| |
是我們受過訓練， |
| |
測試集。 T平方控制 |
| |
培訓的下限較低 |
| |
數據，因為我們期望更少 |
| |
各種...的可變性 |
| |
用於訓練的觀察 |
| |
模式，而更大 |
| |
P的方差在什麼時候 |
| |
模型推廣到E檢驗 |
| |
放。幸運的是，理論 |
| |
因為T平方的方差是 |
| |
已經解決了，所以我們可以得到 |
| |
這些控制限制基於 |
| |
一些分佈假設。 |
| |
在演示中將進行監控 |
| |
田納西州伊士曼進程。 |
| |
我要介紹一個簡短的 |
| |
這些數據的介紹。 這 |
| |
是化學物質的模擬 |
| |
Downs和 |
| |
沃格爾，伊士曼的兩位化學家 |
| |
化學。 原來是 |
| |
用Fortran編寫，但是在那裡 |
| |
是Matlab和 |
| |
現在是Python。 我只想注意 |
| |
那個數據集是 |
| |
產生於90年代 |
| |
主要數據集之一 |
| |
用於基準多元 |
| |
中的控制方法 |
| |
文學。它涵蓋了 |
| |
多元主要任務 |
| |
控制得好，有 |
| |
令人印象深刻的 |
| |
仿真中的真實感。 |
| |
而模擬是基於 |
| |
一個工業過程 |
| |
今天仍然有意義。 |
| |
所以數據被操縱了 |
| |
保護專有 |
| |
信息。 模擬的 |
| |
過程是生產 |
| |
來自兩種液體產品 |
| |
內的氣態反應物 |
| |
化工廠。 F在這裡 |
| |
副產品 |
| |
這將需要虹吸 |
| |
從所需的產品。 |
| |
嗯... |
| |
那就是我要說的。 |
| |
所以流程圖看起來 |
| |
複雜，但實際上並非如此 |
| |
這麼糟糕，我會帶你走 |
| |
通過這。 氣態 |
| |
反應物A，D和E流入 |
| |
這裡的反應堆。 |
| |
反應發生並且 |
| |
產品以氣體形式離開。 它是 |
| |
然後冷卻並冷凝成 |
| |
冷凝器中的液體。 |
| |
然後是汽液分離器 |
| |
回收任何殘留的蒸氣並 |
| |
送回反應堆 |
| |
通過壓縮機，然後 |
| |
副產物和惰性化學物質B |
| |
在淨化流中被淨化， |
| |
這是為了防止任何 |
| |
積累。液體產品 |
| |
被通過汽提塔抽出， |
| |
剩下的反應物 |
| |
被剝奪了。 |
| |
然後送回反應堆。 |
| |
最後， |
| |
純化液體產品 |
| |
退出過程。 |
| |
第一組變量是 |
| |
被監視的被操縱 |
| |
變量。 這些看起來像弓 |
| |
關係圖中的關係。 我認為 |
| |
他們實際上本來是 |
| |
閥門和操縱 |
| |
過程...或被操縱 |
| |
變量主要控制著 |
| |
通過不同的流量 |
| |
過程的流。 |
| |
這些變量可以設置 |
| |
限制範圍內的任何值，以及 |
| |
有一些高斯噪聲。 |
| |
操縱變量能夠 |
| |
要在費率中進行採樣， |
| |
但我們使用默認值3 |
| |
分鐘採樣。 |
| |
一些被操縱的例子 |
| |
變量是那些 |
| |
控制反應物的流量 |
| |
進入反應堆。 |
| |
另一個例子是閥門 |
| |
控制流 |
| |
蒸入汽提塔。 |
| |
另一個是閥門 |
| |
控製冷卻液的流量 |
| |
進入反應堆。 |
| |
下一組變量是 |
| |
測量變量。 這些都是 |
| |
在圖中顯示為圓圈。 |
| |
他們還在三點被採樣 |
| |
分鐘間隔。 這 |
| |
操縱之間的差異 |
| |
變量和度量 |
| |
變量是 |
| |
測量變量不能是 |
| |
在模擬中進行操作。 |
| |
我們的質量變量將是 |
| |
的百分比組成 |
| |
兩種液體產品，你 |
| |
可以看到分析儀 |
| |
在這裡測量產品。 |
| |
這些變量是用 |
| |
相當長的時間延遲 |
| |
我們正在看清除 |
| |
流而不是出口 |
| |
流，因為這些數據是 |
| |
較早可用。 並將使用 |
| |
用於監視過程的PLS模型 |
| |
變量作為這些的代理 |
| |
變量，因為過程 |
| |
變量具有較小的延遲，並且 |
| |
影響更快的採樣率。 |
| |
這樣就足夠了 |
| |
數據的背景。 在 |
| |
總共有33個過程 |
| |
變量和兩個質量 |
| |
變量。 的過程 |
| |
收集變量是 |
| |
用一組模擬 |
| |
微分方程。 和這個 |
| |
只是一個模擬而已 |
| |
可以看到相當多的 |
| |
照顧到對此建模 |
| |
經過現實世界的過程。 這裡 |
| |
是我演示的概述 |
| |
即將向您展示。 我們將收集 |
| |
有關我們的流程和存儲的數據 |
| |
這些數據存儲在數據庫中。 |
| |
我想舉一個例子 |
| |
很容易分享，所以我會 |
| |
使用SQLite數據庫，但是 |
| |
工作流程與大多數人有關 |
| |
自大多數以來的數據庫類型 |
| |
支持ODBC連接。 |
| |
一旦JMP形成ODBC |
| |
與數據庫的連接， |
| |
JMP可以定期檢查 |
| |
新的觀察並將其添加到 |
| |
數據表。 |
| |
如果我們有模型驅動 |
| |
多元控製圖 |
| |
報告自動打開 |
| |
重新計算打開，我們有一個 |
| |
更新機制 |
| |
控製圖隨著新數據的到來 |
| |
在整個過程中 |
| |
將數據添加到數據庫將 |
| |
可能會分開進行 |
| |
來自計算機的計算機 |
| |
在進行監控。 所以 |
| |
我有兩個JMP公開課 |
| |
模仿這一點。 兩次會議 |
| |
有自己的日記 |
| |
在材料上 |
| |
社區和會議 |
| |
將新的模擬數據添加到 |
| |
該數據庫將被調用 |
| |
流會話和 |
| |
會議更新報告 |
| |
隨著新數據的進入 |
| |
稱為監控會話。 |
| |
我真正喜歡的一件事 |
| |
Downs和Vogel的論文是 |
| |
他們沒有提供 |
| |
單一指標來評估 |
| |
控製過程。 我有 |
| |
本文引述 |
| |
“我們認為需要權衡 |
| |
在可能的控制之中 |
| |
策略與技巧 |
| |
涉及的不只是一個 |
| |
數學表達式。” |
| |
所以這是一些目標 |
| |
他們在論文中列出了 |
| |
與我們有關的 |
| |
問題。他們想維持 |
| |
處的過程變量 |
| |
期望值。 他們想 |
| |
最小化產品的可變性 |
| |
干擾期間的質量，以及 |
| |
他們想迅速恢復 |
| |
不受干擾。 |
| |
所以我們看看我們的情況如何 |
| |
過程實現了這些目標 |
| |
用我們的監控方法 |
| |
因此，從 |
| |
監視會話日誌，我將 |
| |
向您展示我們的第一個數據集。 |
| |
數據表包含所有 |
| |
我介紹的變量 |
| |
較早。第一個變量是 |
| |
測量變量；這 |
| |
其次是組成。 |
| |
第三是 |
| |
操縱變量。 |
| |
這裡的腳本將適合 |
| |
PLS模型。 它不包括 |
| |
最後100行作為測試集。 |
| |
提醒一下， |
| |
該模型正在預測2 |
| |
產品組成 |
| |
變量作為 |
| |
過程變量。 如果 |
| |
你有JMP Pro， |
| |
已經有一些速度 |
| |
PLS的改進 |
| |
在JMP 16中 |
| |
PLS現在有一個 |
| |
快速SVD選項。 |
| |
您可以切換到 |
| |
紅色經典 |
| |
三角菜單。 有 |
| |
也有一些 |
| |
性能提升 |
| |
在引擎蓋下。 |
| |
與數據集最相關 |
| |
與大量 |
| |
觀察，但這就是 |
| |
在多變量中很常見 |
| |
過程監控設置。 |
| |
但是PLS並不是我們關注的重點 |
| |
說話，所以我已經適應了 |
| |
模型和輸出分數列 |
| |
你可以在這裡看到他們。 |
| |
顯示器的原因之一 |
| |
多元控製圖原為 |
| |
設計的方式是 |
| |
想像你是統計學家 |
| |
你想分享你的模型 |
| |
與工程師合作，以便他們可以 |
| |
構造控製圖。 全部 |
| |
您需要做的是提供 |
| |
這些公式的數據表 |
| |
列。您不需要分享 |
| |
所有關於你的血腥細節 |
| |
適合您的模型。 |
| |
接下來，我將提供分數 |
| |
監視列 |
| |
多元控製圖。 |
| |
將其拖到此處的右側。 |
| |
所以在左邊你可以看到 |
| 兩種控製圖 |
這 |
| |
T平方和SPE。 |
| |
嗯，有860個觀測值 |
| |
用來估計 |
| |
模型，這些被標記為 |
| |
歷史的。然後一百 |
| |
被排除在測試集之外的東西 |
| |
是您當前的數據。 |
| |
你可以看到極限 |
| |
總結，點數 |
| |
失去控制， |
| |
顯著性水平。 嗯，如果你 |
| |
想要改變意義 |
| |
級別，您可以在這裡完成 |
| |
紅色三角形菜單。 |
| |
因為反應堆正常 |
| |
我們期望的工作條件 |
| |
沒有任何意見 |
| |
控制，但我們有一些錯誤 |
| |
積極在這裡，因為我們 |
| |
尚未進行任何調整 |
| |
多重比較。 它是 |
| |
就我而言，這樣做並不常見 |
| |
可以看出 |
| |
控製圖。 我想你 |
| |
有更高的檢測能力 |
| |
沒有一個的控制信號 |
| |
更正。在控製圖中 |
| |
行話，這意味著你不在 |
| |
控制。 平均行程 |
| |
保持低位。 |
| |
所以在右邊我們 |
| |
也有貢獻 |
| |
Y軸上的圖和 |
| |
觀察；在X上 |
| |
軸，變量。 一種 |
| |
表達了貢獻 |
| |
作為一部分。 |
| |
然後在這裡的底部， |
| |
我們有得分圖。 正確的 |
| |
現在我在畫第一個 |
| |
分數維度與 |
| |
第二分數維度，但是 |
| |
你可以看任何 |
| |
分數組合 |
| |
使用此尺寸 |
| |
下拉菜單或箭頭 |
| |
按鈕。 |
| |
好，所以我認為我們已經適應了 |
| |
到報告。 我要去 |
| |
現在切換到 |
| |
我曾經流式傳輸的腳本 |
| |
數據存入數據庫 |
| |
該報告正在監視。 |
| |
為了做任何事情 |
| |
例如，您需要有一個 |
| |
已安裝SQLite ODBC驅動程序 |
| |
為您的計算機。 這容易得多 |
| |
在Windows計算機上進行 |
| |
這就是你經常使用的 |
| |
當實際連接到 |
| |
數據庫。在Mac上的過程 |
| |
參與更多，但我把一些 |
| |
社區說明 |
| |
頁。然後我沒有時間 |
| |
談論這個，但是我 |
| |
創建了SQLite數據庫 |
| |
我將在JMP中使用 |
| |
計劃提出一些指示 |
| |
在如何做到這一點上 |
| |
社區網頁。 並希望 |
| |
這個例子對你有幫助 |
| |
如果您嘗試這樣做 |
| |
自己的數據。 |
| |
接下來我要展示 |
| |
你我放的文件 |
| |
在SQLite數據庫中。 |
| |
這裡有歷史數據。 |
| |
這被用來構造 |
| |
PLS模型。 有960 |
| |
的觀察 |
| |
控制。然後我有 |
| |
監視數據，首先 |
| |
只是包含歷史 |
| |
數據，但我會逐漸添加新的 |
| |
數據到此。 這是數據 |
| |
多元控制 |
| |
圖表將被監視。 |
| |
然後我模擬了新的 |
| |
數據已添加到 |
| |
數據表在這裡。 這些都是 |
| |
另外960次奇特測量 |
| |
引入故障的地方 |
| |
某個時間點。 我想 |
| |
有一些容易的東西 |
| |
分享，所以我不會跑步 |
| |
我的模擬腳本並添加到 |
| |
這樣的數據庫。 是 |
| |
只是去觀察 |
| |
從這個新的數據表中 |
| |
將它們移至監視 |
| |
數據表使用一些JSL和 |
| |
SQL語句。 這只是一個 |
| |
模擬過程的示例 |
| |
新數據進入 |
| |
數據庫。不知何故你可能不會 |
| |
實際上使用JMP做到這一點，但是 |
| |
這是一個展示機會 |
| |
如何使用JSL做到這一點。 |
| |
在這裡收拾。 |
| |
接下來，我將向您展示 |
| |
流腳本。 這是一個 |
| |
簡單的腳本，所以我要 |
| |
真正快速地指導您。 |
| |
第一組 |
| |
命令將打開 |
| |
新數據表和 |
| |
它在SQLite數據庫中， |
| |
因此它會在 |
| |
背景，所以我不必 |
| |
處理窗戶。 |
| |
那我要弄碎 |
| |
從該數據表中添加 |
| |
他們對監控數據 |
| |
桌子。我把碎片 |
| |
叮咬，叮咬大小為20。 |
| |
然後，下一個命令將 |
| |
連接到數據庫。 這 |
| |
將允許我發送 |
| |
數據庫SQL語句。 |
| |
然後下一點 |
| |
代碼是 |
| |
反復發送SQL |
| |
插入新的語句 |
| |
數據轉換為監視數據。 |
| |
我要去 |
| |
初始化K並向您顯示 |
| |
第一次迭代。 |
| |
這是一個簡單的SQL語句， |
| |
插入聲明 |
| |
插入前20個 |
| |
觀察數據 |
| |
桌子。該打印聲明是 |
| |
註釋掉，以便代碼 |
| |
跑得更快，然後我也 |
| |
有一個等待聲明來減慢 |
| |
事情略有下降，以便 |
| |
我們可以看到他們的進步 |
| |
在控製圖中。 |
| |
這太快了 |
| |
如果我沒有放慢腳步的話。 |
| |
嗯，接下來我要走了 |
| |
進行監控 |
| |
給你看劇本 |
| |
這將更新報告 |
| |
隨著新數據的湧入。 |
| |
第一個腳本很簡單 |
| |
腳本。那會檢查 |
| |
每.2秒存儲一次數據庫 |
| |
新觀察並將其添加 |
| |
到JMP表。 自從 |
| |
報告具有自動重新計算 |
| |
開啟後，報告將更新 |
| |
每當添加新數據時。 和 |
| |
我應該補充一點 |
| |
現實地， |
| |
您可能不會使用 |
| |
像這樣迭代的腳本 |
| |
這。您可能使用任務 |
| |
Windows中的調度程序或 |
| |
Mac上的Automator更好 |
| |
安排腳本運行。 |
| |
然後還有另一個 |
| |
腳本將 |
| |
將報告推送給JMP Public |
| |
每當報告更新時， |
| |
我真的很興奮 |
| |
使用JMP 15可以做到這一點。 |
| |
它使具有 |
| |
網絡瀏覽器以查看更新 |
| |
控製圖。 然後你 |
| |
甚至可以查看報告 |
| |
您的智能手機，所以這使得 |
| |
真的很容易分享 |
| |
跨組織的結果。 |
| |
您還可以使用JMP Live |
| |
如果您想要報告 |
| |
在受限制的服務器上。 |
| |
我不會有時間 |
| |
進入這個 |
| |
演示，但您可以簽出 |
| |
我的“發現美洲”演講。 |
| |
然後終於在這裡 |
| |
重新創建 |
| |
數據中的歷史數據 |
| |
表，如果您想運行 |
| |
示例多次。 |
| |
好吧，接下來...確保 |
| |
我們有歷史數據... |
| |
我要去跑 |
| |
流腳本，看看 |
| |
報告如何更新。 |
| |
所以數據在 |
| |
首先，然後是故障 |
| |
介紹了，但是有一個 |
| |
全廠控制系統 |
| |
在 |
| |
模擬，您可以看到 |
| |
如何控制系統 |
| |
最終帶來了過程 |
| |
達到新的平衡。 |
| |
等待它在這裡完成。 |
| |
因此，如果我們放大， |
| |
好像是第一個過程 |
| |
在這方面失控了 |
| |
時間點，所以我要 |
| |
給它上色 |
| |
貼上標籤，但會 |
| |
出現在其他情節中。 |
| |
然後在SPE圖中 |
| |
看起來像這樣 |
| |
觀察也出於 |
| |
控制，但只有一點點。 |
| |
然後，如果我們放大 |
| |
的時間點 |
| |
貢獻圖，您可以 |
| |
看到有很多 |
| |
促成變量 |
| |
失控信號在 |
| |
第一的。但是一旦 |
| |
過程達到了新的高度 |
| |
平衡，只有 |
| |
兩個大貢獻者。 |
| |
所以我要去掉熱量 |
| |
現在進行地圖整理。 |
| |
您可以將鼠標懸停 |
| |
過程的關鍵點 |
| |
首先失控， |
| |
窺探前十名 |
| |
貢獻變量。 這 |
| |
非常適合給你一個 |
| |
快速概述哪些變量 |
| |
對 |
| |
失去控制信號。 |
| |
然後，如果我單擊該圖， |
| |
這將被附加到 |
| |
故障診斷部分。 |
| |
如您所見， |
| |
大的幾個變量 |
| |
貢獻和排序 |
| |
關於貢獻。 |
| |
對於帶有 |
| |
紅條觀察到的是 |
| |
在單變量中失控 |
| |
控製圖。 你可以看到 |
| |
通過將鼠標懸停在其中一個上 |
| |
條和這些圖 |
| |
是一個 |
| |
帶有一個的單個變量 |
| |
三個Sigma控制極限。 |
| |
你可以在脫衣舞孃中看到 |
| |
壓力變量 |
| |
觀察不到 |
| |
控制，但最終 |
| |
過程被帶回 |
| |
控制。就是這種情況 |
| |
對於另一個頂部 |
| |
貢獻者。我還將展示 |
| |
你是變量之一 |
| |
在我們控制的地方 |
| |
單變量控製圖。 |
| |
所以這個過程是... |
| |
有很多變量 |
| |
過程中的控制權 |
| |
剛開始，但是 |
| |
過程最終達到 |
| |
新的平衡。 |
| |
嗯... |
| |
要查看變量 |
| |
對轉變的貢獻最大 |
| |
這個過程中，我們可以用均值 |
| |
貢獻比例圖。 |
| |
這些圖顯示了平均值 |
| |
貢獻變量 |
| |
必須為該組平方T |
| |
我選擇了 嗯，如果我在這裡 |
| |
對這些進行排序。 |
| |
僅有的兩個變量 |
| |
巨額捐款衡量了 |
| |
反應物A的流速 |
| |
流一，即 |
| |
該反應物進入反應器。 |
| |
這兩個變量都是 |
| |
基本上測量 |
| |
一樣的東西，除了一個 |
| |
測量...一個是 |
| |
測量變量和 |
| |
其他是被操縱的 |
| |
多變的。 |
| |
您可以看到其中有一個 |
| |
流程中的大幅度變化 |
| |
速率，這是我編程的 |
| |
在模擬中。 所以這些 |
| |
貢獻圖使您能夠 |
| |
快速找出根本原因。 |
| |
然後在我之前的演講中 |
| |
展示了許多其他方式 |
| |
可視化並診斷故障 |
| |
使用分數圖中的工具。 |
| |
這包括繪製 |
| |
得分圖上的負載和 |
| |
做一些小組比較。 |
| |
您可以查看我的發現 |
| |
美洲關於JMP的談話 |
| |
為此的社區。 相反，我是 |
| |
將花費其餘的時間 |
| |
時間介紹一些新的 |
| |
例子，我把 |
| |
本演講的社區頁面。 |
| |
所以。 |
| |
有20個可編程故障 |
| |
在田納西州伊士曼過程中 |
| |
可以將它們引入任何 |
| |
組合。我提供了另外兩個 |
| |
這裡有代表性的缺點。 過錯 |
| |
我之前顯示的1是 |
| |
容易檢測，因為出 |
| |
的控制信號太大 |
| |
所以有很多變量 |
| |
涉及。 專注於 |
| |
上一個演示是為了展示如何 |
| |
使用工具並確定。 |
| |
大量的故障 |
| |
變量而不是基準 |
| |
必要的方法。 |
| |
另一方面，故障4 |
| |
是一個更微妙的錯誤， |
| |
我會在這裡給你看。 |
| |
故障...已編程 |
| |
是突然增加 |
| |
反應器中的溫度。 |
| |
這可以通過以下方式補償 |
| |
通過增加控制系統 |
| |
冷卻液的流量。 |
| |
你可以看到 |
| |
在這裡獲取變量 |
| |
你可以看到轉變 |
| |
貢獻圖。 |
| |
然後你也可以看到 |
| |
大多數其他變量 |
| |
不受影響 |
| |
過錯。 你可以看到一個 |
| |
這裡的溫度峰值 |
| |
很快被帶回 |
| |
控制。因為大多數 |
| |
變量不受影響，這 |
| |
很難發現一些 |
| |
多變量控制方法。 |
| |
而且可以更多 |
| |
難以診斷。 |
| |
我要告訴你的最後一個錯誤 |
| |
是故障11。 |
| |
像故障4一樣，它也涉及 |
| |
冷卻液流入 |
| |
反應堆，除了現在的故障 |
| |
引入大的振盪 |
| |
流量，我們可以 |
| |
參見單變量控件 |
| |
圖表。這導致了 |
| |
電抗器波動 |
| |
溫度。另一個 |
| |
變量不是真的 |
| |
再次受影響，所以這可以 |
| |
很難發現一些 |
| |
方法。一些多元 |
| |
控制方法可以繼續 |
| |
故障4，但不是故障11或 |
| |
反之亦然。 但是我們的方法是 |
| |
能夠兩者兼得。 |
| |
最後，所有的 |
| |
我使用創建的示例 |
| |
田納西州伊士曼過程有 |
| |
明顯的故障 |
| |
T平方圖和SPE圖。 至 |
| |
顯示一些新功能 |
| |
模型驅動的多元 |
| |
控製圖，我想顯示 |
| |
一個故障的例子 |
| |
出現在SPE圖表中，但不出現 |
| |
T平方。 並找到一個好的 |
| |
這樣的例子，我重新審視了 |
| |
丁建峰的數據集 |
| |
在她以前的演講中介紹過，以及 |
| |
我提供了她的演講的鏈接 |
| |
在這本日記中。 |
| |
在她的社區頁面上， |
| |
她提供了幾個 |
| |
有用的例子是 |
| |
也值得一試。 |
| |
這是來自Cordia的數據集 |
| |
麥格雷戈（？）的經典論文 |
| |
多元控製圖。 這 |
| |
數據是處理後的變量 |
| |
在反應堆中測量，產生 |
| |
聚乙烯，你可以找到 |
| |
劍鋒的更多背景 |
| |
講話。在這個例子中，我們 |
| |
有一個過時的過程 |
| |
控制。讓我告訴你這個。 |
| |
而且在... |
| |
在SPE圖表中早於 |
| |
T平方。 |
| |
如果我們看一下均值 |
| |
貢獻 |
| |
SPE的地塊， |
| |
你可以 |
| |
看到有一個變量 |
| |
貢獻很大，它 |
| |
還顯示了 |
| |
單變量控製圖，但是 |
| |
還有其他變量 |
| |
貢獻很大，但是 |
| |
仍在控制中 |
| |
單變量控製圖。 |
| |
而且很難從中確定 |
| |
單憑條形圖為什麼這些 |
| |
變量很大 |
| |
貢獻。較大的SPE值 |
| |
當新數據不存在時發生 |
| |
遵循相關結構 |
| |
歷史數據的 |
| |
新數據通常是 |
| |
收集，這意味著 |
| |
您訓練的PLS模型是 |
| |
不再適用。 |
| |
從條形圖來看，這很難 |
| |
知道哪一對變量 |
| |
有它們的相關結構 |
| |
破碎的。 15.2中的新功能，您 |
| |
可以啟動散點圖矩陣。 |
| |
而且很明顯 |
| |
散點圖矩陣 |
| |
違反相關性 |
| |
Z2是什麼 |
| |
這些巨大的貢獻。 |
| |
好，我要轉回去 |
| |
PowerPoint。 |
| |
很快，我將總結一下 |
| |
模型驅動的主要特徵 |
| |
多元控製圖 |
| |
在演示中顯示。 這 |
| |
平台有能力 |
| |
同時執行在線故障 |
| |
檢測和離線故障 |
| |
診斷。有許多 |
| |
平台提供的方法 |
| |
深入到根 |
| |
故障原因。 我在給你看 |
| |
這裡有一些流行的地塊 |
| |
本書，故障檢測和 |
| |
工業系統診斷。 |
| |
在整本書中，作者 |
| |
演示一個人如何需要 |
| |
使用多元和單變量 |
| |
並排控製圖 |
| |
了解發生的情況 |
| |
在一個過程中。 |
| |
一個特別有用的 |
| |
模型驅動的多元模型中的特徵 |
| |
控製圖是如何 |
| |
互動且用戶友好 |
| |
是在這些之間切換 |
| |
兩種類型的圖表。 |
| |
那就是我的話題。 這是 |
| |
我的電子郵件（如果有） |
| |
進一步的問題。 和 |
| |
感謝大家 |
| |
收看這個。 |
爆發數據訪問與操作質量與可靠性
