使用多元控製圖對田納西州伊士曼流程進行故障檢測和診斷 (2021-EU-45MP-782)等級：中級
Jeremy Ash，JMP 分析軟體測試員，SAS
模型驅動多元控製圖 (MDMCC) 平台使用戶能夠基於 PCA 或 PLS 模型建立控製圖。 這些可用於高維資料集的故障檢測和診斷。我們使用真實工業化學過程（田納西州伊士曼過程）的模擬來演示 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產生液體產品時，測量質量和製程變數。 我們示範 MDMCC 如何透過將 JMP 連接到外部資料庫來執行線上監控。測量產品品質變數通常涉及在測量可用之前的時間延遲，這會大大延遲故障檢測。 當 MDMCC 監控 PLS 模型時，產品品質變數的變化將作為製程變數的函數進行監控。 由於過程變數通常更容易獲得，這有助於及早發現故障。 我們也演示了離線環境下的故障診斷。 這通常涉及多變量控製圖、單變量控製圖和診斷圖之間的切換。MDMCC 提供了一個用戶友好的介面來在這些圖之間移動。
自動產生的成績單...
揚聲器
|
成績單
|
| |
你好，我是傑瑞米·阿什。 我是一個 |
| |
JMP 研發部門的統計學家。我的工作 |
| |
主要包括測試 |
| |
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 |
| |
伊士曼工藝使用一些 |
| |
統計過程控制 |
| |
JMP 中的方法。 我要去 |
| |
要特別注意 |
| |
模型驅動的多元 |
| |
控製圖平台，即 |
| |
JMP 15 的新增功能。 |
| |
這些數據提供了 |
| |
展示的機會 |
| |
平台數量 |
| |
特徵。就像一個快速的 |
| |
免責聲明，這類似於 |
| |
我的探索美洲演講。 我們 |
| |
意識到歐洲還沒看到 |
| |
模型驅動多元 |
| |
由於所有的控製圖談話 |
| |
圍繞著新冠病毒的瘋狂，所以我 |
| |
決定專注於基礎知識。 |
| |
但有一些新材料 |
| |
談話結束時。 患病的 |
| |
簡單介紹一些額外的內容 |
| |
範例分析，然後我放上 |
| |
演講的社群頁面。 |
| |
首先，我假設一些知識 |
| |
統計過程控制 |
| |
在這次演講中。 最主要的是它 |
| |
了解一下會很有幫助 |
| |
是控製圖。 如果你是 |
| |
不熟悉這些這些 |
| |
是用來監控的圖表 |
| |
複雜的工業系統 |
| |
確定他們何時偏離 |
| |
從正常運行 |
| |
狀況。 |
| |
我不會有太多時間 |
| |
深入模型方法論 |
| |
驅動多元控制 |
| |
圖表，所以我會參考其他的 |
| |
自由的精彩演講 |
| |
JMP 社群上提供 |
| |
如果您想了解更多詳細資訊。 我 |
| |
還應該說劍鋒 |
| |
丁是初級 |
| |
模型驅動的開發者 |
| |
多變量控制 |
| |
與合作的圖表 |
| |
克里斯·戈特瓦爾特和那個托尼婭 |
| |
莫爾丁和我是測試員。 這 |
| |
本次演講的重點將是使用 |
| |
多變量控製圖 |
| |
監控現實世界 |
| |
典型流程；另一本小說 |
| |
方面將使用控制 |
| |
線上流程圖表 |
| |
監控。這意味著我們將 |
| |
持續監測數據 |
| |
它被添加到資料庫中並且 |
| |
即時檢測故障。 |
| |
所以我要開始 |
| |
上的強制幻燈片 |
| |
多變量的優點 |
| |
控製圖。 那為什麼不使用 |
| |
單變量控製圖？ 那裡 |
| |
有一批優秀的 |
| |
JMP 中的選項。 單變數 |
| |
控製圖非常好 |
| |
用於分析一些的工具 |
| |
一次的變數。 然而， |
| |
品質控制數據通常 |
| |
高維和數 |
| |
您需要的控製圖 |
| |
看看就能很快變成 |
| |
壓倒。多變數 |
| |
控製圖可以總結 |
| |
高維度過程 |
| |
只需幾個控製圖， |
| |
所以這是一個關鍵優勢。 |
| |
但這並不是說 |
| |
單因子控制圖不是 |
| |
在此設定中很有用。 你會 |
| |
在整個演講中看到 |
| |
故障診斷常常涉及 |
| |
多變數之間切換 |
| |
和單變量圖表。 |
| |
多元控製圖給出 |
| |
你的整體感 |
| |
過程的健康狀況，同時 |
| |
單變量圖表使您能夠 |
| |
監測具體方面 |
| |
過程。所以訊息是 |
| |
補充。目標之一 |
| |
監測多變量 |
| |
控制圖是提供一些 |
| |
有用的切換工具 |
| |
在這兩種類型之間 |
| |
圖表。其缺點之一是 |
| |
單變量圖表是 |
| |
觀察結果可能出現在 |
| |
控制他們實際的時間 |
| |
多變量失控 |
| |
感覺和這些圖顯示了我 |
| |
就是這個意思。 單變數 |
| |
石油和天然氣控制圖 |
| |
密度顯示兩者 |
| |
紅色的觀察結果如 |
| |
控制。然而，石油和密度 |
| |
高度相關且兩者 |
| |
觀察失去控制。 |
| |
在多元意義上， |
| |
特別是觀察51，其中 |
| |
相當違反相關性 |
| |
兩個變數的結構， |
| |
所以多變量控製圖 |
| |
可以選擇這些類型 |
| |
異常值，而單變數 |
| |
控製圖不能。 |
| |
模型驅動多元 |
| |
控製圖使用投影 |
| |
建立圖表的方法。 |
| |
我將首先解釋 PCA |
| |
因為它很容易建立 |
| |
從那裡。 PCA 減少了 |
| |
過程的維數 |
| |
將數據投影到低 |
| |
維度表面。 嗯， |
| |
如圖所示 |
| |
在右側。 我們有P |
| |
過程變數和 N |
| |
觀察結果，以及 |
| |
P 中的載重向量 |
| |
矩陣給出係數 |
| |
X 的線性組合 |
| |
導致的變數 |
| |
平方變數與 |
| |
尺寸 A，其中尺寸 |
| |
A比P小很多。 進而 |
| |
這顯示在方程式中 |
| |
左邊在這裡。 X 可以是 |
| |
預測為函數 |
| |
分數和負載，其中 E 是 |
| |
預測誤差。 |
| |
這些分數被選為 |
| |
最小化預測誤差， |
| |
以及另一種思考方式 |
| |
這就是你正在最大化的 |
| |
解釋的差異量 |
| |
在 X 矩陣中。 |
| |
那麼PLS是比較適合的 |
| |
投影法。 當你有 |
| |
一組過程變數和一個 |
| |
一組質量變量，你 |
| |
真的想確保 |
| |
質量變數保存在 |
| |
控制但這些變量 |
| |
往往是昂貴或耗時的 |
| |
消耗來收集。 植物 |
| |
可以在沒有 |
| |
長期控製品質 |
| |
偵測到故障之前的時間。 |
| |
所以 PLS 模型可以讓你 |
| |
監控您的品質變數 |
| |
根據您的流程 |
| |
變量，你可以看到 |
| |
PLS 模型找到分數 |
| |
最大化的變數 |
| |
解釋的變異量 |
| |
質量變數。 |
| |
這些過程變數是 |
| |
通常更便宜或更容易 |
| |
可用，因此 PLS 可以幫助您 |
| |
檢測品質缺陷 |
| |
儘早制定流程 |
| |
監控更便宜。 然後從這裡開始 |
| |
接下來我將專注於 PLS |
| |
模型，因為它更多 |
| |
適合該範例。 |
| |
所以 PLS 模型劃分了你的 |
| |
數據分成兩個部分。 這 |
| |
第一個組件是模型 |
| |
成分。這給了 |
| |
過程的預測值 |
| |
變數。 另一種思考方式 |
| |
關於它的是你的數據有 |
| |
被投影到模型中 |
| |
由你的分數定義的平面 |
| |
變數和 T 平方監視器 |
| |
您的數據的變化 |
| |
在這個模型平面內。 |
| |
第二個組成部分是 |
| |
錯誤組件。 這是 |
| |
與原來的距離 |
| |
數據和預測數據以及 |
| |
預測誤差平方 (SPE) |
| |
圖表監控這種變化。 |
| |
我們的另一個替代指標 |
| |
提供的是到模型的距離 |
| |
X 平面或 DModX。 這只是 |
| |
SPE 的標準化替代方案 |
| |
有些人比較喜歡。 |
| |
最後一個概念是 |
| |
重要的是要理解 |
| |
demo 之間的區別是 |
| |
歷史和當前數據。 |
| |
歷史數據通常是 |
| |
流程完成時收集 |
| |
已知處於控制之中。 這些 |
| |
數據用於建構 PLS |
| |
建模並定義法線 |
| |
過程變化使得 |
| |
即可得到控制限。 |
| |
並分配當前數據 |
| |
基於模型的分數，但是 |
| |
與模型無關。 |
| |
另一種思考這個問題的方式 |
| |
是我們有培訓並且 |
| |
測試集。 T 平方控制 |
| |
訓練限制較低 |
| |
數據，因為我們期望更少 |
| |
不同情況下的可變性... |
| |
用於訓練的觀察 |
| |
模型而有更大的 |
| |
P 平方的變異性 |
| |
此模型推廣到 E 檢驗 |
| |
放。幸運的是，理論 |
| |
T 平方的變異數為 |
| |
已經解決了，所以我們可以得到 |
| |
這些控制限值是基於 |
| |
一些分佈假設。 |
| |
在演示中將進行監控 |
| |
田納西伊士曼過程。 |
| |
我將展示一個簡短的 |
| |
對這些數據的介紹。 這 |
| |
是化學物質的模擬 |
| |
由唐斯和 |
| |
沃格爾，伊士曼的兩位化學家 |
| |
化學。 原來是 |
| |
用 Fortran 寫，但有 |
| |
是 Matlab 的包裝器和 |
| |
現在是Python。 我只是想注意 |
| |
雖然這個數據集是 |
| |
產生於90年代，至今仍 |
| |
主要數據集之一 |
| |
用於對多變量進行基準測試 |
| |
中的控制方法 |
| |
文學。它涵蓋了 |
| |
多變量的主要任務 |
| |
控制得好並且有 |
| |
數量驚人 |
| |
模擬中的真實感。 |
| |
並且模擬是基於 |
| |
一個工業製程 |
| |
今天仍然具有現實意義。 |
| |
所以數據被操縱了 |
| |
以保護專有 |
| |
資訊. 模擬的 |
| |
過程是生產 |
| |
兩種液體產品 |
| |
內的氣態反應物 |
| |
化工廠。 這裡的 F 是 |
| |
副產品 |
| |
需要被虹吸 |
| |
偏離所需的產品。 |
| |
嗯還有... |
| |
這就是我要說的全部。 |
| |
所以流程圖看起來 |
| |
很複雜，但事實並非如此 |
| |
太糟糕了，所以我會陪你走 |
| |
透過它。 氣態 |
| |
反應物A、D、E流入 |
| |
這裡的反應爐。 |
| |
反應發生並且 |
| |
產品以氣體形式離開。 它是 |
| |
然後冷卻並凝結成 |
| |
冷凝器中的液體。 |
| |
然後是汽液分離器 |
| |
回收任何剩餘的蒸氣並 |
| |
將其送回反應爐 |
| |
通過壓縮機，以及 |
| |
副產物和惰性化學品 B |
| |
在淨化流中被淨化， |
| |
這是為了防止任何 |
| |
積累。液體產品 |
| |
被泵送通過汽提塔， |
| |
其中剩餘的反應物 |
| |
被剝奪。 |
| |
然後送回反應爐。 |
| |
最後， |
| |
純化液體產品 |
| |
退出該進程。 |
| |
第一組變數是 |
| |
被監控的是被操縱的 |
| |
變數。 這些看起來像弓 |
| |
圖中的關係。 我認為 |
| |
他們實際上應該是 |
| |
閥門和被操縱的 |
| |
過程...或被操縱 |
| |
變數主要控制 |
| |
透過不同的流量 |
| |
流程的流。 |
| |
而這些變數可以被設定 |
| |
到限制內的任何值並且 |
| |
有一些高斯噪聲。 |
| |
操縱變數能夠 |
| |
以速率進行取樣， |
| |
但我們使用預設的3 |
| |
分鐘樣本現在。 |
| |
一些被操縱的例子 |
| |
變數是閥門 |
| |
控制反應物的流動 |
| |
進入反應器。 |
| |
另一個例子是閥門 |
| |
控制流量的 |
| |
蒸汽進入汽提塔。 |
| |
另一個是一個閥門 |
| |
控製冷卻液的流量 |
| |
進入反應器。 |
| |
下一組變數是 |
| |
測量變數。 這些都是 |
| |
如圖中圓圈所示。 |
| |
他們還在三點進行了採樣 |
| |
分鐘間隔。 這 |
| |
被操縱之間的區別 |
| |
變數和測量 |
| |
變數是 |
| |
測量變數不能 |
| |
在模擬中被操縱。 |
| |
我們的品質變數將是 |
| |
的百分比組成 |
| |
兩種液體產品和你 |
| |
可以看到分析儀 |
| |
在這裡測量產品。 |
| |
這些變數的採樣方式為 |
| |
相當長的時間延遲，所以 |
| |
我們正在考慮清洗 |
| |
流而不是出口 |
| |
流，因為這些數據是 |
| |
更早可用。 並且會使用 |
| |
用於監控製程的 PLS 模型 |
| |
變數作為這些的代理 |
| |
因為過程的變數 |
| |
變數的延遲較小且 |
| |
影響更快的取樣率。 |
| |
所以這應該夠了 |
| |
數據背景。 在 |
| |
總共有33個行程 |
| |
變數和兩個質量 |
| |
變數。 的過程 |
| |
收集變數是 |
| |
用一組模擬 |
| |
微分方程。 和這個 |
| |
只是一個模擬，但當你 |
| |
可以看到相當數量的 |
| |
精心設計這個模型 |
| |
經過現實世界的過程之後。 這裡 |
| |
是我正在做的演示的概述 |
| |
即將向您展示。 我們將收集 |
| |
有關我們流程和商店的數據 |
| |
這些數據在資料庫中。 |
| |
我想要一個例子 |
| |
很容易分享，所以我會 |
| |
使用 SQLite 資料庫，但是 |
| |
工作流程與大多數人相關 |
| |
資料庫類型，因為大多數 |
| |
支援ODBC連線。 |
| |
JMP 形成 ODBC 後 |
| |
與資料庫的連接， |
| |
JMP 可以定期檢查 |
| |
新的觀察結果並將其添加到 |
| |
一個數據表。 |
| |
如果我們有一個模型驅動 |
| |
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 |
| |
新資料出現時控制圖表 |
| |
以及整個過程中 |
| |
將資料新增至資料庫將 |
| |
可能會單獨進行 |
| |
從電腦上的電腦 |
| |
那是在做監控。 所以 |
| |
我有兩個 JMP 會話處於開放狀態 |
| |
來效法這個。 兩場會議 |
| |
有自己的日記 |
| |
在材料上 |
| |
社區和會議 |
| |
新增新的模擬數據 |
| |
資料庫將被調用 |
| |
串流媒體會話和 |
| |
會議更新報告 |
| |
隨著新數據的到來 |
| |
稱為監控會話。 |
| |
我非常喜歡的一件事 |
| |
唐斯和沃格爾的論文是 |
| |
他們沒有提供 |
| |
單一指標來評估 |
| |
過程的控制。 我有 |
| |
此處引用論文 |
| |
“我們認為權衡 |
| |
在可能的控制措施中 |
| |
策略和技術 |
| |
涉及的不僅僅是一個 |
| |
數學表達式。” |
| |
這是一些目標 |
| |
他們在論文中列出， |
| |
哪些與我們相關 |
| |
問題。他們想維持 |
| |
過程變數在 |
| |
期望值。 他們想要 |
| |
最大限度地減少產品的可變性 |
| |
幹擾期間的質量，以及 |
| |
他們想盡快康復 |
| |
並順利免受干擾。 |
| |
所以我們會看看我們的 |
| |
流程實現這些目標 |
| |
透過我們的監測方法。 |
| |
所以首先要在 |
| |
監控會話日誌，我會 |
| |
向您展示我們的第一個資料集。 |
| |
數據表包含了所有 |
| |
我引入的變數 |
| |
早些時候。第一個變數是 |
| |
測量變數；這 |
| |
其次是成分。 |
| |
第三個是 |
| |
操縱變數。 |
| |
這裡的腳本適合 |
| |
PLS 模型。 它排除了 |
| |
最後 100 行作為測試集。 |
| |
只是作為一個提醒， |
| |
該模型預測 2 |
| |
產品成分 |
| |
變數作為函數 |
| |
過程變數。 如果 |
| |
你有 JMP Pro，在那裡 |
| |
已經有一定的速度 |
| |
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 |
| |
三角形菜單。 有 |
| |
也曾有過一些 |
| |
性能改進 |
| |
在引擎蓋下。 |
| |
主要與數據集相關 |
| |
與大量 |
| |
觀察，但那是 |
| |
多變量常見 |
| |
過程監控設定。 |
| |
但PLS不是重點 |
| |
說話，所以我已經適應了 |
| |
模型和輸出分數列 |
| |
你可以在這裡看到它們。 |
| |
顯示器的原因之一 |
| |
多變量控製圖是 |
| |
設計成這樣，就是這樣 |
| |
想像你是統計學家 |
| |
並且您想分享您的模型 |
| |
與工程師一起，這樣他們就可以 |
| |
建構控製圖。 全部 |
| |
你需要做的是提供 |
| |
具有這些公式的資料表 |
| |
列。你不需要分享 |
| |
所有關於你如何的血淋淋的細節 |
| |
適合您的模型。 |
| |
接下來我給大家評分 |
| |
列來監控 |
| |
多變量控製圖。 |
| |
將其拖到此處的右側。 |
| |
所以在左邊你可以看到 |
| 兩種類型的控製圖 |
這 |
| |
T 平方和 SPE。 |
| |
嗯，有 860 個觀察結果 |
| |
用於估計 |
| |
模型，這些被標記為 |
| |
歷史的。然後是一百 |
| |
被遺漏作為測試集 |
| |
是您目前的數據。 |
| |
並且你可以看到在極限中 |
| |
總結、點數 |
| |
那些失去控制的和 |
| |
顯著水準。 嗯，如果你 |
| |
想要改變意義 |
| |
水平，你可以在這裡做 |
| |
紅色三角形菜單。 |
| |
因為反應爐正常 |
| |
營運條件，我們預計 |
| |
沒有觀察結果 |
| |
控制，但我們有一些錯誤 |
| |
這裡有正面的一面，因為我們 |
| |
沒有做出任何調整 |
| |
多重比較。 它是 |
| |
據我所知，這樣做並不常見 |
| |
可以說，在多元 |
| |
控製圖。 我想你 |
| |
具有更高的檢測能力 |
| |
控制訊號沒有 |
| |
更正。在控制圖中 |
| |
行話，這意味著你出局了 |
| |
的控制。 平均遊程長度 |
| |
保持低電平。 |
| |
所以我們在右邊 |
| |
也有貢獻 |
| |
繪圖和 Y 軸上是 |
| |
觀察結果；在X上 |
| |
軸，變數。 A |
| |
貢獻被表達 |
| |
作為一部分。 |
| |
然後在底部， |
| |
我們有分數圖。 正確的 |
| |
現在我正在繪製第一個 |
| |
分數維度與 |
| |
第二個分數維度，但是 |
| |
你可以看任何 |
| |
分數組合 |
| |
使用這個尺寸 |
| |
下拉式選單或箭頭 |
| |
按鈕。 |
| |
好的，所以我認為我們已經定位了 |
| |
到報告。 我要去 |
| |
現在切換到 |
| |
我用來串流的腳本 |
| |
資料存入資料庫 |
| |
報告正在監測。 |
| |
為了為此做任何事 |
| |
例如，您需要有一個 |
| |
安裝 SQLite ODBC 驅動程式 |
| |
為您的計算機。 這更容易 |
| |
在 Windows 電腦上執行， |
| |
這是你經常使用的 |
| |
當實際連接到 |
| |
資料庫. Mac 上的流程 |
| |
涉及更多，但我放了一些 |
| |
社區說明 |
| |
頁。然後我就沒有時間了 |
| |
談論這個，但我 |
| |
建立了 SQLite 資料庫 |
| |
我將在 JMP 中使用 |
| |
計劃放置一些說明 |
| |
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 |
| |
如果你想這樣做 |
| |
自己的數據。 |
| |
接下來我要展示 |
| |
你是我放的文件 |
| |
在 SQLite 資料庫中。 |
| |
我這裡有歷史數據。 |
| |
這被用來構建 |
| |
PLS 模型。 有960個 |
| |
中的觀察結果 |
| |
控制。然後我有 |
| |
監測數據，首先 |
| |
只包含歷史 |
| |
數據，但我會逐漸添加新的 |
| |
數據到此。 這是數據 |
| |
即多變量控制 |
| |
圖表將被監控。 |
| |
然後我模擬了新的 |
| |
數據已經並將其添加到 |
| |
數據表在這裡。 這些都是 |
| |
另外 960 個奇怪的測量值 |
| |
故障發生在 |
| |
某個時間點。 我想要 |
| |
有一些容易得到的東西 |
| |
分享，所以我不會跑步 |
| |
我的模擬腳本並添加到 |
| |
資料庫就是這樣。 是 |
| |
只是要進行觀察 |
| |
從這個新的數據表和 |
| |
將它們移至監控 |
| |
使用一些 JSL 的數據表和 |
| |
SQL 語句。 這只是一個 |
| |
模擬過程的範例 |
| |
新數據進入 |
| |
資料庫.不知怎的，你可能不會 |
| |
實際上使用 JMP 執行此操作，但是 |
| |
這是一個展示的機會 |
| |
如何使用 JSL 做到這一點。 |
| |
清理這裡。 |
| |
接下來我將向你展示這個 |
| |
流式腳本。 這是一個 |
| |
簡單的腳本，所以我要 |
| |
快速引導您完成它。 |
| |
這第一組 |
| |
命令將打開 |
| |
新數據表和 |
| |
它在 SQLite 資料庫中， |
| |
所以它打開表 |
| |
背景所以我不必 |
| |
處理窗戶。 |
| |
然後我就去拿碎片 |
| |
從此數據表中新增 |
| |
他們到監測數據 |
| |
桌子。我稱這些碎片為 |
| |
咬一口，一口大小為 20。 |
| |
然後下一個命令將 |
| |
連接到資料庫。 這 |
| |
將允許我發送 |
| |
資料庫SQL語句。 |
| |
然後接下來的一點 |
| |
代碼是 |
| |
迭代發送SQL |
| |
插入新的語句 |
| |
數據納入監控數據。 |
| |
我要去 |
| |
初始化 K 並顯示 |
| |
第一次迭代。 |
| |
這是一個簡單的SQL語句， |
| |
插入到語句中 |
| |
插入前 20 個 |
| |
對數據的觀察 |
| |
桌子。這個列印語句是 |
| |
註解掉，以便程式碼 |
| |
跑得更快然後我也 |
| |
有一個等待語句來減慢速度 |
| |
事情略有下降，以便 |
| |
我們可以看到他們的進步 |
| |
在控製圖中。 |
| |
這一切進展得太快了 |
| |
如果我不放慢速度的話。 |
| |
嗯，那接下來我要搬家了 |
| |
轉到監控會話 |
| |
向您展示腳本 |
| |
這將更新報告 |
| |
當新數據進來時。 |
| |
第一個腳本很簡單 |
| |
腳本。這將檢查 |
| |
資料庫每 0.2 秒 |
| |
新的觀察結果並添加它們 |
| |
到 JMP 表。 自從 |
| |
報告自動重新計算 |
| |
打開後，報告將更新 |
| |
每當新增資料時。 和 |
| |
我應該補充一點 |
| |
實際上， |
| |
你可能不會使用 |
| |
只是迭代的腳本 |
| |
這。您可能會使用任務 |
| |
Windows 中的排程器或 |
| |
Mac 上的 Automator 變得更好 |
| |
安排腳本的運行。 |
| |
然後還有另一個 |
| |
腳本將 |
| |
將報告推送至 JMP Public |
| |
每當報告更新時， |
| |
我真的很興奮 |
| |
JMP 15 可以實現這一點。 |
| |
它使任何具有 |
| |
用於查看更新的網頁瀏覽器 |
| |
控製圖。 然後你 |
| |
甚至可以查看報告 |
| |
你的智慧型手機，所以這使得 |
| |
分享真的很容易 |
| |
跨組織的結果。 |
| |
您也可以使用 JMP Live |
| |
如果您想要報告 |
| |
在受限伺服器上。 |
| |
我沒有時間 |
| |
進入這個 |
| |
演示，但你可以查看 |
| |
我的探索美洲演講。 |
| |
然後最後在這裡，有 |
| |
重新建立的腳本 |
| |
數據中的歷史數據 |
| |
如果你想運行表 |
| |
多次舉例。 |
| |
好的，接下來...確保 |
| |
我們有歷史數據... |
| |
我要運行 |
| |
串流傳輸腳本並查看 |
| |
報告如何更新。 |
| |
所以數據控制在 |
| |
首先，然後是一個錯誤 |
| |
介紹了，但是有一個 |
| |
全廠控制系統 |
| |
這是在 |
| |
模擬，你可以看到 |
| |
控制系統如何 |
| |
最終帶來過程 |
| |
達到新的平衡。 |
| |
在這裡等待它完成。 |
| |
所以如果我們放大的話 |
| |
看起來首先是過程 |
| |
對此失去了控制 |
| |
時間點，所以我要去 |
| |
給它上色並 |
| |
標記它，但它會 |
| |
出現在其他情節中。 |
| |
然後在 SPE 圖中， |
| |
看起來像這樣 |
| |
觀察也出 |
| |
控制，但只是輕微的。 |
| |
然後如果我們放大 |
| |
的時間點 |
| |
貢獻圖，你可以 |
| |
看到有很多 |
| |
變數有助於 |
| |
失控訊號 |
| |
第一的。但隨後一旦 |
| |
過程達到一個新的 |
| |
平衡，只有 |
| |
兩個大貢獻者。 |
| |
所以我要消除熱量 |
| |
現在要清理一下地圖。 |
| |
您可以將滑鼠懸停在 |
| |
過程的點 |
| |
首先失控並且 |
| |
看看前十名 |
| |
貢獻變數。 這 |
| |
非常適合給你一個 |
| |
快速概覽哪些變數 |
| |
貢獻最大的是 |
| |
失控信號。 |
| |
然後如果我點擊情節， |
| |
這將被附加到 |
| |
故障診斷部分。 |
| |
正如你所看到的，有 |
| |
幾個大的變數 |
| |
貢獻並剛剛排序 |
| |
關於貢獻。 |
| |
對於變數 |
| |
觀察到的紅條是 |
| |
單變數失控 |
| |
控製圖。 你可以看到 |
| |
將滑鼠懸停在其中一個上即可 |
| |
長條圖和這些圖譜 |
| |
是 IR 圖 |
| |
個體變數與 |
| |
三西格瑪控制限。 |
| |
你可以在脫衣舞中看到 |
| |
壓力變數 |
| |
觀察超出了 |
| |
控制，但最終 |
| |
進程被帶回 |
| |
控制。情況就是這樣 |
| |
對於另一個頂部 |
| |
貢獻者。我也來展示一下 |
| |
你是變數之一 |
| |
在我們能控制的地方 |
| |
單變量控製圖。 |
| |
所以這個過程是... |
| |
有很多變數 |
| |
過程中的控制 |
| |
開始，但是 |
| |
過程最終達到 |
| |
新的平衡。 |
| |
嗯... |
| |
查看變數 |
| |
對轉變貢獻最大的是 |
| |
這個過程，我們可以使用均值 |
| |
貢獻比例圖。 |
| |
這些圖表顯示了平均值 |
| |
變數的貢獻 |
| |
必須對該組進行 T 平方 |
| |
我已經選擇了。 嗯，如果我在這裡 |
| |
對這些進行排序。 |
| |
僅有的兩個變數 |
| |
龐大的貢獻衡量 |
| |
反應物A的流速 |
| |
流一，即流 |
| |
將此反應物放入反應器中。 |
| |
這兩個變數都是 |
| |
本質上測量的是 |
| |
同樣的事情，除了一個 |
| |
測量...一個是一個 |
| |
測量變數和 |
| |
另一個是被操縱的 |
| |
多變的。 |
| |
你可以看到有一個 |
| |
流量的大階躍變化 |
| |
速率，這是我編程的 |
| |
在模擬中。 所以這些 |
| |
貢獻圖可以讓你 |
| |
快速找出根本原因。 |
| |
然後在我之前的演講中我 |
| |
展示了許多其他方法 |
| |
可視化和診斷故障 |
| |
使用分數圖中的工具。 |
| |
這包括繪製 |
| |
分數圖上的載重和 |
| |
做一些小組比較。 |
| |
你可以看看我的發現 |
| |
美洲關於 JMP 的討論 |
| |
社區為此。 相反，我是 |
| |
將花費剩下的時間 |
| |
是時候介紹一些新的了 |
| |
例子，我把它放在 |
| |
本次演講的社群頁面。 |
| |
所以。 |
| |
有20個可編程故障 |
| |
在田納西伊士曼流程中 |
| |
並且它們可以被引入任何 |
| |
組合。我提供了另外兩個 |
| |
這裡有代表性的故障。 過錯 |
| |
我之前展示的 1 是 |
| |
很容易檢測到，因為輸出 |
| |
控制訊號太大 |
| |
這麼多的變數 |
| |
涉及。 重點放在 |
| |
之前的演示是為了展示如何 |
| |
使用工具並識別。 |
| |
大量故障中 |
| |
變數而不是基準 |
| |
方法必然。 |
| |
另一方面，故障4 |
| |
是一個更微妙的錯誤， |
| |
我將在這裡向您展示。 |
| |
問題是我…已經編程了 |
| |
是突然增加 |
| |
反應器內的溫度。 |
| |
這是透過以下方式補償的 |
| |
控制系統透過增加 |
| |
冷卻液的流量。 |
| |
你可以看到 |
| |
此處選取的變數和 |
| |
你可以看到轉變 |
| |
貢獻圖。 |
| |
然後你還可以看到 |
| |
大多數其他變數 |
| |
不受影響 |
| |
由過失。 你可以看到一個 |
| |
這裡的溫度飆升 |
| |
很快被帶回 |
| |
控制。因為大多數其他 |
| |
變數不受影響，這 |
| |
對某些人來說很難察覺 |
| |
多變量控制方法。 |
| |
而且還可以更多 |
| |
難以診斷。 |
| |
我要告訴你的最後一個錯誤 |
| |
是故障11。 |
| |
與故障4一樣，它也涉及 |
| |
冷卻劑流入 |
| |
反應堆，除了現在的故障 |
| |
引入大的振盪 |
| |
流量，我們可以 |
| |
參見單變量控制 |
| |
圖表。這導致了 |
| |
反應器波動 |
| |
溫度。另一個 |
| |
變數並不是真正的 |
| |
再次受到影響，所以這可以是 |
| |
對某些人來說更難發現 |
| |
方法。一些多元 |
| |
控制方法可以採取 |
| |
故障 4，但不是故障 11 或 |
| |
反之亦然。 但我們的方法是 |
| |
能夠同時接受。 |
| |
最後，所有的 |
| |
我使用創建的範例 |
| |
田納西伊士曼工藝有 |
| |
中明顯的故障 |
| |
T 平方圖和 SPE 圖。 到 |
| |
顯示一些較新的功能 |
| |
模型驅動多元 |
| |
控製圖，我想展示 |
| |
一個錯誤的例子 |
| |
出現在 SPE 圖表中，但未出現 |
| |
T 平方。 並且要找到一個好的 |
| |
舉個例子，我重新檢視了 |
| |
其中資料集為丁建峰 |
| |
在她之前的演講中提出過，並且 |
| |
我提供了她演講的鏈接 |
| |
在這本雜誌中。 |
| |
在她的社群頁面上， |
| |
她提供了幾個 |
| |
有用的例子是 |
| |
也值得一看。 |
| |
這是來自 Cordia 的資料集 |
| |
麥格雷戈（？）的經典論文 |
| |
多變量控製圖。 這 |
| |
數據是經過處理的變數 |
| |
在反應器中測量，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 |
| |
有一個進程退出了 |
| |
控制。讓我告訴你這個。 |
| |
而且已經失控了... |
| |
SPE 圖表中的時間早於 |
| |
T 平方。 |
| |
如果我們看平均值 |
| |
貢獻 |
| |
SPE 繪圖， |
| |
你可以 |
| |
看到有一個變數 |
| |
有很大的貢獻和它 |
| |
也顯示出巨大的轉變 |
| |
單變量控製圖，但是 |
| |
還有其他變數 |
| |
做出了巨大的貢獻，但是 |
| |
仍在控制之中 |
| |
單變量控製圖。 |
| |
並且很難確定 |
| |
只是條形圖為什麼這些 |
| |
變數有很大的 |
| |
貢獻。大 SPE 值 |
| |
當新資料不存在時發生 |
| |
遵循相關結構 |
| |
的歷史數據，即 |
| |
當新數據出現時經常出現這種情況 |
| |
收集起來，這意味著 |
| |
你訓練的 PLS 模型是 |
| |
不再適用。 |
| |
從長條圖來看，很難 |
| |
知道哪對變數 |
| |
有其相關結構 |
| |
破碎的。 15.2 如此新，你 |
| |
可以啟動散點圖矩陣。 |
| |
並且很明顯在 |
| |
散點圖矩陣 |
| |
違反相關性 |
| |
Z2 是驅動力 |
| |
這些巨大的貢獻。 |
| |
好的，我要切換回來 |
| |
到 PowerPoint。 |
| |
很快，我會總結一下 |
| |
模型驅動的主要特點 |
| |
多元控製圖 |
| |
已在演示中展示。 這 |
| |
平台能夠 |
| |
執行兩個線上故障 |
| |
偵測及離線故障 |
| |
診斷。有許多 |
| |
平台提供的方法 |
| |
用於深入根部 |
| |
故障原因。 我正在向你展示 |
| |
這裡有一些來自流行的情節 |
| |
書，故障檢測和 |
| |
工業系統診斷。 |
| |
在整本書中，作者 |
| |
展示一個人需要如何 |
| |
使用多變量和單變量 |
| |
並排控制圖 |
| |
了解正在發生的事情 |
| |
在一個過程中。 |
| |
一個特別有用的 |
| |
模型驅動多元特徵 |
| |
控製圖是怎樣的 |
| |
互動且用戶友好 |
| |
就是在這些之間切換 |
| |
兩種類型的圖表。 |
| |
這就是我的演講。 這是 |
| |
我的電子郵件如果你有的話 |
| |
進一步的問題。 和 |
| |
感謝大家 |
| |
收看這個。 |
爆發資料存取和操作品質和可靠性
