281538_zh-CN

liliconcom

使用多元控制图对 Tennessee Eastman 过程进行故障检测和诊断 (2020-US-45MP-606)

级别：中级

 

Jeremy Ash，JMP 分析软件测试员，JMP

 

模型驱动的多元控制图 (MDMVCC) 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。 我们使用真实世界工业化学过程（田纳西伊士曼过程）的模拟来演示 PLS 模型的 MDMVCC 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物时，会测量质量和过程变量。 我们在离线设置中演示故障诊断。 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。 MDMVCC 提供了一种用户友好的方式在这些图之间移动。 接下来，我们将演示 MDMVCC 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到测量可用之前的时间延迟，这会大大延迟故障检测。 当 MDMVCC 监控 PLS 模型时，产品质量变量的变化被监控为过程变量的函数。 由于过程变量通常更容易获得，因此可以帮助及早发现故障。

示例文件

下载并解压 streaming_example.zip。有一个 README 文件，其中包含一些额外的设置说明，在按照视频中的示例进行操作之前，您需要执行这些说明。还提供了额外的故障诊断示例。 如果您发现任何问题或有任何疑问，请在社区中给我留言。

 

 

 

自动生成的成绩单...

 

扬声器	成绩单
杰里米·阿什	你好，我是杰里米·阿什。 我是 jump R amp D 的统计学家。我的工作主要包括测试多元统计平台和 jump 但是
	我还帮助研究和评估方法，今天我将使用一些统计过程控制方法和跳跃来分析田纳西伊士曼过程。
	我将特别关注模型驱动的多元控制图平台，它是 jump 的新增功能，我对这个平台感到非常兴奋，这些数据提供了展示其一些功能的新机会。
	首先，我假设在本次演讲中对统计过程控制有一些了解。
	您需要了解的主要内容是控制图。 如果你不熟悉这些。 这些图表用于监控复杂的工业系统，以确定它们何时偏离正常运行条件。
	我不会有太多时间进入方法论和模型驱动的多元控制图。 因此，我将参考这些免费提供的其他精彩演讲。
	更多细节。 我还应该提到，Jim 发现是模型驱动的多元控制图的主要开发人员，并且与 Chris Got Walt 和 Tanya Malden 合作，我是测试人员。
	因此，本次演讲的重点将是使用多元控制图来监控现实世界的化学过程。
	本次演讲的另一个新颖方面是使用控制图进行在线过程监控，这意味着我们将在数据添加到数据库时持续监控数据并实时发送故障信息。
	所以我将从关于多元控制图优势的强制性幻灯片开始。 那么为什么不在那里使用大学控制图呢。 有许多出色的选择和跳跃。
	大学控制图是一次分析几个变量的绝佳工具。 然而，质量控制数据集通常是高维的
	您需要查看的图表数量很快就会变得不堪重负。 所以多元控制图总结了一个高维过程。 只有几张图表，这是一个关键优势。
	但这并不是说大学控制图在此设置中没有用，您会在整个谈话中看到故障诊断通常涉及大学控制图中的多变量之间的切换。
	多元控制图，让您充分了解过程的整体健康状况 大学控制图让您
	看具体方面。 因此，这些信息是互补的，模型驱动的多元控制图的主要目标之一是提供一些工具，以便在这两种类型的图表之间轻松切换。
	大学控制图的一个缺点是，当观察结果实际上在多元意义上失控时，观察结果可能看起来处于控制之中。 所以我必须要
	控制油和密度的 IR 图表，红色的这两个观察值是可控的，但油和密度是高度相关的。 这些观察结果在多元意义上是异常值，特别是观察结果 51 严重违反了相关结构。
	因此，多元控制图可以识别这些类型的异常值。 当大学控制图不能
	模型驱动的多元控制图使用投影方法来构建其控制图。 我将首先解释 PCA，因为它很容易从那里构建。
	PCA 通过投影到低维空间来降低过程变量的维数。
	如右图所示，我们有 p 个过程变量和观察值，我们希望将过程的维数减少到 a 比 p 小得多，并且
	为此，我们使用这个 P 加载矩阵，它提供了 X 变量的线性组合的系数，这些变量给出了分数变量。 左边显示和方程。
	tee times P 将为您提供具有低维表示的过程变量的预测值。 并且有一些预测空气和您的分数变量被选中。
	以一种最小化这种平方预测空气的方式。 另一种思考方式是，您正在最大化解释 x 的方差量
	当您拥有一组过程变量和一组质量变量并且您确实希望确保质量变量受到控制，但收集这些变量通常昂贵或耗时时，请使用 Pls 更合适
	在检测到故障之前，行星可能会在很长一段时间内使质量失控，因此
	Pls 模型允许您根据过程变量监控质量变量。 您可以在这里看到，pls 将找到使 y 变量中解释的方差最大化的分数变量。
	过程变量通常更便宜且更容易获得。 因此，pls 模型可以让您及早发现质量故障，并使过程监控更便宜。
	所以从这里开始。 我将只关注 pls 模型，因为这更适合我们的示例。
	因此，请将您的数据划分为两个组件。 第一个组件是您的模型组件。 这为您提供了预测值。
	另一种思考方式是，因为您的数据已被投影到由分数变量定义的模型平面中，并且 t 平方图将监控该模型平面中的变化。
	第二个组件是您的错误组件。 这是您的原始数据与预测数据和平方预测误差图表之间的距离，sp 图表将监控
	这个组件的变化
	我们还提供了模型 x 平面的替代距离，这只是 sp 的标准化版本。
	对于演示，最后一个重要的概念是历史数据和当前数据之间的区别。
	历史数据通常在已知过程受控时收集。 这些数据用于构建 PLS 模型并定义
	正常的过程变化。 这允许获得一个控制限制，当前数据基于模型分配分数，但独立于模型。
	另一种思考方式是，我们有一个训练集和一个测试集，并且训练数据的 t 平方控制限制较低，因为我们期望较低的可变性
	用于训练模型的观察值，而可变性和 t 平方更大。 当模型泛化到测试集时。 幸运的是，有一些理论已经为
	T 平方的变体，允许我们根据一些分布假设获得控制限。
	在演示中将监控 Tennessee Eastman 流程。 我将简要介绍这些数据。
	这是一个由 downs 和 Bogle 为 Eastman Chemical 的化学家开发的化学过程模拟，最初是用 Fortran 编写的，但现在 MATLAB 和 Python 中有说唱歌手。
	该模拟基于真实的工业过程，但被操纵以保护专有信息。
	模拟过程。 的，液体的生产。
	通过将反应物放气，F 是需要从所需产品中虹吸掉的副产品。
	这两个季节过程在基准多元过程控制方法的文献中普遍存在。
	所以这是流程图。 它看起来很复杂，但实际上并没有那么糟糕。 所以我将引导你完成它。
	气态反应物ad和he在这里流入反应器，反应发生，产物以气体形式离开。 它被冷却并冷凝成液体和冷凝器。
	然后我们有一个汽液分离器，它将去除任何剩余的蒸汽并通过压缩机将其循环回反应器，这里还有一个吹扫流，它将
	排出副产品和一种工艺化学品以防止其积聚，然后将液体产品泵送通过汽提塔，在汽提塔中汽提掉剩余的反应物，最终纯化的产品在出口流中离开。
	被监控的第一组变量是操纵变量。 这些看起来像领结和图表。
	认为它们实际上是阀门和操纵变量，主要控制通过过程不同流的流速。
	这些变量可以设置为限制范围内的特定值，并且具有一些高斯噪声，并且可以以任何速率对操纵变量进行采样，我们使用默认的三分钟采样
	操纵变量的一些例子是反应物进入反应器的流速
	蒸汽进入汽提塔的流速。
	冷却剂流入反应堆
	下一组变量是测量变量。 这些在图中显示为圆圈，并且它们也以三分钟的间隔进行采样，不同之处在于无法在模拟中操纵测量变量。
	我们的质量变量将是您可以看到的液体产品的百分比成分
	分析仪在这里测量成分。
	这些变量的收集有相当长的时间延迟，因此
	我们正在查看流中的产品，因为
	这些变量比留在出口流中的产品更容易测量。 我们还将构建一个 pls 模型来监控
	通过我们的过程变量监控我们的质量变量，这些变量在更快的采样率下具有显着更少的延迟。
	好的，这就是数据的背景。 总共有 33 个过程变量为质量变量。
	用一系列微分方程模拟收集变量的过程。 所以这只是一个模拟。 但是您可以看到，模型建模非常谨慎。 这是一个真实世界的过程。
	所以这里是演示的概述，我将向您展示将收集有关我们流程的数据，然后将这些数据存储在数据库中。
	我想要一个易于分享的示例。 所以我将使用 sequel light 数据库，但这个工作流程与大多数类型的数据库相关。
	大多数数据库支持奇数查看连接，一旦跳转连接到数据库，它可以定期检查新的观察结果并在跳转表进入时更新它们。
	然后，如果我们打开了一个模型驱动的多元控制图报告，并打开了自动重新计算。 我们有一种机制可以在新数据进入时更新控制图。
	将数据添加到数据库的整个过程可能会在与进行监控的计算机不同的计算机上进行。
	所以我有两次跳开来模仿这两次会议都有自己的期刊在社区提供的材料中。
	第一个会话会将模拟数据添加到数据库中，称为流式会话，下一个会话将在报告进入数据库时更新报告，我称之为监控会话。
	我真正喜欢 Downs 和 Vogel 论文的一件事是，它们没有提供单一的指标来评估过程的控制。 我在这里引用了这篇论文。 我们觉得
	我们认为所涉及的可能控制策略和技术之间的权衡，远远超过了数学表达式。
	因此，这是他们在论文中列出的与我们的问题相关的一些目标，它们保持期望值最小化扰动期间产品质量的可变性并从扰动中快速平稳地恢复的过程变量。
	因此，我们将使用我们的监控方法来评估我们的流程如何实现这些目标。
	好的。
	因此，首先，我在监控会话日志中，我将向您展示我们发送的第一个数据，数据表包含我之前介绍的所有变量，第一组是测量变量。 接下来设置我们的组合变量。 最后一组是操纵变量。
	此处附加的第一个脚本将适合一个 pls 模型，它排除了最后一百朵玫瑰是一个测试集。
	提醒一下，这个模型将我们的两个产品成分变量预测为我们的过程变量的函数，但 pls 模型或 PLS 不是讨论的重点。 所以我已经在这里拟合了模型和输出分数列。
	如果我们查看列属性。 可以看到有一个 MD MCC 历史统计属性，里面包含了所有的信息
	在您需要构建多元控制图的模型上。 以这种方式设计监控多变量控制图的原因之一是
	想象一下，您是一名统计学家，您想与工程师共享您的模型，以便他们可以构建控制图。 您需要做的就是为数据表提供这些公式列。 您无需分享有关如何拟合模型的所有血腥细节。
	所以接下来我将使用分数列来创建我们的控制回合
	在左侧，我必须控制图表 t 平方和 SPE，其中有 860 个观测值用于估计模型。 这些被标记为历史，然后我有 100 个观察结果作为测试集。
	你可以在下面的限制摘要中看到，我执行了一个绑定，仅用于多次测试的校正。
	根据历史数据。 我在红色小三角菜单中进行了此操作，您可以设置 alpha 级别，任何您想要的
	我做了这个更正，因为已知数据是正常的操作条件。 因此，我们预计不会有任何观察结果失控，并且经过多重性调整后，误报为零。
	在右侧或贡献比例热图。 这些表示每个变量在 Y 轴上对每个观察值对外部控制信号的贡献程度，并且贡献表示为比例
	您可以在这两个图中看到，贡献在变量中分布得非常均匀。
	而在底部。 我有一个分数厂。
	现在我们只是在绘制第一个分数维度与第二个分数维度，但您可以使用这些下拉菜单或此箭头查看分数维度的任何组合。
	好的，所以我们非常关注报告，我将切换到监控会话。
	这会将数据流式传输到数据库中。
	为了对这个例子做任何事情，你需要安装一个 sequel light odd see 驱动程序。 这很容易做到。 你可以在这里点击这个链接。
	我没有时间谈论这个，但我创建了续集灯光数据库。 我将使用并跳转我有关于如何执行此操作以及如何连接跳转到我的社区网页上的数据库的说明
	如果您想在自己的日期尝试此示例，此示例可能会有所帮助。
	我已经创建了到这个数据库的连接。
	我已经在社区上共享了数据库。 所以我要看看查询生成器中的数据表。
	我可以做那个表快照
	第一个数据集是我用来构建 pls 模型的历史数据，有 960 个观察值在控制中。
	下一个数据表是一个监控数据表，它最初只是包含历史数据，但我会逐渐向其中添加新数据，这就是我们的多元控制图将监控的内容。
	然后我已经模拟了新数据并将其添加到此数据表中，并查看它从时间戳 961 开始
	还有另外 960 次观察，但我在某个时间点引入了错误
	我想要一些容易分享的东西。 所以我不会运行我的模拟脚本并以这种方式添加数据库。
	我只是要从这个新数据表中获取观察结果，然后使用一些带有后续语句的 JSON 将它们移动到监控数据表中。
	这只是一个模拟新数据进入数据库的过程的简单示例，不知何故，您实际上可能不会通过跳转来执行此操作。 但这是一个展示如何使用 ASL 做到这一点的机会。
	接下来，我将向您展示用于流式传输数据的脚本。
	这是一个简单的脚本。 因此，我将带您快速完成它。
	第一组命令将从 sequel light 数据库中打开新的数据表，它在后台打开。 所以我必须处理窗口，然后我要从这个新的数据表中取出碎片
	将它们移动到监控数据表中，我将它们称为碎片和 BITE SIZES 20
	然后这将创建一个数据库连接，允许我发送数据库 SQL 语句。 然后这最后一段代码将交互地构造后续语句，将新数据插入到监控数据中。 所以我要初始化
	好的，向您展示此循环的第一次迭代。
	所以这只是一个简单的
	SQL 语句 insert into 插入前 20 个观察值的语句。
	评论一开始跑得更快。 这里有一个等待声明。 这只会减慢流。
	这样我们就有足够的时间来查看数据和控制图的进程，如果没有这个，这个流式传输示例就结束得太快了。
	好的，所以我要去
	切换回监控会话并向您展示一些将更新报告的脚本。
	把它移到右边。 因此，您可以同时查看报告和脚本。
	所以，
	这个从监控数据中读取的脚本是一个简单的脚本，它每两秒检查一次数据库并将新数据添加到跳转表中。 并且由于报告已启用自动重新计票。
	每当添加新数据时，报告都会更新。 我应该现实地补充一点，你可能不会使用像这样集成的脚本，你可能会使用任务计划程序和窗口是自动化的，Max 更好地安排运行
	然后是这里的下一个脚本。
	每当报告更新时，都会将报告推送到公开。
	我真的很兴奋这是可能的并且跳跃。
	它使任何带有网络浏览器的计算机都可以查看控制图的更新。 您甚至可以在智能手机上查看报告。 因此，这使得跨组织共享结果变得容易。 如果您希望报告位于受限制的服务器上，也可以使用 jump live。
	然后脚本将重新创建历史数据和数据表，以防您想多次运行该示例。
	好的，让我们运行流式传输脚本。
	并查看报告如何更新。
	您可以看到数据一开始处于控制状态，但随后出现故障，出现大量失控信号，但已实施全厂控制系统和仿真，使系统达到新的平衡
	我给它一秒钟来完成。
	现在我已经更新了控制图。 我要把结果推送到公众号
	在我的跳转公共页面上，我首先有一个带有数据和控件的控制图。
	这应该随着数据的添加而更新。
	因此，如果我们放大该过程首次失控的时间。
	您的
杰里米·阿什	看起来那是样品 1125 我要给它上色
	并贴上标签。
	这样它就会出现在其他情节中，然后
	在 SP 图中，该观察结果似乎仍在控制之中。
	什么图表会更早发现故障取决于您的模型。 你选择了多少因素
	我们也可以放大
	贡献图中的那个时间点。 而且你可以看到什么时候的过程。 首先失控。 有大量变量会导致失控信号。 但是当系统达到一个新的平衡时，只有两个变量有很大的贡献。
	所以我要删除这些热图，以便在诊断部分有更多空间。
	并使所有内容都非常大，以便文本显示在您的屏幕上。
	如果我将鼠标悬停在失控的第一个点上。 您可以查看前 10 个贡献变量。
	这对于快速识别哪些变量对失控信号的影响最大非常有用。 我还可以单击该图并附加到诊断部分，然后
	您可以看到有大量变量导致失控信号。
	在这里放大一点。
	因此，如果其中一个条是红色的。 这意味着变量失控。
	在通用控制图中。 您可以通过将鼠标悬停在条形上方来看到这一点。
	我要平底锅，几个
	这些图表，让我们为具有三个 sigma 控制限的单个变量绘制 IR 图表。
	您会看到汽提塔压力变量。 观察在大学控制图中是失控的，但变量最终由我们的控制系统控制。 这是真的
	大部分的
	大的贡献变量，还向您展示了观察受控的变量之一。
	因此，一旦控制系统做出响应，许多变量就会重新受到控制，并且过程达到
	新的平衡
	但显然这个过程发生了转变。 因此，要确定导致这种转变的变量。 您可以看到的一件事是主要贡献。
	阴谋
	如果我对此进行排序并查看
	贡献最大的变量。 看起来只有两个变量有很大的贡献，这两个变量都在测量进入反应器的流中反应的流速
	除了一个是测量变量，一个是操纵变量之外，这些测量本质上是相同的。 你可以看到
	在大学控制图中，流速有很大的阶跃变化。
	这个也是。 这是我在模拟中编程的步骤变化。 因此，这些贡献使我们能够快速确定根本原因。
	因此，我将介绍其他一些替代方法来确定导致这种转变的相同原因。 原因是在真实数据中。
	流程转变通常更加微妙，一些工具可能比其他工具更有用，并且可以识别它们，并且使用这些替代方法始终会得出相同的结论。 所以它将展示这些方法的一些连接方式
	在这里，我有一个分数植物，它可以提供有关 t 平方植物变化的补充信息。
	它在捕获高维变化的能力方面受到更多限制，因为一次只能可视化模型的两个维度，但是，我们可以提供更直观的过程可视化，因为它以低维表示形式可视化它
	事实上，多元控制图首先被拆分为 t squared 和 SPE 的主要原因之一是它提供了足够的降维来轻松可视化过程和散点图。
	所以我们要识别变量是
	造成转机。 所以我要，我要在班次前后给点上色。
	以便它们出现在分数图中。
	通常，当我们查看六个因素的所有组合时，需要查看很多分数图
	因此，非常方便的是能够使用此处向下的箭头快速循环遍历所有组合，我们可以查看因子组合并找到存在较大分离的组合。
	如果我们想确定分数图中第一次发生偏移的位置，您可以连接这些点并看到偏移再次发生在 1125 左右。
	另一个有用的工具。 如果你想识别
	分数维度，其中观察显示与历史数据的最大分离并且您不想查看所有分数图是标准化分数图。 所以我要在班次后选择一个点并查看归一化分数图。
	我实际上会选择另一个。
	好的。
杰里米·阿什	因为我想看维度、五和六。 所以
	这些图显示了分数的大小和标准化的每个维度，因此维度处于相同的比例。 并且由于历史数据的平均值是每个分数为零，因此提到具有最大量级的维度将显示最大的分离。
	在所选点和历史数据之间。 所以看起来在这里，维度，五和六显示了最大的分离和
	我要搬到那些
	所以我们之间有很大的分离
	移位数据和历史数据以及方图可视化也可以更好地解释，因为您可以使用变量加载来为因素分配意义。
	和
	在这里我有
	我们有太多的变量来查看它们的所有标签。
	正在加载矢量，但您可以将鼠标悬停在上面并查看它们。 你可以看到，如果我朝转变的方向看，作为原因的两个变量也会出现在那里。
	我们还可以通过组比较来探索子组之间的差异，我将选择参考组的呼叫转移之前的所有点，以及我正在与参考进行比较的组的呼叫之后的所有点
	这些
	这个贡献图将为我提供对这两组之间差异贡献最大的变量。 您可以看到，这也确定了导致转变的变量。
	当分数图中存在多个变化时，当您可以在数据中看到两个以上不同的子组时，组比较工具特别有用。
	在我们的例子中，当我们将当前数据中的一组数据与历史数据进行比较时。 我们也可以只选择班次后的数据并查看主要贡献得分图。
	这会给我们
	每个变量对橙色组得分的平均贡献。 并且由于大的分数表明与历史数据的差异很大。 这些贡献图也可以识别原因。
	这些使用相同的公式是 t 平方的贡献公式。 但现在我们只是使用得分图中的两个因素。
	好的，我会再次找到我的 PowerPoint。
	这么快，我将总结演示中显示的模型驱动多变量控制图的关键特性。
	该平台能够进行在线故障检测和离线故障诊断。 方法很多，为深入挖掘故障根源提供了平台。
	我给你看。 以下是本书作者中流行的工业系统故障检测和诊断书籍中的一些情节。
	演示如何并排使用多变量和通用控制图来了解过程中发生了什么。
	一个特别有用的特性和模型驱动的多元控制图是交互性和用户友好性。 它是在这些类型的图表之间切换。
	所以这就是我在这里的谈话。 这是我的电子邮件。 如果您有任何其他问题，并感谢所有收看此视频的人。

爆发数据访问和操作质量和可靠性回复：使用多元控制图对 Tennessee Eastman 过程进行故障检测和诊断 (2020-US-45MP-606)

杰里米，谢谢你的帮助。 我可以完全重现你的程序。

我的小错误是没有在 JMP ("JMP Home Window-JMP" & "JMP Home Window-JMP[2]") 的单独实例中打开 "monitoring_session.jmpprj" 和 "streaming_session.jmpprj" 。

回复：使用多元控制图对 Tennessee Eastman 过程进行故障检测和诊断 (2020-US-45MP-606)

@LKJP很高兴该信息对您有用，并且您能够使其正常工作。让我知道是否有任何可以改进的地方。希望 JMP 公众对您有用。 如果您使用的是 15.2，则应该这样做，但我认为 JSL 发生了变化，以便在 16 中推送到 JMP Public。

回复：使用多元控制图对 Tennessee Eastman 过程进行故障检测和诊断 (2020-US-45MP-606)

@LKJP您正在修改正确的参数。我认为问题可能在于您没有将等待时间更改为足够长的时间。单位是秒，因此您可能想尝试使用 Wait(3) 之类的方法来显着降低速度。 让我知道这是否适合你。

 

您可以查看脚本索引中有关 wait 命令的文档以获取更多信息。  

回复：使用多元控制图对 Tennessee Eastman 过程进行故障检测和诊断 (2020-US-45MP-606)

感谢您的更新。

我可以重现你的程序。

我没有使用 JMP Public。 我稍后会尝试。

一个问题：流的进展比您的视频快得多。

我尝试将“Wait(.5)”从 0.5 增加到 0.9，但变化不大。

我是否调整了错误的参数？

[流数据]

// 放慢流，这样您就可以在控制图中看到进度
等待（.5）；

回复：使用多元控制图对 Tennessee Eastman 过程进行故障检测和诊断 (2020-US-45MP-606)

@LKJP我忘记在自述文件中添加构建 SQL 数据库的说明。感谢您指出这一点。我刚刚更新了自述文件。

 

这里有一些文档： https://www.jmp.com/support/help/en/16.0/index.shtml#page/jmp/save-data-tables-to-a-database.shtml .但是自述文件应该有更详细的说明。

 

Jochen 说得对，Mac 上的设置稍微复杂一些。 ODBC 连接通常在 Mac 上更复杂。 但我认为用户应该主要使用 Windows 进行 ODBC 连接。

 

让我知道这些说明是否适合您，如果您还有其他问题。

 

 

回复：使用多元控制图对 Tennessee Eastman 过程进行故障检测和诊断 (2020-US-45MP-606)

@LKJP该过程并不简单，因为它取决于您的环境，但我得到了 Jeremys 的帮助。 他非常支持。 example.zip 中有一个自述文件，其中包含我们的经验教训。

问候

JK

回复：使用多元控制图对 Tennessee Eastman 过程进行故障检测和诊断 (2020-US-45MP-606)

您在 Streaming Session 中说过要构建 SQLite 数据库并将 JMP 连接到该数据库。 这个程序在社区主页上。

我找不到！ 我可能看错网站了！ 你能告诉我在哪里可以找到这个程序吗？

谢谢！

路易斯

回复：使用多元控制图对 Tennessee Eastman 过程进行故障检测和诊断 (2020-US-45MP-606)

@大卫伯纳姆对于那个很抱歉！ 我又上传了文件。它神秘地消失了！我注意到最近社区中的其他一些人也发生了这种情况。我会让相关人员知道的。谢谢！

回复：使用多元控制图对 Tennessee Eastman 过程进行故障检测和诊断 (2020-US-45MP-606)

示例 zip 文件是否仍可供下载？