281538_zh-CN

liliconcom

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 (2020-US-45MP-606)

级别：中级

 

Jeremy Ash，JMP 分析软件测试员，JMP

 

模型驱动多元控制图 (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（田纳西州伊士曼过程）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品时，测量质量和过程变量。 我们在离线环境中演示故障诊断。 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会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，这有助于早期检测故障。

示例文件

下载并解压streaming_example.zip。有一个自述文件，其中包含一些附加的设置说明，您需要先执行这些说明，然后才能按照视频中的示例进行操作。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。 我是跳跃研发领域的一名统计学家。我的工作主要包括测试多元统计平台和跳跃，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州伊士曼流程。
	我将特别关注模型驱动的多元控制图平台，这是 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某些功能的新机会。
	首先，我假设在本次演讲中了解一些统计过程控制的知识。
	您需要了解的主要内容是控制图。 如果你对这些还不熟悉。 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。
	我不会有太多时间来讨论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，吉姆发现模型驱动的多元控制图的主要开发人员，并与克里斯·戈特·沃尔特和坦尼娅·马尔登合作，我是测试员。
	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之处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短信故障。
	因此，我将从强制性幻灯片开始，介绍多元控制图的优点。 那么为什么不使用大学控制图呢？ 有许多优秀的选择和跳跃。
	大学控制图是一次分析几个变量的优秀工具。 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令人难以承受。 因此，多元控制图总结了一个高维过程。 只需几张图表，这就是一个关键优势。
	但这并不是说大学控制图在这种情况下没有用处，您将在整个演讲中看到故障诊断通常涉及大学控制图的多变量之间的切换。
	多元控制图，让您更好地了解流程的整体健康状况 大学控制图让您能够
	看具体方面。 因此，这些信息是免费的，模型驱动的多元控制图的主要目标之一是提供一些工具，可以轻松地在这两种类型的图表之间切换。
	大学控制图的一个缺点是，观察结果可能看起来处于控制状态，而实际上在多元意义上却处于失控状态。 所以我必须要
	控制我们的油和密度红外图，这两个红色观察结果处于控制状态，但油和密度高度相关。 这些观察结果在多变量意义上是异常值，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。 当大学控制图不能时
	模型驱动的多元控制图使用投影方法来构造其控制图。 我将首先解释 PCA，因为它很容易从那里开始构建。
	PCA 通过投影到低维空间来降低过程变量的维数。
	这如右图所示，我们有 p 个过程变量和观测值，我们希望将过程的维数降低到 a，其中 a 远小于 p，并且
	为此，我们使用 P 载荷矩阵，它提供 X 变量的线性组合的系数，从而给出得分变量。 左边所示的和方程。
	开球时间 P 将为您提供具有低维表示的过程变量的预测值。 还有一些预测空气和您的分数变量被选择。
	以一种最小化这个平方预测空气的方式。 另一种思考方式是，您正在最大化解释的方差量 x
	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保持在受控状态，但收集这些变量通常成本高昂或耗时时，请使用 Pls 更合适
	在行星上，在检测到故障之前很长一段时间内质量可能会失控，因此
	请使用模型来监控质量变量作为过程变量的函数。 您可以在这里看到，请找到使 y 变量中解释的方差最大化的得分变量。
	过程变量通常更便宜并且更容易获得。 因此，PLS 模型可以让您及早发现质量故障，并使过程监控更加便宜。
	所以从现在开始。 我将重点关注 pls 模型，因为这更适合我们的示例。
	因此，请将您的数据分为两个部分。 第一个组件是您的模型组件。 这将为您提供预测值。
	另一种思考方式是，您的数据已投影到由分数变量定义的模型平面中，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。 这是原始数据与 sp 图表将监控的预测数据和平方预测误差图之间的距离
	该组件的变化
	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。
	对于演示来说，需要理解的最后一个重要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处于控制状态时收集。 这些数据用于构建 PLS 模型并定义
	正常的过程变化。 这允许获得控制极限，当前数据根据模型分配分数，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 平方控制限较低，因为我们预计训练数据的变异性较低
	用于训练模型的观察结果，但存在较大的变异性和 t 平方。 当模型推广到测试集时。 幸运的是，已经有人提出了一些理论
	T 方的变体，允许我们根据一些分布假设获得控制限。
	在演示中将监控田纳西州伊士曼流程。 我将简要介绍这些数据。
	这是由 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，但现在有 MATLAB 和 Python 的说唱歌手。
	该模拟基于真实的工业流程，但经过操纵以保护专有信息。
	模拟过程。 液体的生产。
	通过向反应物中放气，F 成为副产物，需要从所需产物中吸出。
	两季过程普遍存在于有关多元过程控制方法基准测试的文献中。
	这就是流程图。 看起来很复杂，但实际上并没有那么糟糕。 所以我将引导您完成它。
	气态反应物ad和he流入反应器，发生反应，产物以气体形式离开。 它被冷却并凝结成液体和冷凝器。
	然后我们有一个汽液分离器，可以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，可以将其循环到反应器中。
	排出副产物和艺术化学品以防止其积聚，然后将液体产物泵送通过汽提器，在汽提器中汽提剩余的反应物，最终纯化的产物在出口流中离开。
	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，主要控制过程中不同流的流量。
	这些变量可以设置为限制内的特定值，并具有一些高斯噪声，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进入反应器的反应物的流速
	进入汽提器的蒸汽流量。
	以及冷却剂流入反应堆
	下一组变量是测量变量。 这些在图中显示为圆圈，并且也以三分钟的间隔进行采样，不同之处在于测量变量无法在模拟中操纵。
	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大的时间延迟，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来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 个过程变量转化为质量变量。
	收集变量的过程是用一系列微分方程来模拟的。 所以这只是一个模拟。 但您可以看到模型建模花费了相当多的精力。 这是一个现实世界的过程。
	这是演示的概述，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例子。 因此，我将使用后续轻型数据库，但此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它们进入时更新跳转表。
	然后，如果我们打开模型驱动的多元控制图报告并打开自动重新计算。 我们有一种机制可以在新数据出现时更新控制图。
	将数据添加到数据库的整个过程可能会在与进行监视的计算机不同的计算机上进行。
	因此，我有两个跳开会议来模拟这两个会议在社区上提供的材料中都有自己的日记。
	第一个会话将模拟数据添加到数据库中，称为流会话，下一个会话将在报告进入数据库时更新报告，我将其称为监视会话。
	我真正喜欢唐斯和沃格尔论文的一件事是，他们没有提供单一指标来评估过程的控制。 我这里引用了这篇论文。 我们感觉就像
	我们认为，可能的控制策略和技术之间的权衡不仅仅是数学表达式。
	因此，这里是他们在论文中列出的一些目标，这些目标与我们的问题相关，维持过程变量，使期望值最小化干扰期间产品质量的变化，并从干扰中快速平稳地恢复。
	因此，我们将使用我们的监控方法来评估我们的流程实现这些目标的效果。
	好的。
	首先，我在监控会话日志中，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。 接下来设置我们的合成变量。 最后一组是操纵变量。
	这里附加的第一个脚本将适合一个 pls 模型，它不包括最后一百朵玫瑰是测试集。
	提醒一下，该模型将我们的两个产品成分变量预测为过程变量的函数，但 pls 模型或 PLS 不是谈话的重点。 所以我已经在此处安装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，包含了所有信息
	在您的模型上，您需要构建多元控制图。 以这种方式设计监控多元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。 您所需要做的就是提供包含这些公式列的数据表。 您无需分享有关如何拟合模型的所有血淋淋的细节。
	接下来我将使用分数列来创建我们的控制回合
	在左边，我必须控制图表 t 平方和 SPE，其中有 860 个观察值用于估计模型。 这些被标记为历史，然后我有 100 个观察结果作为测试集。
	您可以在此处的限制摘要中看到，我执行的保证金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完成了此操作，您可以设置 alpha 级别，任何您想要的内容，
	我做了这个修正，因为已知数据是正常运行条件下的。 因此，我们预计观测结果不会失控，并且经过多重性调整后，误报为零。
	右边还是贡献比例热图。 这些表示每个变量对 Y 轴上每个观测值的外部控制信号的贡献程度，并且贡献以比例表示
	您可以在这两个图中看到，贡献在变量之间分布得相当均匀。
	并在底部。 我有一个分数工厂。
	现在，我们只是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意组合。
	好的，我们已经非常关注报告了，我将切换到监控会话。
	这会将数据流式传输到数据库中。
	为了对此示例执行任何操作，您需要安装续集 light odd see 驱动程序。 这很容易做到。 您只需点击此处的链接即可。
	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将跳转连接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一下，这个示例可能会有所帮助。
	我已经创建了与该数据库的连接。
	我已经在社区上共享了数据库。 因此，我将查看查询生成器中的数据表。
	我可以做那个表快照
	第一个数据集是历史数据，我用它构建了一个 pls 模型，有 960 个观测值处于控制状态。
	下一个数据表是监控数据表，它最初只包含历史数据，但我将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处的数据表中，并看到它从时间戳 961 开始
	还有另外 960 个观察值，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。
	我将从这个新数据表中获取观察结果，并使用带有后续语句的一些 JSON 将它们移至监控数据表。
	这只是一个简单的例子，模拟新数据进入数据库的过程，不知何故，你可能实际上并没有用跳转来做到这一点。 但这是一个展示如何使用 ASL 做到这一点的机会。
	接下来，我将向您展示将用于流式传输数据的脚本。
	这是一个简单的脚本。 所以我将带您快速完成它。
	第一组命令将从续集灯光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，然后我将从这个新数据表中取出一些片段并
	将它们移至监控数据表，我将这些块称为“咬”，“咬尺寸”为 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。 然后最后一段代码将交互式地构造后续语句，将新数据插入到监视数据中。 所以我要初始化
	好的，现在向您展示这个循环的第一次迭代。
	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。
	评论说一开始运行得更快。 这里有一个等待声明。 这只会减慢流速度。
	这样我们就有足够的时间来查看数据和控制图的进展，如果没有这个，这个流示例就会结束得太快。
	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。
	将其移到右侧。 这样您就可以同时看到报告和脚本。
	所以，
	这个从监控数据读取的脚本是一个简单的脚本，它每隔两秒检查一次数据库，并将新数据添加到跳转表中。 并且由于报告已打开自动重新计票。
	每当添加新数据时，报告都会更新。 我应该补充一点，实际上，您可能不会使用像这样集成的脚本，您可能使用任务计划程序，并且窗口是自动化的，并且最大更好的计划安排运行
	然后是这里的下一个脚本。
	每当报告更新时，都会推动报告跳转公开。
	我真的很兴奋这是可能的并且跳了起来。
	它使任何具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服务器上，您还可以使用跳转实时功能。
	然后，如果您想多次运行该示例，脚本将重新创建历史数据和数据表。
	好的，让我们运行流脚本。
	看看报告如何更新。
	您可以看到数据一开始处于受控状态，但随后引入了故障，存在大量失控信号，但已经实施了全厂范围的控制系统和模拟，这使系统达到了新的平衡
	我稍等一下来完成。
	现在我已经更新了控制图。 我要把结果公开
	在我的跳转公共页面上，我首先有控制图，开头有数据和控制。
	并且应该通过添加数据来更新。
	因此，如果我们放大过程第一次失控的时间。
	你的
杰里米·阿什	看起来那是样品 1125 我要给它上色
	并标记它。
	这样它就会出现在其他图中，然后
	在 SP 图中，看起来这个观察结果仍然受到控制。
	哪种图表会更早地发现故障取决于您的模型。 你选择了多少个因素
	我们还可以放大
	贡献图中的那个时间点。 并且您可以看到进程何时进行。 首先是失控。 有大量变量会导致信号失控。 但当系统达到新的平衡时，只有两个变量有较大的贡献。
	因此，我将删除这些热图，以便在诊断部分有更多空间。
	并使所有内容都变得非常大，以便文本可以显示在屏幕上。
	如果我将鼠标悬停在第一个点上，就会失去控制。 您可以查看排名前 10 的贡献变量。
	这对于快速识别哪些变量对失控信号影响最大非常有用。 我还可以单击该图并将其附加到诊断部分，然后
	您可以看到，有大量变量导致了失控信号。
	放大一点。
	因此，如果其中一根条是红色的。 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栏上来看到这一点。
	我要平移，其中几个
	这些图表是具有三个 sigma 控制限的各个变量的 IR 图表。
	您会看到汽提塔压力变量。 大学控制图中的观察结果失去了控制，但变量最终又被我们的控制系统控制住了。 这对于
	大部分的
	贡献较大的变量，还向您展示了观察受控制的变量之一。
	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
	但这个过程显然发生了转变。 因此，要确定导致这种转变的变量。 您可以查看的一件事是主要贡献。
	阴谋
	如果我对此进行排序并查看
	影响最大的变量。 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
	这些本质上测量的是同一件事，只不过一个是测量变量，一个是操纵变量。 你可以看到
	在大学控制图中，流量有很大的阶跃变化。
	这个也是。 这就是我在模拟中编程的阶跃变化。 因此，这些贡献使我们能够快速确定根本原因。
	因此，我将提出一些其他替代方法来确定导致转变的相同原因。 原因在于真实数据。
	流程转变通常更加微妙，某些工具可能比其他工具更有用并能够识别它们，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，我有一个分数工厂，它可以提供有关 t 平方工厂移位的补充信息。
	它捕获高维变化的能力更加有限，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进行可视化
	事实上，多元控制图首先被分为 t 平方和 SPE 的主要原因之一是它提供了足够的降维，可以轻松地可视化过程和散点图。
	所以我们想要识别变量
	造成转变。 所以我要给轮班前后的点上色。
	这样它们就会出现在分数图中。
	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，非常方便的事情是能够使用此处的箭头快速循环浏览所有组合，我们可以查看因子组合并找到存在较大分离的组合。
	如果我们想要确定分数图中第一次发生偏移的位置，您可以将这些点连接起来，然后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，其中观察结果显示与历史数据的最大分离，并且您不想查看所有分数图，这是归一化分数图。 因此，我将在轮班后选择一个点并查看标准化分数图。
	事实上我会选择另外一个。
	好的。
杰里米·阿什	因为我想看看维度、五维和六维。 所以
	这些图显示了分数的大小和标准化的每个维度，以便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，因此提及具有最大量值的维度将显示最大的分离。
	所选点与历史数据之间。 所以看起来这里，五维和六维显示出最大的分离和
	我要转向那些
	所以我们之间有很大的差距
	移动数据、历史数据和方形图可视化也可以更好地解释，因为您可以使用变量载荷来为因子分配含义。
	和
	这里我有
	我们有太多变量，无法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，导致原因的两个变量也出现在那里。
	我们还可以通过组比较来探索过程中子组之间的差异，为此，我将选择参考组的调用之前的所有点以及我要与参考进行比较的组的调用之后的所有点
	这些
	这个贡献图将为我提供对这两组之间的差异影响最大的变量。 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（即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，我们正在将当前数据中的一组与历史数据进行比较。 我们还可以只选择轮班后的数据并查看主要贡献分数图。
	这会给我们带来
	每个变量对橙色组分数的平均贡献。 因为分数大表明与历史数据存在很大差异。 这些贡献图也可以确定原因。
	这些都使用相同的公式，即 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。
	很快，我将总结演示中显示的模型驱动的多变量控制图的主要功能。
	该平台能够同时进行在线故障检测和离线故障诊断。 有很多方法，为深入探究故障的根本原因提供了平台。
	我正在向你展示。 以下是本书作者在工业系统中的流行书籍故障检测和诊断中的一些图。
	演示如何并排使用多元和通用控制图来了解流程中发生的情况。
	一个特别有用的功能和模型驱动的多元控制图是交互性和用户友好性。 就是在这几种图表之间进行切换。
	这就是我的演讲。 这是我的电子邮件。 如果您还有任何其他问题，感谢所有收看此内容的人。

爆发数据访问和操作质量和可靠性回复：使用多元控制图对田纳西伊士曼流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过程。

我的一个小错误是没有在 JMP 的单独实例中打开“monitoring_session.jmpprj”和“streaming_session.jmpprj”（“JMP Home Window-JMP”和“JMP Home Window-JMP[2]”）。

回复：使用多元控制图对田纳西伊士曼流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发挥作用。如果有什么可以改进的地方请告诉我。希望 JMP 公众为您服务。 如果您使用的是 15.2，则应该如此，但我认为 JSL 在 16 中推送到 JMP Public 时发生了更改。

回复：使用多元控制图对田纳西伊士曼流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。我认为问题可能是您没有将等待时间更改为足够长的时间。单位是秒，因此您可能想尝试诸如 Wait(3) 之类的方法来看到速度明显减慢。 让我知道这是否适合您。

 

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：使用多元控制图对田纳西伊士曼流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。 我稍后会尝试一下。

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]

// 减慢流速度，以便您可以在控制图中看到进度
等待(.5);

回复：使用多元控制图对田纳西伊士曼流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 。但自述文件应该有更详细的说明。

 

Jochen 是对的，Mac 上的设置稍微复杂一些。 一般来说，Mac 上的 ODBC 连接更为复杂。 但我认为用户应该主要使用 Windows 进行 ODBC 连接。

 

如果这些说明对您有用，以及您是否有任何其他问题，请告诉我。

 

 

回复：使用多元控制图对田纳西伊士曼流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，但我在杰里米的帮助下让它工作。 他非常支持。 example.zip 中有一个自述文件，其中包含我们学到的经验教训。

问候

杰康

回复：使用多元控制图对田纳西伊士曼流程进行故障检测和诊断 (2020-US-45MP-606)

您在 Streaming Session 中提到构建 SQLite 数据库并将 JMP 连接到该数据库。 该程序位于社区主页上。

我找不到！ 我可能看错网站了！ 您能告诉我在哪里可以找到这个程序吗？

谢谢你！

路易斯

回复：使用多元控制图对田纳西伊士曼流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！ 我再次上传了文件。竟然神秘消失了！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。谢谢！

回复：使用多元控制图对田纳西伊士曼流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？