281538_zh-TW

liliconcom

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 (2020-US-45MP-606)

級別：中級

 

Jeremy Ash，JMP 分析軟件測試員

 

模型驅動多元控製圖 (MDMVCC) 平台使用戶能夠基於 PCA 或 PLS 模型構建控製圖。 這些可用於高維數據集的故障檢測和診斷。 我們使用真實世界工業化學過程（田納西州伊士曼過程）的模擬來演示 PLS 模型的 MDMVCC 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，測量質量和過程變量。 我們在離線環境中演示故障診斷。 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。 MDMVCC 提供了一種用戶友好的方式在這些圖之間移動。 接下來，我們演示 MDMVCC 如何通過將 JMP 連接到外部數據庫來執行在線監控。 測量產品質量變量通常會涉及到測量可用之前的時間延遲，這會大大延遲故障檢測。 當 MDMVCC 監控 PLS 模型時，產品質量變量的變化將作為過程變量的函數進行監控。 由於過程變量通常更容易獲得，這有助於早期檢測故障。

示例文件

下載並解壓streaming_example.zip。有一個自述文件，其中包含一些附加的設置說明，您需要先執行這些說明，然後才能按照視頻中的示例進行操作。還提供了額外的故障診斷示例。 如果您發現任何問題或有任何疑問，請在社區給我留言。

 

 

 

自動生成的成績單...

 

揚聲器	成績單
傑里米·阿什	你好，我是傑里米·阿什。 我是跳躍研發領域的一名統計學家。我的工作主要包括測試多元統計平台和跳躍，但是
	我還幫助研究和評估方法，今天我將使用一些統計過程控制方法和跳躍來分析田納西州伊士曼流程。
	我將特別關注模型驅動的多元控製圖平台，這是 Jump 的新增功能，我對這個平台感到非常興奮，這些數據提供了展示其某些功能的新機會。
	首先，我假設在本次演講中了解一些統計過程控制的知識。
	您需要了解的主要內容是控製圖。 如果你對這些還不熟悉。 這些圖表用於監控複雜的工業系統，以確定它們何時偏離正常運行條件。
	我不會有太多時間來討論方法論和模型驅動的多元控製圖。 因此，我將參考這些免費提供的其他精彩演講。
	更多細節。 我還應該提到，吉姆發現模型驅動的多元控製圖的主要開發人員，並與克里斯·戈特·沃爾特和坦尼婭·馬爾登合作，我是測試員。
	因此，本次演講的重點將是使用多元控製圖來監控現實世界的化學過程。
	本次演講的另一個新穎之處是使用控製圖進行在線過程監控，這意味著我們將在數據添加到數據庫時持續監控數據並實時發送短信故障。
	因此，我將從強制性幻燈片開始，介紹多元控製圖的優點。 那麼為什麼不使用大學控製圖呢？ 有許多優秀的選擇和跳躍。
	大學控製圖是一次分析幾個變量的優秀工具。 然而，質量控制數據集通常是高維的
	您需要查看的圖表數量很快就會變得令人難以承受。 因此，多元控製圖總結了一個高維過程。 只需幾張圖表，這就是一個關鍵優勢。
	但這並不是說大學控製圖在這種情況下沒有用處，您將在整個演講中看到故障診斷通常涉及大學控製圖的多變量之間的切換。
	多元控製圖，讓您更好地了解流程的整體健康狀況 大學控製圖讓您能夠
	看具體方面。 因此，這些信息是免費的，模型驅動的多元控製圖的主要目標之一是提供一些工具，可以輕鬆地在這兩種類型的圖表之間切換。
	大學控製圖的一個缺點是，觀察結果可能看起來處於控制狀態，而實際上在多元意義上卻處於失控狀態。 所以我必須要
	控制我們的油和密度紅外圖，這兩個紅色觀察結果處於控制狀態，但油和密度高度相關。 這些觀察結果在多變量意義上是異常值，特別是觀察結果 51 嚴重違反了相關結構。
	因此，多元控製圖可以識別這些類型的異常值。 當大學控製圖不能時
	模型驅動的多元控製圖使用投影方法來構造其控製圖。 我將首先解釋 PCA，因為它很容易從那裡開始構建。
	PCA 通過投影到低維空間來降低過程變量的維數。
	這如右圖所示，我們有 p 個過程變量和觀測值，我們希望將過程的維數降低到 a，其中 a 遠小於 p，並且
	為此，我們使用 P 載荷矩陣，它提供 X 變量的線性組合的係數，從而給出得分變量。 左邊所示的和方程。
	開球時間 P 將為您提供具有低維表示的過程變量的預測值。 還有一些預測空氣和您的分數變量被選擇。
	以一種最小化這個平方預測空氣的方式。 另一種思考方式是，您正在最大化解釋的方差量 x
	當您擁有一組過程變量和一組質量變量，並且您確實希望確保質量變量保持在受控狀態，但收集這些變量通常成本高昂或耗時時，請使用 Pls 更合適
	在行星上，在檢測到故障之前很長一段時間內質量可能會失控，因此
	請使用模型來監控質量變量作為過程變量的函數。 您可以在這裡看到，請找到使 y 變量中解釋的方差最大化的得分變量。
	過程變量通常更便宜並且更容易獲得。 因此，PLS 模型可以讓您及早發現質量故障，並使過程監控更加便宜。
	所以從現在開始。 我將重點關注 pls 模型，因為這更適合我們的示例。
	因此，請將您的數據分為兩個部分。 第一個組件是您的模型組件。 這將為您提供預測值。
	另一種思考方式是，您的數據已投影到由分數變量定義的模型平面中，t 平方圖將監控該模型平面中的變化。
	第二個組件是您的錯誤組件。 這是原始數據與 sp 圖表將監控的預測數據和平方預測誤差圖之間的距離
	該組件的變化
	我們還提供了模型 x 平面的替代距離，這只是 sp 的標準化版本。
	對於演示來說，需要理解的最後一個重要概念是歷史數據和當前數據之間的區別。
	歷史數據通常在已知過程處於控制狀態時收集。 這些數據用於構建 PLS 模型並定義
	正常的過程變化。 這允許獲得控制極限，當前數據根據模型分配分數，但獨立於模型。
	另一種思考方式是，我們有一個訓練集和一個測試集，並且訓練數據的 t 平方控制限較低，因為我們預計訓練數據的變異性較低
	用於訓練模型的觀察結果，但存在較大的變異性和 t 平方。 當模型推廣到測試集時。 幸運的是，已經有人提出了一些理論
	T 方的變體，允許我們根據一些分佈假設獲得控制限。
	在演示中將監控田納西州伊士曼流程。 我將簡要介紹這些數據。
	這是由 downs 和 Bogle 為 Eastman Chemical 的化學家開發的化學過程模擬，最初是用 Fortran 編寫的，但現在有 MATLAB 和 Python 的說唱歌手。
	該模擬基於真實的工業流程，但經過操縱以保護專有信息。
	模擬過程。 液體的生產。
	通過向反應物中放氣，F 成為副產物，需要從所需產物中吸出。
	兩季過程普遍存在於有關多元過程控制方法基準測試的文獻中。
	這就是流程圖。 看起來很複雜，但實際上並沒有那麼糟糕。 所以我將引導您完成它。
	氣態反應物ad和he流入反應器，發生反應，產物以氣體形式離開。 它被冷卻並凝結成液體和冷凝器。
	然後我們有一個汽液分離器，可以去除任何剩餘的蒸汽，並通過壓縮機將其循環回反應器，這裡還有一個吹掃流，可以將其循環到反應器中。
	排出副產物和藝術化學品以防止其積聚，然後將液體產物泵送通過汽提器，在汽提器中汽提剩餘的反應物，最終純化的產物在出口流中離開。
	被監控的第一組變量是操縱變量。 這些看起來像領結和圖表。
	認為它們實際上是閥門和操縱變量，主要控製過程中不同流的流量。
	這些變量可以設置為限制內的特定值，並具有一些高斯噪聲，並且可以以任何速率對操縱變量進行採樣，我們使用默認的三分鐘採樣
	操縱變量的一些例子是進入反應器的反應物的流速
	進入汽提器的蒸汽流量。
	以及冷卻劑流入反應堆
	下一組變量是測量變量。 這些在圖中顯示為圓圈，並且也以三分鐘的間隔進行採樣，不同之處在於測量變量無法在模擬中操縱。
	我們的質量變量將是您可以看到的液體產品的百分比成分
	分析儀在這裡測量成分。
	這些變量的收集有相當大的時間延遲，因此
	我們正在查看流中的產品，因為
	這些變量比留在出口流中的產品更容易測量。 我們還將構建一個 pls 模型來監控
	通過我們的過程變量來監控我們的質量變量，這些變量在更快的採樣率下具有顯著更少的延遲。
	好的，這就是數據的背景。 總共有 33 個過程變量轉化為質量變量。
	收集變量的過程是用一系列微分方程來模擬的。 所以這只是一個模擬。 但您可以看到模型建模花費了相當多的精力。 這是一個現實世界的過程。
	這是演示的概述，我將向您展示將收集有關我們流程的數據，然後將這些數據存儲在數據庫中。
	我想要一個易於分享的例子。 因此，我將使用後續輕型數據庫，但此工作流程與大多數類型的數據庫相關。
	大多數數據庫支持奇數連接，一旦跳轉連接到數據庫，它可以定期檢查新的觀察結果並在它們進入時更新跳轉表。
	然後，如果我們打開模型驅動的多元控製圖報告並打開自動重新計算。 我們有一種機制可以在新數據出現時更新控製圖。
	將數據添加到數據庫的整個過程可能會在與進行監視的計算機不同的計算機上進行。
	因此，我有兩個跳開會議來模擬這兩個會議在社區上提供的材料中都有自己的日記。
	第一個會話將模擬數據添加到數據庫中，稱為流會話，下一個會話將在報告進入數據庫時更新報告，我將其稱為監視會話。
	我真正喜歡唐斯和沃格爾論文的一件事是，他們沒有提供單一指標來評估過程的控制。 我這裡引用了這篇論文。 我們感覺就像
	我們認為，可能的控制策略和技術之間的權衡不僅僅是數學表達式。
	因此，這裡是他們在論文中列出的一些目標，這些目標與我們的問題相關，維持過程變量，使期望值最小化干擾期間產品質量的變化，並從乾擾中快速平穩地恢復。
	因此，我們將使用我們的監控方法來評估我們的流程實現這些目標的效果。
	好的。
	首先，我在監控會話日誌中，將向您展示我們發送的第一個數據，數據表包含我之前介紹的所有變量，第一組是測量變量。 接下來設置我們的合成變量。 最後一組是操縱變量。
	這裡附加的第一個腳本將適合一個 pls 模型，它不包括最後一百朵玫瑰是測試集。
	提醒一下，該模型將我們的兩個產品成分變量預測為過程變量的函數，但 pls 模型或 PLS 不是談話的重點。 所以我已經在此處安裝了模型和輸出分數列。
	如果我們查看列屬性。 可以看到有一個MD MCC歷史統計屬性，包含了所有信息
	在您的模型上，您需要構建多元控製圖。 以這種方式設計監控多元控製圖的原因之一是
	想像一下您是一名統計學家，您想與工程師共享您的模型，以便他們可以構建控製圖。 您所需要做的就是提供包含這些公式列的數據表。 您無需分享有關如何擬合模型的所有血淋淋的細節。
	接下來我將使用分數列來創建我們的控制回合
	在左邊，我必須控製圖表 t 平方和 SPE，其中有 860 個觀察值用於估計模型。 這些被標記為歷史，然後我有 100 個觀察結果作為測試集。
	您可以在此處的限制摘要中看到，我執行的保證金僅用於多次測試的校正。
	根據歷史數據。 我在紅色小三角菜單中完成了此操作，您可以設置 alpha 級別，任何您想要的內容，
	我做了這個修正，因為已知數據是正常運行條件下的。 因此，我們預計觀測結果不會失控，並且經過多重性調整後，誤報為零。
	右邊還是貢獻比例熱圖。 這些表示每個變量對 Y 軸上每個觀測值的外部控制信號的貢獻程度，並且貢獻以比例表示
	您可以在這兩個圖中看到，貢獻在變量之間分佈得相當均勻。
	並在底部。 我有一個分數工廠。
	現在，我們只是繪製第一個分數維度與第二個分數維度，但您可以使用這些下拉菜單或此箭頭查看分數維度的任意組合。
	好的，我們已經非常關注報告了，我將切換到監控會話。
	這會將數據流式傳輸到數據庫中。
	為了對此示例執行任何操作，您需要安裝續集 light odd see 驅動程序。 這很容易做到。 您只需點擊此處的鏈接即可。
	我沒有時間談論這個，但我創建了續集燈光數據庫。 我將使用並跳轉我有關於如何執行此操作以及如何將跳轉連接到我的社區網頁上的數據庫的說明
	如果您想在自己的日期嘗試一下，這個示例可能會有所幫助。
	我已經創建了與該數據庫的連接。
	我已經在社區上共享了數據庫。 因此，我將查看查詢生成器中的數據表。
	我可以做那個表快照
	第一個數據集是歷史數據，我用它構建了一個 pls 模型，有 960 個觀測值處於控制狀態。
	下一個數據表是監控數據表，它最初只包含歷史數據，但我將逐漸向其中添加新數據，這就是我們的多元控製圖將監控的內容。
	然後我已經模擬了新數據並將其添加到此處的數據表中，並看到它從時間戳 961 開始
	還有另外 960 個觀察結果，但我在某個時間點引入了錯誤
	我想要一些容易分享的東西。 所以我不會運行我的模擬腳本並以這種方式添加數據庫。
	我將從這個新數據表中獲取觀察結果，並使用帶有後續語句的一些 JSON 將它們移至監控數據表。
	這只是一個簡單的例子，模擬新數據進入數據庫的過程，不知何故，你可能實際上並沒有用跳轉來做到這一點。 但這是一個展示如何使用 ASL 做到這一點的機會。
	接下來，我將向您展示將用於流式傳輸數據的腳本。
	這是一個簡單的腳本。 所以我將帶您快速完成它。
	第一組命令將從續集燈光數據庫中打開新的數據表，它在後台打開。 所以我必須處理窗口，然後我將從這個新數據表中取出一些片段並
	將它們移至監控數據表，我將這些塊稱為“咬”，“咬尺寸”為 20
	然後這將創建一個數據庫連接，允許我發送數據庫 SQL 語句。 然後最後一段代碼將交互式地構造後續語句，將新數據插入到監視數據中。 所以我要初始化
	好的，現在向您展示這個循環的第一次迭代。
	所以這只是一個簡單的
	SQL 語句 insert into 插入前 20 個觀察值的語句。
	評論說一開始運行得更快。 這裡有一個等待聲明。 這只會減慢流速度。
	這樣我們就有足夠的時間來查看數據和控製圖的進展，如果沒有這個，這個流示例就會結束得太快。
	好的，所以我要去
	切換回監控會話並向您展示一些將更新報告的腳本。
	將其移到右側。 這樣您就可以同時看到報告和腳本。
	所以，
	這個從監控數據讀取的腳本是一個簡單的腳本，它每隔兩秒檢查一次數據庫，並將新數據添加到跳轉表中。 並且由於報告已打開自動重新計票。
	每當添加新數據時，報告都會更新。 我應該補充一點，實際上，您可能不會使用像這樣集成的腳本，您可能使用任務計劃程序，並且窗口是自動化的，並且最大更好的計劃安排運行
	然後是這裡的下一個腳本。
	每當報告更新時，都會推動報告跳轉公開。
	我真的很興奮這是可能的並且跳了起來。
	它使任何具有網絡瀏覽器的計算機都可以查看控製圖的更新。 您甚至可以在智能手機上查看報告。 因此，這使得跨組織共享結果變得容易。 如果您希望報告位於受限服務器上，您還可以使用跳轉實時功能。
	然後，如果您想多次運行該示例，腳本將重新創建歷史數據和數據表。
	好的，讓我們運行流腳本。
	看看報告如何更新。
	您可以看到數據一開始處於受控狀態，但隨後引入了故障，存在大量失控信號，但已經實施了全廠範圍的控制系統和模擬，這使系統達到了新的平衡
	我稍等一下來完成。
	現在我已經更新了控製圖。 我要把結果公開
	在我的跳轉公共頁面上，我首先有控製圖，開頭有數據和控制。
	並且應該通過添加數據來更新。
	因此，如果我們放大過程第一次失控的時間。
	你的
傑里米·阿什	看起來那是樣品 1125 我要給它上色
	並標記它。
	這樣它就會出現在其他圖中，然後
	在 SP 圖中，看起來這個觀察結果仍然受到控制。
	哪種圖表會更早地發現故障取決於您的模型。 你選擇了多少個因素
	我們還可以放大
	貢獻圖中的那個時間點。 並且您可以看到進程何時進行。 首先是失控。 有大量變量會導致信號失控。 但當系統達到新的平衡時，只有兩個變量有較大的貢獻。
	因此，我將刪除這些熱圖，以便在診斷部分有更多空間。
	並使所有內容都變得非常大，以便文本可以顯示在屏幕上。
	如果我將鼠標懸停在第一個點上，就會失去控制。 您可以查看排名前 10 的貢獻變量。
	這對於快速識別哪些變量對失控信號影響最大非常有用。 我還可以單擊該圖並將其附加到診斷部分，然後
	您可以看到，有大量變量導致了失控信號。
	放大一點。
	因此，如果其中一根條是紅色的。 這意味著變量失控。
	在通用控製圖中。 您可以通過將鼠標懸停在欄上來看到這一點。
	我要平移，其中幾個
	這些圖表是具有三個 sigma 控制限的各個變量的 IR 圖表。
	您會看到汽提塔壓力變量。 大學控製圖中的觀察結果失去了控制，但變量最終又被我們的控制系統控制住了。 這對於
	大部分的
	貢獻較大的變量，還向您展示了觀察受控制的變量之一。
	因此，一旦控制系統做出響應，許多變量就會重新受到控制，並且過程達到
	新的平衡
	但這個過程顯然發生了轉變。 因此，要確定導致這種轉變的變量。 您可以查看的一件事是主要貢獻。
	陰謀
	如果我對此進行排序並查看
	影響最大的變量。 看起來只有兩個變量有很大的貢獻，這兩個變量都在測量進入反應器的流中反應的流速
	這些本質上測量的是同一件事，只不過一個是測量變量，一個是操縱變量。 你可以看到
	在大學控製圖中，流量有很大的階躍變化。
	這個也是。 這就是我在模擬中編程的階躍變化。 因此，這些貢獻使我們能夠快速確定根本原因。
	因此，我將提出一些其他替代方法來確定導致轉變的相同原因。 原因在於真實數據。
	流程轉變通常更加微妙，某些工具可能比其他工具更有用並能夠識別它們，並且使用這些替代方法始終會得出相同的結論。 所以它將展示這些方法的一些連接方式
	在這裡，我有一個分數工廠，它可以提供有關 t 平方工廠移位的補充信息。
	它捕獲高維變化的能力更加有限，因為一次只能可視化模型的兩個維度，但是，我們可以提供更直觀的過程可視化，因為它以低維表示形式進行可視化
	事實上，多元控製圖首先被分為 t 平方和 SPE 的主要原因之一是它提供了足夠的降維，可以輕鬆地可視化過程和散點圖。
	所以我們想要識別變量
	造成轉變。 所以我要給輪班前後的點上色。
	這樣它們就會出現在分數圖中。
	通常，當我們查看六個因素的所有組合時，需要查看很多分數圖
	因此，非常方便的事情是能夠使用此處的箭頭快速循環瀏覽所有組合，我們可以查看因子組合併找到存在較大分離的組合。
	如果我們想要確定分數圖中第一次發生偏移的位置，您可以將這些點連接起來，然後看到偏移再次發生在 1125 左右。
	另一個有用的工具。 如果你想識別
	分數維度，其中觀察結果顯示與歷史數據的最大分離，並且您不想查看所有分數圖，這是歸一化分數圖。 因此，我將在輪班後選擇一個點並查看標準化分數圖。
	事實上我會選擇另外一個。
	好的。
傑里米·阿什	因為我想看看維度、五維和六維。 所以
	這些圖顯示了分數的大小和標準化的每個維度，以便維度處於相同的比例。 並且由於歷史數據的平均值是每個分數為零，因此提及具有最大量值的維度將顯示最大的分離。
	所選點與歷史數據之間。 所以看起來這裡，五維和六維顯示出最大的分離和
	我要轉向那些
	所以我們之間有很大的差距
	移動數據、歷史數據和方形圖可視化也可以更好地解釋，因為您可以使用變量載荷來為因子分配含義。
	和
	這裡我有
	我們有太多變量，無法查看它們的所有標籤。
	正在加載矢量，但您可以將鼠標懸停在上面並查看它們。 你可以看到，如果我朝轉變的方向看，導致原因的兩個變量也出現在那裡。
	我們還可以通過組比較來探索過程中子組之間的差異，為此，我將選擇參考組的調用之前的所有點以及我要與參考進行比較的組的調用之後的所有點
	這些
	這個貢獻圖將為我提供對這兩組之間的差異貢獻最大的變量。 您可以看到，這也確定了導致轉變的變量。
	當分數圖中存在多個變化（即您可以在數據中看到兩個以上不同的子組）時，組比較工具特別有用。
	在我們的例子中，我們正在將當前數據中的一組與歷史數據進行比較。 我們還可以只選擇輪班後的數據並查看主要貢獻分數圖。
	這會給我們帶來
	每個變量對橙色組分數的平均貢獻。 因為分數大表明與歷史數據存在很大差異。 這些貢獻圖也可以確定原因。
	這些都使用相同的公式，即 t 平方的貢獻公式。 但現在我們只是使用得分圖中的兩個因素。
	好的，我會再次找到我的 PowerPoint。
	很快，我將總結演示中顯示的模型驅動的多變量控製圖的主要功能。
	該平台能夠同時進行在線故障檢測和離線故障診斷。 有很多方法，為深入探究故障的根本原因提供了平台。
	我正在向你展示。 以下是本書作者在工業系統中的流行書籍故障檢測和診斷中的一些圖。
	演示如何並排使用多元和通用控製圖來了解流程中發生的情況。
	一個特別有用的功能和模型驅動的多元控製圖是交互性和用戶友好性。 就是在這幾種圖表之間進行切換。
	這就是我的演講。 這是我的電子郵件。 如果您還有任何其他問題，感謝所有收看此內容的人。

爆發數據訪問和操作質量和可靠性回复：使用多元控製圖對田納西伊士曼流程進行故障檢測和診斷 (2020-US-45MP-606)

傑里米，謝謝你的幫助。 我可以完全重現你的過程。

我的一個小錯誤是沒有在 JMP 的單獨實例中打開“monitoring_session.jmpprj”和“streaming_session.jmpprj”（“JMP Home Window-JMP”和“JMP Home Window-JMP[2]”）。

回复：使用多元控製圖對田納西伊士曼流程進行故障檢測和診斷 (2020-US-45MP-606)

@LKJP很高興該信息對您有用並且您能夠使其發揮作用。如果有什麼可以改進的地方請告訴我。希望 JMP 公眾為您服務。 如果您使用的是 15.2，則應該如此，但我認為 JSL 在 16 中推送到 JMP Public 時發生了更改。

回复：使用多元控製圖對田納西伊士曼流程進行故障檢測和診斷 (2020-US-45MP-606)

@LKJP您正在修改正確的參數。我認為問題可能是您沒有將等待時間更改為足夠長的時間。單位是秒，因此您可能想嘗試諸如 Wait(3) 之類的方法來看到速度明顯減慢。 讓我知道這是否適合您。

 

您可以查看腳本索引中有關 wait 命令的文檔以獲取更多信息。  

回复：使用多元控製圖對田納西伊士曼流程進行故障檢測和診斷 (2020-US-45MP-606)

感謝您的更新。

我可以重現你的程序。

我沒有使用 JMP Public。 我稍後會嘗試一下。

一個問題：流的進展比您的視頻快得多。

我嘗試將“Wait(.5)”從 0.5 增加到 0.9，但變化不大。

我是否調整了錯誤的參數？

[流數據]

// 減慢流速度，以便您可以在控製圖中看到進度
等待(.5);

回复：使用多元控製圖對田納西伊士曼流程進行故障檢測和診斷 (2020-US-45MP-606)

@LKJP我忘記在自述文件中添加構建 SQL 數據庫的說明。感謝您指出這一點。我剛剛更新了自述文件。

 

這裡有一些文檔： https://www.jmp.com/support/help/en/16.0/index.shtml#page/jmp/save-data-tables-to-a-database.shtml 。但自述文件應該有更詳細的說明。

 

Jochen 是對的，Mac 上的設置稍微複雜一些。 一般來說，Mac 上的 ODBC 連接更為複雜。 但我認為用戶應該主要使用 Windows 進行 ODBC 連接。

 

如果這些說明對您有用，以及您是否有任何其他問題，請告訴我。

 

 

回复：使用多元控製圖對田納西伊士曼流程進行故障檢測和診斷 (2020-US-45MP-606)

@LKJP該過程並不簡單，因為它取決於您的環境，但我在傑里米的幫助下讓它工作。 他非常支持。 example.zip 中有一個自述文件，其中包含我們學到的經驗教訓。

問候

傑康

回复：使用多元控製圖對田納西伊士曼流程進行故障檢測和診斷 (2020-US-45MP-606)

您在 Streaming Session 中提到構建 SQLite 數據庫並將 JMP 連接到該數據庫。 該程序位於社區主頁上。

我找不到！ 我可能看錯網站了！ 您能告訴我在哪裡可以找到這個程序嗎？

謝謝你！

路易斯

回复：使用多元控製圖對田納西伊士曼流程進行故障檢測和診斷 (2020-US-45MP-606)

@大衛_伯納姆對於那個很抱歉！ 我再次上傳了文件。竟然神秘消失了！我注意到最近社區中的其他一些人也發生了這種情況。我會讓相關人員知道。謝謝！

回复：使用多元控製圖對田納西伊士曼流程進行故障檢測和診斷 (2020-US-45MP-606)

示例 zip 文件是否仍可供下載？