Multivariates Prozessmonitoring mit MDMVCChallo, ich verwende die Model Drive Multivariate Control Charts seit einigen Monaten für meine Prozessüberwachung und es gibt ein paar Fragen / Probleme, die ich gerne prüfen würde, ob jemand ähnliche Probleme hatte und ob eine Lösung verfügbar ist
1. Sehr oft reagiert das Modell empfindlich auf Abweichungen von der Basislinie, liegt aber immer noch im normalen Betriebsbereich und wird im T2-Diagramm angezeigt. Es wäre großartig, wenn den Variablen eine Gewichtung zugewiesen werden könnte oder noch besser, wenn der normale Betriebsbereich definiert und im Modell berücksichtigt werden könnte – wodurch hoffentlich die Empfindlichkeit und die T2-/DModX-Werte reduziert würden. Ich glaube, dies ist derzeit bei JMP nicht verfügbar, aber bei anderer Software?
2. Die für Variablen in der Spalteneigenschaft definierten Spezifikationsgrenzen haben keinen Einfluss auf die rot/grüne Darstellung für univariate Werte innerhalb/außerhalb der Kontrolle. Es scheint, dass die im Beitragsdiagramm angezeigten Werte innerhalb/außerhalb der Kontrolle ausschließlich auf der Varianz im Datensatz basieren – auch hier wäre es nützlich, die Leistung in Bezug auf die Grenzen zu verstehen. Gibt es eine Möglichkeit, MDMVCC zu verwenden, das auch Spezifikationsgrenzen berücksichtigt?
3. Fehlende Daten machen die Zeile in MDMVCC unbrauchbar, daher beginne ich normalerweise mit der automatischen Datenimputation, um fehlende Werte auszufüllen. Dadurch wird eine separate Datentabelle ohne alle Skripte und Beschriftungen in meiner ursprünglichen Datentabelle erstellt, in die ich dann die Änderungen kopieren muss. Alternativ führe ich die Imputation für die neuen Daten durch, bevor ich sie mit meiner ursprünglichen Datentabelle verbinde. Trotzdem kann ich nicht sagen, welche Datenpunkte imputiert sind, da sie nicht von den tatsächlichen Datenpunkten unterschieden werden, sobald ich die Tabellen kombiniere. Gibt es eine bessere Möglichkeit, dies zu tun?
Danke, dass Sie sich die Zeit genommen haben, meinen Beitrag durchzulesen!
Prost,
Herr
Datenzusammenführung und -bereinigungRe: Multivariate Prozessüberwachung mit MDMVCCSowohl T-Quadrat als auch SPE erscheinen in der aktuellen Phase erheblich erhöht, daher ist es nicht verwunderlich, dass Sie jetzt auf mehr Signale stoßen werden.
Sie könnten mit der aktuellen Regelung der Prozesstemperatur zufrieden sein. Dennoch zeigt T-Quadrat an, dass die Änderung dieser Temperatur nicht mehr mit der Änderung anderer Variablen korreliert. Eine Regelkarte zeigt Ihnen, wann ein ungewöhnliches oder unerwartetes Ereignis eingetreten ist. Es ist nicht unbedingt schlecht. Wie war die Korrelationsstruktur der 14 Variablen, die in diesem Diagramm enthalten sind? Hat es sich während der aktuellen Phase geändert?
Mir ist keine Methode zum Reduzieren der Empfindlichkeit einer Variablen bei der T-Quadrat-Berechnung bekannt. Ein anderer Leser könnte einen Weg vorschlagen.
Was wäre, wenn Sie die Prozesstemperatur aus dem T-Quadrat entfernen, da Sie es nicht für wichtig halten, wenn das univariate Diagramm anzeigt, dass es die Kontrolle hat?
Ich kenne keine Möglichkeit, fehlende Daten zu unterstellen, die T-Quadrat nicht gefährden würden.
Re: Multivariate Prozessüberwachung mit MDMVCCDanke für die Antwort Markus.
Ja, den normalen Betriebsbereich beziehe ich mich auf univariate.
Und die Flexibilität, die Empfindlichkeit auf bestimmte Parameter unter Berücksichtigung des benutzerdefinierten Normalbereichs zu reduzieren/anzupassen, könnte hilfreich sein.
- Ich füge ein Beispiel bei, bei dem das T-Quadrat-Diagramm und das SPE-Diagramm einige Abweichungen zeigten, bei denen der größte Beitrag eine Temperatur war, die bis auf gelegentliche Schwankungen von +- 0,2 bis 0,3 gut kontrolliert wurde, wenn ich nicht sehr daran interessiert bin, wann die Prozesstemperatur ist innerhalb von 0,3 vom Sollwert liegt, möchte ich die Empfindlichkeit des Modells entsprechend reduzieren, was mir helfen könnte, andere Variablen besser zu erfassen
Meine 2. Frage hängt mit der 1. insofern zusammen, als ob wir die Rot/Grün-Darstellung für innerhalb/außerhalb der Kontrolle durch die Spalteneigenschaftsvorgabe von Eingriffsgrenzen oder Spezifikationsgrenzen beeinflussen können.
Fehlende Daten treten von Zeit zu Zeit auf, aber nicht sehr oft und normalerweise nur bei einigen von hundert Variablen. Ich würde gerne wissen, ob es einen besseren Weg gibt, den Datenvorbereitungsschritt (Umgang mit fehlenden Daten) in den multivariaten Überwachungsprozess zu integrieren, damit er effizient ist.
Re: Multivariate Prozessüberwachung mit MDMVCC1. Ich gehe davon aus, dass das "Modell" multivariat ist, der "normale Betriebsbereich" jedoch univariat ist. Der Punkt des T-Quadrat-Diagramms ist, dass einzelne univariate Diagramme keine Änderung signalisieren, wenn die Beobachtung die etablierte Korrelation durchbricht. Möchten Sie die Empfindlichkeit des T-Quadrat-Diagramms wirklich verringern?
2. Die Leistungsfähigkeit (innerhalb der Spezifikationsgrenzen) hängt von der Kontrolle (innerhalb der Kontrollgrenzen) ab, aber nicht umgekehrt. Wie Sie sagen, basiert die Kontrolle auf der inhärenten oder natürlichen Variation des Prozesses, nicht auf der Leistung gegenüber Zielen.
3. Die Imputation erzeugt erwartete Daten und verringert die Empfindlichkeit des Diagramms. Warum fehlen Daten? Wie häufig fehlen Daten?
