| 스피커 |
성적 증명서 |
| |
안녕하세요, 저는 Jeremy Ash입니다. |
| |
JMP R&D의 통계학자입니다. 제 직업은 |
| |
주로 테스트로 구성됨 |
| |
다변량 통계 |
| |
JMP의 플랫폼이지만 나도 |
| |
연구 및 평가에 도움 |
| |
방법론. 오늘은 |
| |
테네시를 분석하고 있어요 |
| |
Eastman 공정을 사용하여 |
| |
통계적 공정 관리 |
| |
JMP의 메서드입니다. |
| |
특별히 주의를 기울이다 |
| |
모델 기반 다변량 |
| |
제어 차트 플랫폼은 |
| |
JMP 15에 새로 추가된 기능입니다. |
| |
이 데이터는 다음을 제공합니다. |
| |
선보일 기회 |
| |
플랫폼의 수 |
| |
특징. 그리고 빠르게 |
| |
면책 조항, 이것은 다음과 유사합니다. |
| |
제 Discovery Americas 강연입니다. |
| |
유럽이 아직 보지 못했다는 것을 깨달았습니다. |
| |
모델 기반 다변량 |
| |
모든 것에 대한 통제 차트 토크 |
| |
코로나 때문에 미칠 것 같아서 |
| |
기본에 집중하기로 했습니다. |
| |
하지만 새로운 자료가 몇 가지 있습니다 |
| |
강연이 끝나면. 나는 |
| |
몇 가지 추가 사항을 간략하게 다루겠습니다. |
| |
예시 분석을 한 다음, |
| |
해당 토론에 대한 커뮤니티 페이지입니다. |
| |
먼저, 나는 약간의 지식을 가정할 것입니다. |
| |
통계적 공정 관리의 |
| |
이 강연에서 가장 중요한 것은 |
| |
알아두면 도움이 될 것 같아요 |
| |
관리도입니다. 만약 당신이 |
| |
이것들에 익숙하지 않다, 이것들 |
| |
모니터링에 사용되는 차트입니다 |
| |
복잡한 산업 시스템 |
| |
그들이 언제 벗어나는지 결정하다 |
| |
정상 작동 중 |
| |
정황. |
| |
나는 할 시간이 별로 없을 거야 |
| |
모델 방법론으로 들어가다 |
| |
구동 다변량 제어 |
| |
차트이므로 다른 차트를 참조하겠습니다. |
| |
자유롭게 대화하는 좋은 대화 |
| |
JMP 커뮤니티에서 사용 가능 |
| |
더 자세한 내용을 원하시면. |
| |
Jianfeng도 말해야 합니다 |
| |
딩은 기본이었다 |
| |
모델 기반 개발자 |
| |
다변량 제어 제어 |
| |
차트와 협력하여 |
| |
크리스 갓월트와 그 토냐 |
| |
몰딘과 나는 테스터였습니다. |
| |
이 이야기의 초점은 다음과 같습니다. |
| |
다변량 관리도 |
| |
실제 세계를 모니터링하다 |
| |
전형적인 과정; 또 다른 소설 |
| |
측면은 제어를 사용할 것입니다 |
| |
온라인 프로세스 차트 |
| |
모니터링. 즉, 우리는 |
| |
지속적으로 데이터를 모니터링합니다. |
| |
데이터베이스에 추가되고 |
| |
실시간으로 오류를 감지합니다. |
| |
그래서 저는 이것으로 시작하려고 합니다. |
| |
의무적인 슬라이드 |
| |
다변량의 장점 |
| |
관리도. 그럼 왜 사용하지 않나요? |
| |
단변량 관리도? |
| |
우수한 숫자입니다 |
| |
JMP의 옵션. 단변량 |
| |
관리 차트는 훌륭합니다 |
| |
몇 가지를 분석하기 위한 도구 |
| |
한 번에 여러 변수가 있습니다. 그러나 |
| |
품질 관리 데이터는 종종 |
| |
고차원 및 숫자 |
| |
필요한 관리 차트 |
| |
보면 금방 될 수 있다 |
| |
압도적이다. 다변량 |
| |
통제 차트는 다음을 요약할 수 있습니다. |
| |
고차원 프로세스 |
| |
단지 몇 개의 통제 차트, |
| |
그래서 그게 중요한 장점이에요. |
| |
하지만 그렇다고 해서 그런 것은 아닙니다. |
| |
단일 관리도는 아닙니다 |
| |
이 설정에서 유용합니다. |
| |
대화 내내 그것을 보세요 |
| |
결함 진단에는 종종 다음이 포함됩니다. |
| |
다변수 간 전환 |
| |
및 단변량 차트. |
| |
다변량 관리도는 다음을 제공합니다. |
| |
당신은 전반적인 감각을 가지고 있습니다 |
| |
프로세스의 건강 상태, |
| |
단변량 차트를 사용하면 다음을 수행할 수 있습니다. |
| |
특정 측면을 모니터링합니다 |
| |
프로세스입니다. 따라서 정보는 |
| |
보완적입니다. 목표 중 하나 |
| |
다변량 모니터링 |
| |
통제 차트는 일부를 제공하는 것입니다 |
| |
전환에 유용한 도구 |
| |
이 두 유형 사이 |
| |
차트. 단점 중 하나는 |
| |
단변량 차트는 다음과 같습니다. |
| |
관찰은 다음과 같이 나타날 수 있습니다. |
| |
실제로 언제 제어하는지 |
| |
다변수에서 통제 불능 |
| |
의미와 이 플롯은 내가 무엇을 보여주는지 보여줍니다. |
| |
이것이 의미하는 바입니다. 단변량 |
| |
석유 및 |
| |
밀도는 두 가지를 보여줍니다 |
| |
빨간색으로 표시된 관찰 |
| |
제어. 그러나 오일과 밀도 |
| |
높은 상관관계가 있으며 둘 다 |
| |
관찰이 통제 불능 상태입니다. |
| |
다변수적 의미에서 |
| |
특히 관찰 51, |
| |
상관관계를 상당히 위반합니다 |
| |
두 변수의 구조, |
| |
다변량 관리도 |
| |
이런 종류의 것을 알아낼 수 있습니다 |
| |
이상치, 단변량 |
| |
통제 차트는 할 수 없습니다. |
| |
모델 기반 다변량 |
| |
관리도는 투영을 사용합니다 |
| |
차트를 구성하는 방법. |
| |
먼저 PCA에 대해 설명하겠습니다. |
| |
쌓기 쉽기 때문에 |
| |
거기에서. PCA는 다음을 줄입니다. |
| |
프로세스의 차원성 |
| |
낮은 위치에 데이터 투사 |
| |
차원 표면. 음, |
| |
이것은 그림에 나와 있습니다 |
| |
오른쪽에 P가 있습니다. |
| |
프로세스 변수 및 N |
| |
관찰 및 |
| |
P의 로딩 벡터 |
| |
행렬은 계수를 제공합니다 |
| |
우리 X의 선형 조합 |
| |
결과를 가져오는 변수 |
| |
제곱 변수 |
| |
차원 A, 여기서 차원 |
| |
A는 P보다 훨씬 작습니다. 그리고 |
| |
이것은 방정식에 표시됩니다. |
| |
여기 왼쪽. X는 다음과 같습니다. |
| |
함수로 예측됨 |
| |
점수 및 로딩, 여기서 E는 |
| |
예측 오류. |
| |
이 점수는 다음과 같이 선택됩니다. |
| |
예측 오류를 최소화합니다. |
| |
그리고 또 다른 생각 방법 |
| |
이게 당신이 극대화하고 있는 거야 |
| |
설명된 분산의 양 |
| |
X 매트릭스에서. |
| |
그렇다면 PLS가 더 적합합니다. |
| |
투영 방법. 당신이 가지고 있을 때 |
| |
프로세스 변수 집합과 |
| |
품질 변수 집합, 당신 |
| |
정말로 그것을 확인하고 싶습니다 |
| |
품질 변수는 다음과 같이 유지됩니다. |
| |
통제하지만 이러한 변수 |
| |
종종 비용이 많이 들거나 시간이 많이 걸립니다 |
| |
수집하는 데 소모됩니다. 식물 |
| |
없이 제품을 만들 수도 있습니다 |
| |
장기간의 제어 품질 |
| |
오류가 감지되기 전의 시간. |
| |
따라서 PLS 모델을 사용하면 다음을 수행할 수 있습니다. |
| |
품질 변수를 모니터링하세요 |
| |
귀하의 프로세스의 기능으로 |
| |
변수들이 있고 당신은 그것을 볼 수 있습니다 |
| |
PLS 모델은 점수를 찾습니다 |
| |
최대화하는 변수 |
| |
설명된 변화의 양 |
| |
품질 변수 |
| |
이러한 프로세스 변수는 다음과 같습니다. |
| |
종종 더 저렴하거나 더 쉽게 |
| |
사용 가능하므로 PLS를 통해 사용할 수 있습니다. |
| |
품질 결함을 감지하기 위해 |
| |
일찍 시작하고 프로세스를 진행하세요 |
| |
모니터링 비용이 더 저렴합니다. 그리고 여기에서 |
| |
나가서 PLS에 집중할게 |
| |
모델이기 때문에 더 많은 |
| |
예시에 적합합니다. |
| |
따라서 PLS 모델은 다음을 분할합니다. |
| |
데이터를 두 개의 구성 요소로 나눕니다. |
| |
첫 번째 구성 요소는 모델입니다 |
| |
구성 요소입니다. 이것은 다음을 제공합니다. |
| |
프로세스의 예측 값 |
| |
변수. 생각하는 또 다른 방법 |
| |
그것에 대한 것은 당신의 데이터가 있다는 것입니다 |
| |
모델에 투영됨 |
| |
점수에 따라 정의되는 평면 |
| |
변수 및 T 제곱 모니터 |
| |
데이터의 변화 |
| |
이 모형 비행기 내에서. |
| |
그리고 두 번째 구성 요소는 |
| |
오류 구성 요소입니다. 이것은 |
| |
원본 사이의 거리 |
| |
데이터와 예측 데이터 및 |
| |
제곱 예측 오차(SPE) |
| |
차트는 이러한 변화를 모니터링합니다. |
| |
우리가 사용하는 또 다른 대안적 지표 |
| |
모델까지의 거리를 제공합니다 |
| |
X 평면 또는 DModX. 이것은 단지 |
| |
SPE에 대한 정규화된 대안 |
| |
어떤 사람들은 선호합니다. |
| |
마지막 개념은 |
| |
이해하는 것이 중요합니다 |
| |
데모는 다음의 구별입니다. |
| |
과거 및 현재 데이터. |
| |
역사적 데이터는 일반적으로 |
| |
프로세스가 수행될 때 수집됨 |
| |
통제하는 것으로 알려져 있습니다. 이것들은 |
| |
데이터는 PLS를 구축하는 데 사용됩니다. |
| |
모델화하고 정상을 정의합니다 |
| |
프로세스 변화가 있으므로 |
| |
관리한계를 얻을 수 있다. |
| |
그리고 현재 데이터가 할당됩니다 |
| |
모델에 따른 점수이지만 |
| |
모델과 독립적입니다. |
| |
이에 대해 생각하는 또 다른 방법 |
| |
우리가 훈련을 받았다는 것입니다 |
| |
테스트 세트. T 제곱 제어 |
| |
훈련에 대한 제한이 더 낮습니다. |
| |
우리가 기대하는 것보다 적은 데이터 |
| |
다양한...에 대한 변동성 |
| |
훈련에 사용되는 관찰 |
| |
모델이 더 큰 반면 |
| |
P 제곱의 변동성 |
| |
모델은 E 테스트로 일반화됩니다. |
| |
설정. 다행히도 이론 |
| |
T 제곱의 분산은 다음과 같습니다. |
| |
우리가 얻을 수 있도록 해결되었습니다 |
| |
이러한 통제 한계는 다음을 기반으로 합니다. |
| |
일부 분포 가정. |
| |
데모에서는 모니터링이 진행됩니다 |
| |
테네시 이스트만 공정. |
| |
나는 짧은 내용을 발표할 것이다 |
| |
이 데이터에 대한 소개입니다. |
| |
화학의 시뮬레이션입니다 |
| |
Downs가 개발한 프로세스 |
| |
이스트먼의 두 화학자 포겔 |
| |
화학. 원래는 |
| |
포트란으로 작성되었지만 |
| |
Matlab용 래퍼입니다. |
| |
이제 파이썬입니다. 그냥 메모하고 싶었어요 |
| |
이 데이터 세트는 |
| |
90년대에 생성되었지만 여전히 그렇습니다. |
| |
주요 데이터 세트 중 하나 |
| |
다변량 벤치마킹에 사용됨 |
| |
제어 방법 |
| |
문학. 그것은 다음을 포함합니다. |
| |
다변량 분석의 주요 작업 |
| |
잘 제어하고 있고 |
| |
인상적인 양의 |
| |
시뮬레이션에서의 현실성. |
| |
그리고 시뮬레이션은 다음을 기반으로 합니다. |
| |
산업 공정이 |
| |
오늘날에도 여전히 관련성이 있음. |
| |
그래서 데이터가 조작되었습니다 |
| |
독점권을 보호하기 위해 |
| |
정보. 시뮬레이션된 |
| |
프로세스는 생산입니다 |
| |
두 가지 액체 제품 |
| |
내부의 기체 반응물 |
| |
화학 공장입니다. 그리고 여기 F는 |
| |
부산물 |
| |
그건 빼내야 할 거야 |
| |
원하는 제품과 다릅니다. |
| |
음 그리고... |
| |
제가 말씀드릴 내용은 대략 이 정도입니다. |
| |
그래서 프로세스 다이어그램은 다음과 같습니다. |
| |
복잡하지만 실제로는 그렇지 않습니다. |
| |
그렇게 나쁘니까 내가 걸어가줄게 |
| |
그것을 통해. 기체 |
| |
반응물 A, D 및 E가 흐릅니다. |
| |
여기 원자로가 있어요. |
| |
반응이 발생하고 |
| |
제품은 가스로 남습니다. |
| |
그런 다음 냉각되어 응축됩니다. |
| |
응축기 안의 액체. |
| |
그 다음에는 증기 액체 분리기 |
| |
남아 있는 증기를 재활용하고 |
| |
그것을 다시 원자로로 보낸다 |
| |
압축기를 통해 |
| |
부산물 및 불활성 화학 물질 B |
| |
퍼지 스트림에서 제거됩니다. |
| |
그리고 그것은 어떤 것도 방지하기 위한 것입니다 |
| |
축적. 액체 제품 |
| |
스트리퍼를 통해 펌핑됩니다. |
| |
나머지 반응물 |
| |
벗겨진다. |
| |
그리고 다시 원자로로 돌려보내졌습니다. |
| |
그리고 마지막으로, |
| |
정제된 액상 제품 |
| |
프로세스를 종료합니다. |
| |
첫 번째 변수 집합은 다음과 같습니다. |
| |
감시되는 것은 조작되는 것이다 |
| |
변수입니다. 이것들은 활처럼 보입니다. |
| |
다이어그램에서 연결됩니다. 내 생각에는 |
| |
실제로는 그렇게 될 운명이에요 |
| |
밸브와 조작된 |
| |
과정...또는 조작된 |
| |
변수는 대부분 다음을 제어합니다. |
| |
다양한 유량 |
| |
프로세스의 흐름. |
| |
그리고 이러한 변수들은 다음과 같이 설정될 수 있습니다. |
| |
한계 내의 모든 값과 |
| |
가우시안 노이즈가 있습니다. |
| |
조작된 변수는 가능합니다 |
| |
비율로 샘플링할 것 |
| |
하지만 우리는 기본 3을 사용합니다 |
| |
지금 몇 분 동안 샘플을 받아보세요. |
| |
조작된 몇 가지 예 |
| |
변수는 밸브입니다 |
| |
반응물의 흐름을 제어하다 |
| |
반응기로 들어가다. |
| |
또 다른 예는 밸브입니다 |
| |
흐름을 제어하는 |
| |
스트리퍼에 증기를 넣습니다. |
| |
그리고 또 다른 하나는 밸브입니다 |
| |
냉각수의 흐름을 제어합니다 |
| |
반응기로 들어가다. |
| |
다음 변수 집합은 다음과 같습니다. |
| |
측정 변수입니다. 이는 다음과 같습니다. |
| |
그림에서는 원으로 표시되어 있습니다. |
| |
또한 3개에서 샘플링되었습니다. |
| |
분 간격. |
| |
조작된 것과 조작된 것의 차이 |
| |
변수와 측정 |
| |
변수는 다음과 같습니다. |
| |
측정 변수는 할 수 없습니다 |
| |
시뮬레이션에서 조작됨. |
| |
우리의 품질 변수는 다음과 같습니다. |
| |
구성 비율 |
| |
두 가지 액상 제품과 당신 |
| |
분석기를 볼 수 있습니다 |
| |
여기서 제품을 측정합니다. |
| |
이러한 변수는 다음과 같이 샘플링됩니다. |
| |
상당한 시간 지연이 있으므로 |
| |
우리는 정화를 보고 있어요 |
| |
출구 대신 스트림 |
| |
스트림, 이 데이터는 |
| |
더 일찍 사용할 수 있습니다. 그리고 사용할 것입니다 |
| |
프로세스를 모니터링하는 PLS 모델 |
| |
이러한 변수는 이러한 변수의 대리 변수입니다. |
| |
변수는 프로세스 때문에 |
| |
변수는 지연이 적습니다. |
| |
샘플링 속도가 더 빨라집니다. |
| |
그래서 그것으로 충분할 것입니다 |
| |
데이터에 대한 배경 지식. |
| |
총 33개의 프로세스가 있습니다 |
| |
변수와 두 가지 품질 |
| |
변수. 프로세스 |
| |
변수를 수집하는 것은 |
| |
세트로 시뮬레이션됨 |
| |
미분 방정식. 그리고 이것은 |
| |
단지 시뮬레이션일 뿐이지만, |
| |
상당한 양을 볼 수 있습니다 |
| |
이것을 모델링하는 데 주의가 기울여졌습니다. |
| |
실제 프로세스 후. 여기 |
| |
내가 진행하는 데모의 개요입니다 |
| |
보여드리려고 합니다. 수집하겠습니다. |
| |
우리의 프로세스와 저장소에 대한 데이터 |
| |
이 데이터는 데이터베이스에 저장되어 있습니다. |
| |
나는 예를 갖고 싶었습니다. |
| |
공유하기 쉬웠기 때문에 공유하겠습니다. |
| |
SQLite 데이터베이스를 사용하지만 |
| |
워크플로는 대부분과 관련이 있습니다 |
| |
대부분의 데이터베이스 유형 |
| |
ODBC 연결을 지원합니다. |
| |
JMP가 ODBC를 형성하면 |
| |
데이터베이스와의 연결, |
| |
JMP는 주기적으로 확인할 수 있습니다. |
| |
새로운 관찰을 추가하고 |
| |
데이터 테이블. |
| |
모델 기반이 있는 경우 |
| |
다변량 관리도 |
| |
자동으로 보고서 열기 |
| |
재계산이 켜지면 |
| |
업데이트를 위한 메커니즘 |
| |
새로운 데이터가 들어올 때마다 관리 차트를 작성합니다. |
| |
그리고 전체 과정 |
| |
데이터베이스에 데이터를 추가하면 |
| |
아마도 별도로 진행될 것 같다 |
| |
컴퓨터에서 컴퓨터로 |
| |
모니터링을 하는 사람이죠. 그래서 |
| |
JMP 세션이 두 개 열려 있습니다. |
| |
이를 모방하기 위해. 두 세션 모두 |
| |
자신의 일기를 가지고 있다 |
| |
자료에 |
| |
커뮤니티와 세션 |
| |
새로운 시뮬레이션 데이터 추가 |
| |
데이터베이스가 호출됩니다 |
| |
스트리밍 세션 및 |
| |
보고서 업데이트 세션 |
| |
새로운 데이터가 들어오면 |
| |
모니터링 세션이라고 합니다. |
| |
내가 정말 좋아했던 것 중 하나는 |
| |
Downs와 Vogel 논문은 |
| |
그들이 제공하지 않았다 |
| |
단일 측정 항목을 평가합니다. |
| |
프로세스 제어. 나는 가지고있다 |
| |
여기 신문에서 인용한 내용 |
| |
"우리는 균형을 느꼈다 |
| |
가능한 제어 중 |
| |
전략과 기술 |
| |
~보다 훨씬 더 많은 것을 포함했습니다 |
| |
수학적 표현." |
| |
다음은 몇 가지 목표입니다. |
| |
그들은 논문에 다음과 같이 나열했습니다. |
| |
우리와 관련된 |
| |
문제. 그들은 유지하고 싶었습니다. |
| |
프로세스 변수 |
| |
원하는 값. 그들은 원했습니다 |
| |
제품의 변동성을 최소화하다 |
| |
교란 중 품질 및 |
| |
그들은 빨리 회복하고 싶어했습니다 |
| |
그리고 방해로부터 원활하게. |
| |
그래서 우리는 우리가 얼마나 잘하는지 볼 것입니다 |
| |
프로세스는 이러한 목표를 달성합니다 |
| |
우리의 모니터링 방법을 통해. |
| |
그래서 시작하려면 |
| |
모니터링 세션 저널, 나는 |
| |
첫 번째 데이터 세트를 보여드리겠습니다. |
| |
데이터 테이블에는 다음이 모두 포함되어 있습니다. |
| |
내가 도입한 변수들 |
| |
이전에. 첫 번째 변수는 다음과 같습니다. |
| |
측정 변수; |
| |
두 번째는 구성입니다. |
| |
그리고 세 번째는 |
| |
조작된 변수. |
| |
여기 위의 스크립트가 적합할 것입니다 |
| |
PLS 모델입니다. 제외됩니다. |
| |
마지막 100개 행을 테스트 세트로 사용합니다. |
| |
알림으로서, |
| |
모델은 2를 예측하고 있습니다 |
| |
제품 구성 |
| |
변수의 함수로서 |
| |
프로세스 변수. 만약 |
| |
JMP Pro가 있어요 |
| |
약간의 속도가 있었다 |
| |
PLS 개선 |
| |
JMP 16에서. |
| |
PLS에는 이제 |
| |
빠른 SVD 옵션. |
| |
다음으로 전환할 수 있습니다. |
| |
빨간색의 클래식 |
| |
삼각형 메뉴가 있습니다. |
| |
또한 여러 가지가 있었습니다 |
| |
성능 개선 |
| |
후드 아래에. |
| |
대부분 데이터 세트와 관련이 있음 |
| |
많은 수의 |
| |
관찰이지만 그게 |
| |
다변수에서 공통적인 |
| |
프로세스 모니터링 설정. |
| |
하지만 PLS는 초점이 아닙니다. |
| |
말해, 그래서 나는 이미 적합해졌어 |
| |
모델 및 출력 점수 열 |
| |
여기서 보실 수 있습니다. |
| |
모니터가 있는 이유 중 하나는 |
| |
다변량 관리도는 |
| |
그게 그렇게 디자인된 거야? |
| |
당신이 통계학자라고 상상해보세요 |
| |
그리고 당신은 당신의 모델을 공유하고 싶어합니다 |
| |
엔지니어와 함께 할 수 있도록 |
| |
관리도를 작성합니다. 모두 |
| |
당신이 해야 할 일은 제공하는 것입니다 |
| |
이 공식을 사용한 데이터 테이블 |
| |
열. 공유할 필요가 없습니다. |
| |
당신이 어떻게 모든 끔찍한 세부 사항을 |
| |
귀하의 모델에 적합해요. |
| |
다음으로 점수를 제공하겠습니다. |
| |
모니터링할 열 |
| |
다변량 관리도. |
| |
여기 오른쪽으로 끌어오세요. |
| |
그래서 여기 왼쪽에서 볼 수 있습니다 |
| 두 가지 유형의 관리도 |
그만큼 |
| |
T제곱과 SPE. |
| |
음, 860개의 관찰 결과가 있습니다 |
| |
추정하는 데 사용되었습니다 |
| |
모델이며 이는 다음과 같이 표시됩니다. |
| |
역사적. 그리고 그 백 |
| |
테스트 세트로 남겨진 것 |
| |
현재 데이터입니다. |
| |
그리고 한계를 볼 수 있습니다 |
| |
요약, 포인트 수 |
| |
통제 불가능한 것과 |
| |
유의수준. 음, 만약 당신이 |
| |
중요성을 바꾸고 싶다 |
| |
레벨, 당신은 여기 위에서 그것을 할 수 있습니다 |
| |
빨간색 삼각형 메뉴. |
| |
반응기가 정상 상태이기 때문에 |
| |
운영 조건에서 우리는 기대합니다 |
| |
관찰할 것이 없음 |
| |
통제는 가능하지만 몇 가지 잘못된 점이 있습니다. |
| |
여기서 긍정적인 점은 우리가 |
| |
아직 아무런 조정도 하지 않았습니다 |
| |
다중 비교입니다. |
| |
내가 아는 한 이런 일은 흔치 않은 일이다. |
| |
다변수에서 알 수 있다 |
| |
관리도. 내 생각엔 당신이 |
| |
더 높은 감지 능력을 가지고 있습니다 |
| |
제어 신호가 없는 경우 |
| |
수정. 관리도에서 |
| |
속어로, 이것은 당신이 나갔다는 것을 의미합니다 |
| |
제어의 평균 실행 길이 |
| |
낮게 유지됩니다. |
| |
그래서 여기 오른쪽에 우리는 |
| |
또한 기여가 있습니다 |
| |
플롯과 Y축에는 |
| |
관찰; X에 대하여 |
| |
축, 변수. A |
| |
기여가 표현된다 |
| |
일부로서. |
| |
그리고 여기 맨 아래에는, |
| |
점수 플롯이 있어요. 그렇죠? |
| |
이제 첫 번째 계획을 세우고 있어요 |
| |
점수 차원 대비 |
| |
두 번째 점수 차원이지만 |
| |
당신은 어떤 것을 볼 수 있습니다 |
| |
점수의 조합 |
| |
이것을 사용하여 치수를 계산합니다 |
| |
드롭다운 메뉴 또는 화살표 |
| |
단추. |
| |
좋아, 그럼 우리는 방향을 잡았다고 생각합니다. |
| |
보고서에. 나는 갈거야 |
| |
이제 다음으로 전환하세요 |
| |
내가 스트리밍하는 데 사용한 스크립트 |
| |
데이터베이스에 데이터를 |
| |
보고서는 모니터링 중입니다. |
| |
이를 위해 무엇이든 하려면 |
| |
예를 들어, 다음이 필요합니다. |
| |
SQLite ODBC 드라이버가 설치되었습니다. |
| |
컴퓨터용입니다. 훨씬 쉽습니다. |
| |
Windows 컴퓨터에서 수행하려면 |
| |
당신이 자주 사용하는 것이 바로 그것입니다 |
| |
실제로 연결할 때 |
| |
데이터베이스. Mac에서의 프로세스 |
| |
더 복잡하지만 나는 몇 가지를 넣었다 |
| |
커뮤니티에 대한 지침 |
| |
페이지. 그리고 시간이 없어요 |
| |
이것에 대해 이야기하고 싶지만, 나는 |
| |
SQLite 데이터베이스를 생성했습니다 |
| |
저는 JMP에서 사용할 것입니다. |
| |
몇 가지 지침을 넣을 계획 |
| |
이것을 하는 방법에 대해 |
| |
커뮤니티 웹 페이지. 그리고 바라건대 |
| |
그 예가 도움이 될 것 같아요 |
| |
만약 당신이 이것을 하려고 한다면 |
| |
본인의 데이터를 확인하세요. |
| |
다음으로 보여드릴 것은 |
| |
내가 넣은 파일 |
| |
SQLite 데이터베이스에서. |
| |
여기에 역사적 자료가 있습니다. |
| |
이것은 구성하는 데 사용되었습니다 |
| |
PLS 모델입니다. 960개가 있습니다 |
| |
관찰된 내용 |
| |
제어합니다. 그런 다음 |
| |
모니터링 데이터는 처음에는 |
| |
단지 역사적 내용을 담고 있습니다 |
| |
데이터이지만 점차적으로 새로운 데이터를 추가하겠습니다. |
| |
이것에 대한 데이터입니다. 이것이 데이터입니다 |
| |
다변량 제어 |
| |
차트를 모니터링할 것입니다. |
| |
그리고 나는 새로운 것을 시뮬레이션했습니다. |
| |
이미 데이터를 추가하고 추가했습니다. |
| |
여기 데이터 테이블이 있습니다. 이것들은 |
| |
또 다른 960개 이상의 측정 |
| |
결함이 도입된 곳 |
| |
어느 시점. 나는 원했다 |
| |
쉽게 할 수 있는 일이 있었다 |
| |
공유하니까 실행하지 않을 거야 |
| |
내 시뮬레이션 스크립트에 추가 |
| |
그런 식으로 데이터베이스를 구축합니다. 우리는 |
| |
그냥 관찰만 할 거야 |
| |
이 새로운 데이터 테이블에서 |
| |
모니터링으로 옮겨주세요 |
| |
JSL을 사용한 데이터 테이블 |
| |
SQL 문입니다. 이것은 단지 |
| |
프로세스를 에뮬레이션하는 예 |
| |
새로운 데이터가 들어오는 경우 |
| |
데이터베이스. 어떻게든 당신은하지 않을 수도 있습니다 |
| |
실제로 JMP로 이 작업을 수행하지만 |
| |
이것은 보여줄 기회였습니다 |
| |
JSL을 사용하면 어떻게 할 수 있나요? |
| |
여기를 청소하세요. |
| |
그리고 다음에 이걸 보여드릴게요 |
| |
스트리밍 스크립트입니다. 이것은 |
| |
간단한 스크립트이므로 다음을 수행하겠습니다. |
| |
정말 간단하게 설명해 드리겠습니다. |
| |
이 첫 번째 세트 |
| |
명령을 실행하면 열립니다 |
| |
새로운 데이터 테이블 및 |
| |
SQLite 데이터베이스에 있어요. |
| |
그래서 테이블이 열립니다 |
| |
배경이니까 내가 할 필요가 없어 |
| |
창문을 처리하세요. |
| |
그럼 나는 조각들을 가져갈 거야 |
| |
이 데이터 테이블에서 추가 |
| |
모니터링 데이터에 |
| |
테이블. 나는 조각들을 부른다 |
| |
한 입 크기이며 한 입 크기는 20입니다. |
| |
그리고 다음 명령은 다음과 같습니다. |
| |
데이터베이스에 연결합니다. |
| |
나에게 보낼 수 있게 해줄게 |
| |
데이터베이스 SQL 문. |
| |
그리고 다음 부분은 |
| |
코드의 |
| |
반복적으로 SQL을 전송 |
| |
새로운 것을 삽입하는 문장 |
| |
데이터를 모니터링 데이터로 변환합니다. |
| |
그리고 나는 갈거야 |
| |
K를 초기화하고 보여주세요 |
| |
이것의 첫 번째 반복입니다. |
| |
이는 간단한 SQL 문입니다. |
| |
문장에 다음을 삽입하다 |
| |
첫 20개를 삽입합니다 |
| |
데이터에 대한 관찰 |
| |
테이블. 이 인쇄 문은 |
| |
코드가 주석 처리되었습니다. |
| |
더 빨리 달리고 나도 |
| |
대기 명령문을 사용하여 속도를 늦추세요 |
| |
그래서 약간 아래로 |
| |
우리는 그들의 진행 상황을 볼 수 있습니다 |
| |
통제 차트에서. |
| |
그리고 이건 너무 빨리 진행될 거야 |
| |
내가 속도를 늦추지 않으면. |
| |
음, 그럼 다음으로는 이사할 거야 |
| |
모니터링 세션으로 넘어가다 |
| |
너한테 스크립트를 보여줘 |
| |
그러면 보고서가 업데이트될 것입니다 |
| |
새로운 데이터가 들어오면. |
| |
이 첫 번째 스크립트는 간단합니다. |
| |
스크립트입니다. 그러면 확인됩니다. |
| |
0.2초마다 데이터베이스 |
| |
새로운 관찰을 추가하고 |
| |
JMP 테이블에. |
| |
보고서에는 자동 재계산 기능이 있습니다. |
| |
켜면 보고서가 업데이트됩니다. |
| |
새로운 데이터가 추가될 때마다. 그리고 |
| |
나는 그것을 추가해야 합니다 |
| |
현실적으로, |
| |
당신은 아마 사용하지 않을 것입니다 |
| |
그냥 반복되는 스크립트 |
| |
이것. 아마도 task를 사용할 것입니다. |
| |
Windows의 스케줄러 또는 |
| |
Mac에서 Automator를 더 잘 활용하기 |
| |
스크립트 실행 일정을 정합니다. |
| |
그리고 또 다른 것도 있습니다 |
| |
스크립트가 될 것입니다 |
| |
보고서를 JMP Public에 푸시합니다. |
| |
보고서가 업데이트될 때마다 |
| |
그리고 나는 정말로 그것에 대해 흥분했다 |
| |
이는 JMP 15를 사용하면 가능합니다. |
| |
모든 컴퓨터가 활성화됩니다. |
| |
업데이트를 보려면 웹 브라우저를 사용하세요 |
| |
관리도. 그런 다음 |
| |
보고서를 볼 수도 있습니다 |
| |
스마트폰이므로 이렇게 하면 됩니다 |
| |
공유하기 정말 쉽네요 |
| |
조직 전체의 결과. |
| |
그리고 JMP Live를 사용할 수도 있습니다 |
| |
보고서를 원했다면 |
| |
제한된 서버에 있어야 합니다. |
| |
나는 시간이 없을 것이다 |
| |
이것에 대해 이것으로 들어가다 |
| |
데모이지만 확인할 수 있습니다 |
| |
저의 Discovery Americas 강연입니다. |
| |
그럼 마지막으로 여기 아래에는 |
| |
재생성하는 스크립트 |
| |
데이터 내의 과거 데이터 |
| |
실행하려면 테이블을 사용하세요. |
| |
예를 여러 번 반복합니다. |
| |
좋아요, 그럼 다음으로...확인하세요 |
| |
우리에게는 역사적 데이터가 있습니다... |
| |
나는 그것을 실행할 것이다 |
| |
스트리밍 스크립트를 보고 확인하세요 |
| |
보고서가 어떻게 업데이트되는지. |
| |
따라서 데이터는 제어됩니다. |
| |
먼저, 그리고 나서 결함이 있습니다 |
| |
소개되었지만, |
| |
공장 전체 제어 시스템 |
| |
그것은에 구현됩니다 |
| |
시뮬레이션을 하면 볼 수 있습니다 |
| |
제어 시스템은 어떻게 |
| |
결국 그 과정을 가져온다 |
| |
새로운 평형으로. |
| |
여기서 끝날 때까지 기다려 주세요. |
| |
그래서 확대해보면, |
| |
과정이 먼저인 것 같아 |
| |
이 일로 인해 통제 불능이 되었습니다. |
| |
시간 지점이므로, 나는 할 것이다 |
| |
그것을 색칠하고 |
| |
라벨을 붙이면 그럴 거야 |
| |
다른 줄거리에도 등장합니다. |
| |
그리고 SPE 플롯에서, |
| |
이렇게 생겼어요 |
| |
관찰도 안됨 |
| |
통제는 가능하지만 약간만 가능하다. |
| |
그리고 우리가 확대하면 |
| |
시간 지점 |
| |
기여 플롯을 사용할 수 있습니다 |
| |
많은 것이 있다는 것을 보세요 |
| |
기여하는 변수 |
| |
제어 불능 신호 |
| |
첫 번째. 하지만 그 다음에는 |
| |
프로세스가 새로운 단계에 도달합니다 |
| |
평형은 오직 |
| |
두 가지 주요 기여자. |
| |
그래서 열을 제거하려고 해요 |
| |
이제 지도를 약간 정리해야 합니다. |
| |
마우스를 올려 놓을 수 있습니다 |
| |
프로세스가 진행되는 지점 |
| |
처음에는 통제 불능이 되었고 |
| |
상위 10개를 살펴보세요 |
| |
기여 변수. 이것은 |
| |
당신에게 주는 데 좋습니다 |
| |
변수에 대한 빠른 개요 |
| |
가장 많이 기여하고 있습니다 |
| |
제어 불능 신호. |
| |
그리고 플롯을 클릭하면, |
| |
이것은 다음에 추가될 것입니다 |
| |
결함 진단 섹션. |
| |
그리고 당신이 볼 수 있듯이, 거기에는 |
| |
큰 변수가 여러 개 |
| |
기여하고 방금 정렬했습니다 |
| |
기여에 대하여. |
| |
그리고 변수에 대해서는 |
| |
빨간색 막대는 관찰 결과입니다 |
| |
단변량에서 통제 불능 |
| |
관리도. 볼 수 있습니다 |
| |
이것은 다음 중 하나에 마우스를 올려 놓으면 됩니다. |
| |
막대와 이 그래프 |
| |
IR 차트는 다음과 같습니다. |
| |
개별 변수 |
| |
3시그마 관리 한계. |
| |
스트리퍼에서 볼 수 있습니다 |
| |
압력 변수 |
| |
관찰이 끝났다 |
| |
통제하지만 결국 |
| |
프로세스가 다시 아래로 가져옵니다 |
| |
통제. 그리고 이것이 사실입니다 |
| |
다른 위쪽을 위해 |
| |
기여자. 또한 보여 드리겠습니다. |
| |
너는 변수 중 하나야 |
| |
우리가 통제하고 있는 곳은 |
| |
단변량 관리도. |
| |
그래서 그 과정은... |
| |
변수가 많다 |
| |
프로세스의 제어 |
| |
시작이지만 |
| |
과정은 결국 도달한다 |
| |
새로운 균형. |
| |
하나... |
| |
변수를 보려면 |
| |
변화에 가장 크게 기여하다 |
| |
그 과정에서 우리는 평균을 사용할 수 있습니다 |
| |
기여비율 그래프. |
| |
이 플롯은 평균을 보여줍니다 |
| |
변수들의 기여도 |
| |
그룹에는 T제곱이 필요합니다 |
| |
선택했어요. 음, 여기서 내가 |
| |
이것들을 기준으로 정렬합니다. |
| |
두 가지 변수만 있음 |
| |
큰 기여는 다음을 측정합니다. |
| |
반응물 A의 흐름 속도 |
| |
스트림 1은 흐름입니다 |
| |
이 반응물을 반응기에 넣습니다. |
| |
이 두 변수는 모두 |
| |
본질적으로 측정 |
| |
같은 것인데 하나만 빼고는 |
| |
측정...하나는 |
| |
측정 변수 및 |
| |
다른 하나는 조작된 것입니다 |
| |
변하기 쉬운. |
| |
당신은 그것이 있다는 것을 볼 수 있습니다 |
| |
흐름의 큰 단계적 변화 |
| |
내가 프로그래밍한 비율이에요 |
| |
시뮬레이션에서. 그래서 이것들은 |
| |
기여 플롯을 사용하면 다음을 수행할 수 있습니다. |
| |
근본 원인을 빠르게 파악합니다. |
| |
그리고 내 이전 이야기에서 나는 |
| |
다른 많은 방법을 보여주었습니다 |
| |
결함을 시각화하고 진단합니다 |
| |
스코어 플롯에서 도구 사용. |
| |
여기에는 다음을 포함합니다. |
| |
점수 플롯에 대한 로딩 및 |
| |
몇 가지 그룹 비교를 하고 있습니다. |
| |
내 Discovery를 확인할 수 있습니다 |
| |
JMP에 대한 아메리카의 이야기 |
| |
그 대신, 나는 |
| |
나머지 시간을 다 써버릴 거야 |
| |
새로운 몇 가지를 소개하는 시간 |
| |
내가 올린 예 |
| |
이 강연에 대한 커뮤니티 페이지입니다. |
| |
그래서. |
| |
프로그래밍 가능한 오류는 20개입니다. |
| |
테네시 이스트만 공정에서 |
| |
그리고 그들은 어떤 곳에든 도입될 수 있습니다 |
| |
조합. 나는 다른 두 가지를 제공했습니다. |
| |
여기에는 대표적인 단층이 있습니다. 단층 |
| |
1 내가 이전에 보여준 것은 |
| |
쉽게 감지할 수 있기 때문에 |
| |
제어 신호가 너무 크다 |
| |
그리고 너무 많은 변수들이 |
| |
참여했습니다. 다음에 초점을 맞춥니다. |
| |
이전 데모는 방법을 보여주는 것이었습니다. |
| |
도구를 사용하여 식별합니다. |
| |
많은 수의 결함 |
| |
변수이고 벤치마킹 대상이 아니다 |
| |
방법이 반드시 필요합니다. |
| |
반면에 결함 4는 |
| |
더 미묘한 결함이에요, |
| |
여기서 보여드리겠습니다. |
| |
오류는...프로그램된 것입니다 |
| |
갑작스러운 증가입니다 |
| |
반응기 내부의 온도. |
| |
그리고 이것은 다음에 의해 보상됩니다. |
| |
제어 시스템을 증가시켜서 |
| |
냉각수의 유량. |
| |
그리고 당신은 그것을 볼 수 있습니다 |
| |
여기서 선택된 변수와 |
| |
당신은 변화를 볼 수 있습니다 |
| |
기여 플롯. |
| |
그리고 당신은 또한 볼 수 있습니다 |
| |
대부분의 다른 변수들 |
| |
영향을 받지 않는다 |
| |
잘못으로 인해. 당신은 볼 수 있습니다 |
| |
여기 온도가 급등하다 |
| |
빠르게 다시 가져온다 |
| |
제어. 대부분의 다른 |
| |
변수는 영향을 받지 않습니다. |
| |
일부에서는 감지하기 어렵습니다 |
| |
다변량 제어 방법. |
| |
그리고 그것은 더 많을 수 있습니다 |
| |
진단하기 어려움. |
| |
내가 보여줄 마지막 결점은 |
| |
결함은 11입니다. |
| |
Fault 4와 마찬가지로 다음도 포함됩니다. |
| |
냉각수의 흐름 |
| |
원자로, 지금은 결함을 제외하고 |
| |
큰 진동을 도입합니다 |
| |
우리가 할 수 있는 흐름 속도 |
| |
단변량 통제에서 확인 |
| |
차트. 그리고 이것은 다음과 같은 결과를 낳습니다. |
| |
반응기의 변동 |
| |
온도. 다른 |
| |
변수는 실제로 그렇지 않습니다 |
| |
다시 영향을 받으므로 이것이 가능합니다. |
| |
일부에서는 감지하기 더 어렵습니다 |
| |
방법. 일부 다변량 |
| |
제어 방법을 선택할 수 있습니다 |
| |
결함 4는 있지만 결함 11은 아닙니다. |
| |
그 반대도 마찬가지다. 하지만 우리의 방법은 |
| |
둘 다 이해할 수 있어요. |
| |
그리고 마지막으로 모든 |
| |
내가 만든 예제 |
| |
테네시 이스트만 프로세스가 있었습니다 |
| |
에서 명백히 드러난 결함 |
| |
T 제곱 플롯과 SPE 플롯 모두. |
| |
몇 가지 새로운 기능을 보여주세요 |
| |
모델 기반 다변량 |
| |
관리 차트를 보여주고 싶었어요 |
| |
결함의 예 |
| |
SPE 차트에는 나타나지만 |
| |
T제곱. 그리고 좋은 것을 찾으려면 |
| |
이것의 예로, 나는 다시 방문했습니다 |
| |
Jianfeng Ding이 만든 데이터 세트 |
| |
그녀의 이전 강연에서 발표되었고, |
| |
나는 그녀의 강연에 대한 링크를 제공했습니다. |
| |
이 저널에서. |
| |
그녀의 커뮤니티 페이지에서, |
| |
그녀는 여러 가지를 제공합니다 |
| |
유용한 예는 다음과 같습니다. |
| |
이것도 확인해 볼 가치가 있습니다. |
| |
이것은 Cordia의 데이터 세트입니다 |
| |
McGregor의 (?) 고전적 논문 |
| |
다변량 관리도. |
| |
데이터는 처리된 변수입니다 |
| |
반응기에서 측정하여 생산 |
| |
폴리에틸렌, 그리고 당신은 찾을 수 있습니다 |
| |
Jianfeng의 더 많은 배경 |
| |
이야기합니다. 이 예에서 우리는 |
| |
프로세스가 종료되었습니다 |
| |
제어하세요. 보여드리죠. |
| |
그리고 그것은 통제 불능 상태입니다... |
| |
SPE 차트에서 더 일찍 |
| |
T제곱. |
| |
그리고 우리가 평균을 살펴보면 |
| |
기부금 |
| |
SPE에 대한 플롯, |
| |
당신은 할 수 있습니다 |
| |
변수가 하나 있다는 것을 보세요 |
| |
큰 기여와 함께 |
| |
또한 큰 변화를 보여줍니다 |
| |
단변량 관리도이지만 |
| |
다른 변수도 있습니다 |
| |
큰 기여를 했지만 |
| |
아직도 통제하고 있는 |
| |
단변량 관리도. |
| |
그리고 그것을 결정하는 것은 어렵습니다 |
| |
막대 차트만 봐도 왜 이런지 알 수 있죠? |
| |
변수가 컸다 |
| |
기여도. 큰 SPE 값 |
| |
새로운 데이터가 없을 때 발생합니다. |
| |
상관관계 구조를 따르다 |
| |
역사적 데이터의 경우 |
| |
새로운 데이터가 있는 경우 종종 |
| |
수집되었으며 이는 다음을 의미합니다. |
| |
당신이 훈련한 PLS 모델은 다음과 같습니다. |
| |
더 이상 적용되지 않습니다. |
| |
막대 차트에서는 어렵습니다 |
| |
어떤 변수 쌍인지 알기 위해 |
| |
상관관계 구조를 가지고 있다 |
| |
고장났어요. 그래서 15.2에서 새로 추가된 기능이에요. |
| |
산점도 행렬을 실행할 수 있습니다. |
| |
그리고 그것은 분명합니다 |
| |
산점도 행렬 |
| |
상관관계 위반 |
| |
Z2를 운전하는 것은 무엇입니까? |
| |
이렇게 큰 기여를 한 것. |
| |
좋아, 다시 돌아갈게요 |
| |
파워포인트로. |
| |
그리고 아주 빨리 요약하겠습니다. |
| |
모델 기반 시스템의 주요 특징 |
| |
다변량 관리도 |
| |
데모에서 표시되었습니다. |
| |
플랫폼은 가능합니다 |
| |
온라인 오류 모두 수행 |
| |
감지 및 오프라인 오류 |
| |
진단. 많은 것이 있습니다 |
| |
플랫폼에서 제공되는 방법 |
| |
뿌리까지 뚫고 들어가기 위해 |
| |
결함의 원인입니다. 보여 드리겠습니다. |
| |
여기 인기 있는 몇 가지 줄거리가 있습니다. |
| |
책, 결함 감지 및 |
| |
산업시스템의 진단. |
| |
책 전체에서 저자는 |
| |
어떻게 해야 하는지 보여주세요 |
| |
다변량과 단변량 사용 |
| |
나란히 배치된 관리도 |
| |
무슨 일이 일어나고 있는지 알아내다 |
| |
과정 중에. |
| |
특히 유용한 것 |
| |
모델 기반 다변량 기능 |
| |
관리도는 어떻게 |
| |
상호 작용적이고 사용자 친화적 |
| |
이것들 사이를 전환하는 것입니다 |
| |
두 가지 유형의 차트. |
| |
제 이야기는 여기까지입니다. |
| |
내 이메일이 있으면 알려주세요 |
| |
추가 질문이 있습니다. 그리고 |
| |
모든 분들께 감사드립니다 |
| |
이걸 보려고 채널을 맞췄어요. |
