Niveau : Intermédiaire
La plate-forme MDMVCC (Model-Based Multivariate Control Chart) crée des cartes de contrôle basées sur des modèles d'analyse en composantes principales (ACP) et PLS. Cette carte de contrôle peut être utilisée pour la détection et le diagnostic de défauts dans des données multidimensionnelles. Ici, nous démontrons la surveillance par MDMVCC basée sur le modèle PLS utilisant le processus Tennessee Eastman (un processus industriel chimique simulé). Cette simulation mesure les variables de qualité et de processus lorsqu'un réacteur chimique produit un produit liquide à partir de réactifs gazeux.
Tout d’abord, effectuez un diagnostic de panne dans un état hors ligne. Dans ce cas, vous devrez alternativement vous référer à des cartes de contrôle multivariées, des cartes de contrôle univariées et des rapports de diagnostic de processus, ce qui peut être réalisé très facilement avec la plateforme MDMVCC. Ensuite, nous connecterons JMP à une base de données externe et démontrerons la surveillance en ligne avec la plateforme MDMVCC. Puisqu'il y a un délai jusqu'à ce que tous les résultats de mesure des variables de qualité du produit soient disponibles, la détection des défaillances est également généralement retardée. Dans MDMVCC basé sur un modèle PLS, la variation des variables de qualité est surveillée en fonction des variables de processus, qui sont généralement relativement facilement disponibles et donc utiles pour la détection précoce des pannes.
Jeremy Ash est titulaire d'un diplôme en bioinformatique de la North Carolina State University et travaille actuellement comme testeur de logiciels d'analyse chez JMP. Dans ma thèse, j'ai écrit sur les méthodes informatiques en chimioinformatique, chimiométrie et bioinformatique. Il est également titulaire d'une maîtrise en statistiques de l'Université d'État de Caroline du Nord et d'un baccalauréat ès sciences en biologie de l'Université du Texas à Austin.
