Livello: intermedio
La piattaforma MDMVCC (Model-Based Multivariate Control Chart) crea carte di controllo basate su modelli PCA (Principal Component Analysis) e PLS. Questo grafico di controllo può essere utilizzato per il rilevamento e la diagnosi dei guasti nei dati multidimensionali. Qui dimostriamo il monitoraggio da parte di MDMVCC basato sul modello PLS utilizzando il processo Tennessee Eastman (un processo industriale chimico simulato). In questa simulazione, le variabili di qualità e di processo vengono misurate come un reattore chimico produce un prodotto liquido da reagenti gassosi.
Innanzitutto, eseguire la diagnosi dei guasti in uno stato offline. In questo caso, dovrai fare riferimento alternativamente a carte di controllo multivariate, carte di controllo univariate e report diagnostici di processo, cosa che può essere eseguita molto facilmente con la piattaforma MDMVCC. Successivamente collegheremo JMP a un database esterno e dimostreremo il monitoraggio online con la piattaforma MDMVCC. Poiché c'è un ritardo prima che tutti i risultati delle misurazioni per le variabili di qualità del prodotto siano disponibili, il rilevamento dei guasti è generalmente ritardato. Nell'MDMVCC basato su un modello PLS, la variazione delle variabili di qualità viene monitorata in funzione delle variabili di processo, che sono generalmente relativamente facilmente disponibili e quindi utili per il rilevamento precoce dei guasti.
Jeremy Ash ha conseguito una laurea in bioinformatica presso la North Carolina State University e attualmente lavora come tester di software di analisi presso JMP. Nella mia tesi ho scritto di metodi computazionali in chemioinformatica, chemiometria e bioinformatica. Ha inoltre conseguito un master in statistica presso la North Carolina State University e una laurea in biologia presso l'Università del Texas ad Austin.
