使用多元控制图对田纳西伊士曼流程进行故障检测和诊断_Jeremy Ash(2020-JA-45MP-24)级别：中级
基于模型的多元控制图 (MDMVCC) 平台根据主成分分析 (PCA) 和 PLS 模型创建控制图。该控制图可用于多维数据中的故障检测和诊断。在这里，我们使用田纳西州伊士曼流程（模拟化学工业流程）演示基于 PLS 模型的 MDMVCC 监测。该模拟测量化学反应器从气态反应物生产液体产品时的质量和过程变量。
首先，在离线状态下进行故障诊断。在这种情况下，您将需要交替参考多变量控制图、单变量控制图和过程诊断报告，这可以通过 MDMVCC 平台轻松完成。接下来，我们将 JMP 连接到外部数据库并演示使用 MDMVCC 平台进行在线监控。由于产品质量变量的所有测量结果都可用之前存在时间延迟，因此故障检测通常也会延迟。在基于 PLS 模型的 MDMVCC 中，质量变量的变化作为过程变量的函数进行监控，过程变量通常相对容易获得，因此对于早期故障检测很有用。
Jeremy Ash 拥有北卡罗来纳州立大学生物信息学学位，目前在 JMP 担任分析软件测试员。在我的论文中，我写了关于化学信息学、化学计量学和生物信息学的计算方法。他还拥有北卡罗来纳州立大学的统计学硕士学位和德克萨斯大学奥斯汀分校的生物学学士学位。
高级统计建模自动化和脚本基础数据分析与建模消费者和市场研究内容组织数据访问数据探索与可视化实验设计大规模定制预测模型和机器学习质量与工艺工程可靠性分析分享和交流结果
