Nivel: Intermedio
La plataforma Gráfico de control multivariado basado en modelos (MDMVCC) crea gráficos de control basados en análisis de componentes principales (PCA) y modelos PLS. Este gráfico de control se puede utilizar para la detección y el diagnóstico de fallas en datos multidimensionales. Aquí, demostramos el monitoreo mediante MDMVCC basado en el modelo PLS utilizando el proceso Tennessee Eastman (un proceso industrial químico simulado). Esta simulación mide las variables de calidad y proceso a medida que un reactor químico produce un producto líquido a partir de reactivos gaseosos.
Primero, realice el diagnóstico de fallas en un estado fuera de línea. En este caso, deberá consultar alternativamente gráficos de control multivariados, gráficos de control univariados e informes de diagnóstico de procesos, que se pueden realizar muy fácilmente con la plataforma MDMVCC. A continuación, conectaremos JMP a una base de datos externa y demostraremos el monitoreo en línea con la plataforma MDMVCC. Dado que existe un retraso hasta que todos los resultados de las mediciones de las variables de calidad del producto estén disponibles, la detección de fallas generalmente también se retrasa. En MDMVCC basado en un modelo PLS, la variación en las variables de calidad se monitorea en función de las variables del proceso, que generalmente están relativamente disponibles y, por lo tanto, son útiles para la detección temprana de fallas.
Jeremy Ash obtuvo una licenciatura en bioinformática de la Universidad Estatal de Carolina del Norte y actualmente trabaja como probador de software de análisis en JMP. En mi tesis, escribí sobre métodos computacionales en quimioinformática, quimiometría y bioinformática. También tiene una maestría en estadística de la Universidad Estatal de Carolina del Norte y una licenciatura en biología de la Universidad de Texas en Austin.
