包含 PLS 模型的 MDMVCC 的示例
本例演示了如何使用 PLS 模型来监控多元过程。考虑一个有 14 个输入和 5 个质量变量的过程。您有一个 PLS 模型来解释过程，您想用该模型来监控过程中的偏差。
1. 选择帮助 > 样本数据库，然后打开 Polyethylene Process.jmp。
该数据表包含 14 个过程变量和 5 个质量或输出变量。前 100 行是历史数据，用于构建描述该过程的 PLS 模型。这些行着蓝色。其余 239 行是自构建模型以来收集的数据。
偏最小二乘模型找到 4 个得分函数来描述该过程。这些函数保存到数据表从 X 得分 1 公式到 X 得分 4 公式的各列中。要构建 PLS 模型，请使用表脚本将当前数据设置为已排除来排除历史数据之后收集的 239 行数据。然后使用拟合偏最小二乘表脚本构建 PLS 模型，将质量变量与过程变量关联起来。
2. 选择分析 > 质量和过程 > 模型驱动的多元控制图。
3. 从 X 得分 1 公式一直选择到 X 得分 4 公式，然后点击过程。
4. 将历史数据结束于行设置为 100。
5. 点击确定。
图 11.10 T2 图
蓝色数据点表示历史数据。黑色数据点为建立控制图之后收集的数据点。该过程在样本编号 326 附近开始发生了扰动。
6. 悬停在上控制限上方的样本数据点上，以查看贡献图。
7. 选择上控制限上方的第一个数据点聚类。点击“4 个因子的 T2”红色小三角并选择选定样本的均值贡献比例图。
8. 点击“选定样本的 T2 均值贡献比例图”旁边的红色小三角，然后选择为直条排序。
图 11.11 均值贡献比例图
请注意，贡献图是根据 PLS 模型输入变量绘制的。看起来 z2 和 Tmax2 引起了过程扰动。Tmax2 和 z2 相关。Tmax2 是反应器温度，z2 是 Tmax2 温度的位置。
注意：这些因子的说明记录在“注释”列属性中。