发布日期: 09/18/2023

包含 PLS 模型的模型驱动的多元控制图的示例

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 > 样本数据文件夹,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. X 得分 1 公式一直选择到 X 得分 4 公式,然后点击过程

4. 历史数据结束于行设置为 100。

5. 点击确定

图 13.10 T2 图 

T2 Chart

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 13.11 均值贡献比例图 

Mean Contribution Proportion Plot

请注意,贡献图是根据 PLS 模型输入变量绘制的。看起来 z2Tmax2 引起了过程扰动。Tmax2z2 相关。Tmax2 是反应器温度,z2Tmax2 温度的位置。

注意:这些因子的说明记录在“注释”列属性中。

需要更多信息?有问题?从 JMP 用户社区得到解答 (community.jmp.com).