MSPC (Multivariate Statistical Process Control)


Jest to kompletne narzędzie dla wielowymiarowego sterowania jakością procesów. Dzięki niemu metody wielowymiarowe można wykorzystywać bezpośrednio w złożonych procesach produkcyjnych i procesach wsadowych (okresowych, ang. batch processing), np. W przemyśle farmaceutycznym, chemicznym, petrochemicznym i papierniczym. Program ten umożliwia przeprowadzenie analizy po zakończeniu procesu (off-line), jak również analiz na bieżąco, w toku procesu (on-line).

Oferuje:

  • jedno- i wielowymiarowe metody statystyczne do sterowania jakością, prognozowania i redukcji danych,
  • wykrywanie najistotniejszych parametrów procesów, surowców i czynników zewnętrznych, a także wyznaczanie ich optymalnych wartości, w celu uzyskania najwyższej jakości produktu,
  • interakcyjne lub automatyczne monitorowanie właściwości procesu w trakcie jego trwania, a nie dopiero po jego zakończeniu,
  • tworzenie, ocenę i stosowanie modeli służących do przewidywania parametrów procesu i produktu na podstawie danych historycznych,
  • analizy danych historycznych, eksploracja i wizualizacja danych, budowa i ocena modeli predykcyjnych, stosowanie modeli (np. z wykorzystaniem serwera aplikacji),
  • interakcyjne monitorowanie i specjalny interfejs z zestawieniem stanu procesów, przy czym wszystkie wyniki są automatycznie odświeżane w miarę napływu nowych danych,
  • automatyczne sprawdzanie, czy wystąpiły zdarzenia określone przez użytkownika, alarmowanie i podejmowanie działań.

STATISTICA Multivariate Statistical Process Control (MSPC) jest kompletnym narzędziem dla wielowymiarowego sterowania jakością procesów. Dzięki programowi STATISTICA MSPC metody wielowymiarowe da się bezpośrednio zastosować dla złożonych procesów produkcyjnych i procesów wsadowych (okresowych, ang. batch processing), np. W przemyśle farmaceutycznym, chemicznym, petrochemicznym i papierniczym.

STATISTICA MSPC umożliwia:

  • Stosowanie dla złożonych procesów produkcyjnych jedno- i wielowymiarowych metod statystycznych w sterowaniu jakością, prognozowaniu i redukcji danych.
  • Wykrywanie najistotniejszych parametrów procesów, surowców i czynników zewnętrznych, a także wyznaczanie ich optymalnych wartości, w celu uzyskania najwyższej jakości produktu.
  • Interakcyjne lub automatyczne monitorowanie właściwości procesu w trakcie jego trwania, a nie dopiero po jego zakończeniu.
  • Tworzenie, ocenę i stosowanie modeli służących do przewidywania parametrów procesu i produktu.

STATISTICA zawiera narzędzia do wykorzystywania technik MSPC w różny sposób:

Analizy offline (po zakończeniu procesu).

  • Analizy danych historycznych, eksploracja i wizualizacja danych, budowa i ocena modeli predykcyjnych, stosowanie modeli (np. z wykorzystanie serwera aplikacji).

Analizy online (na bieżąco, w toku procesu).

  • Interakcyjne monitorowanie i specjalny interfejs z zestawieniem stanu procesów, przy czym wszystkie wyniki są automatycznie odświeżane w miarę napływu nowych danych.
  • Automatyczne sprawdzanie, czy wystąpiły zdarzenia określone przez użytkownika, alarmowania i podejmowania działań.


Wprowadzenie do wielowymiarowego sterowania jakością procesów (MSPC) i przykład analizy

Informacja techniczna

STATISTICA zawiera szeroką gamę jedno- i wielowymiarowych metod analizy danych do wykorzystania w statystycznym sterowaniu procesami. Techniki te zaimplementowano w skalowalnym i bezpiecznym środowisku, przygtowanym dla pojedynczych użytkowników, jak i dużych zespołów.

Przykłady istotych właściwości

Narzędzia analityczne:

  • Metoda cząstkowych najmniejszych kwadratów (Partial Least Squares). W pełni funkcjonalna implementacja algorytmu NIPALS regresji cząstkowych najmniejszych kwadratów zawierająca hierechiczny PLS i weloczynnikową PCA.
  • Składowe główne.
  • Możliwość operowana na tysiącach,a nawet setkach tysięcy paramerów, zarówno właściowości procesów, jak i wyników testów wykonywanych w toku procesu i po jego zakończeniu na gotowym produkcie.
  • Wbudowane analizy graficzne: wiele narzędzi wizualizacji, w tym wykresy dla partii w przestrzeni składowych, wykresy ważności składowych oraz jedno- i wielowymiarowe karty kotrolne.
  • Sprawdzian krzyżowy. Liczbę wyodrębnianych składowych można określić za pomocą sprawdzianu krzyżowego.

Współpraca z innymi metodami dostępnymi w programach z rodziny STATISTICA.

  • Drzewa kalsyfikacyjne i regresyjne (Recursive Partitioning Methods), w tym algorytmy C&RT, CHAID, drzewa ze wzmacnianiem.
  • Sieci neuronowe. STATISTICA Neural Networks to zaawansowany technologicznie, wysokiej klasy symulator sieci neuronowych. Program ten ma wiele wyjątkowych zalet i jest odpowiednim narzędziem nie tylko dla ekspertów w dziedzinie sieci neuronowych (którym daje do dyspozycji szeroką gamę architektur sieci i algorytmów uczenia), ale również dla zwykłych użytkowników (których pracę ułatwi Automatyczny projektant prowadzący użytkownka przez wszystkie etapy tworzenia sztucznej sieci neuronowej).
  • Analiza składowych niezleżnych (Independent Components Analysis). STATISTICA ICA wykorzystuje nanowocześniejsze techniki do zastsowania analizy składowych dla nieomal każdego praktycznego problemu, w którym należy wyodrębnić składowe sygnału. Jedną z wykorzystywanych technik jest jednoczesne wyodrębnianie i deflacja.
  • Metoda wektorów wspierających (Support Vector Machines). STATISTICA Support Vector Machine (SVM) to implementacja jednej z najsilniejszych technik modelowania uwzgledniającej skomplikowane, nieliniowe zależności między badanym cechami (poprzez znajdowanie optymalnych płaszczyzn podziału w wielowymiarowej przestrzeni przekształconych zmiennych). Za pomocą modułu STATISTICA Support Vector Machine możemy przewidywać przynależność obiektów do klas i wartości zmiennych liczbowych, a modele mogą uwzględniać wiele zmiennych ilościowych i jakościowych.
  • Dobór zmiennych. Jest to narzędzie wstępnego przetwarzania danych, gdy chcemy przewidywać wartości zmiennych (ilościowych lub jakościowych), tzn. dla zadań predykcyjnych. Moduł ten jest w stanie wybrać rozsądnych rozmiarów podzbiór zmiennych, które najprawdopodobniej wpływają na modelowaną właściwość. Wyłoniony w ten sposób podzbiór wykorzystujemy na wejściu metod modelowania.
  • Planowanie doświadczeń (DOE). STATISTICA Planowanie doświadczeń to zestaw procedur planowania i analizy doświadczeń: plany 2(k-p) z podziałem na bloki (dla ponad 100 wielkości wejściowych, włączając w to unikatowe, wysoce efektywne algorytmy poszukiwania planów o najmniejszej aberracji i maksymalnym nieuwikłaniu, w przypadku których użytkownik może zadać efekty interakcyjne, które powinny być nieuwikłane) , plany eliminacyjne (dla ponad 100 wielkości wejściowych, także plany Placketta-Burmana), plany 3(k-p) z podziałem na bloki (także plany Boxa-Behnkena), plany różnowartościowe, plany centralne kompozycyjne (powierzchnie odpowiedzi, w tym tzw. małe plany centralne kompozycyjne), plany kwadratów łacińskich, plany metody Taguchi z wykorzystaniem tablic ortogonalnych, plany dla przygotowywania mieszanin i plany dla powierzchni trójkątnych, wierzchołki i środki ciężkości dla ograniczonych powierzchni i mieszanin, plany D i A-optymalne, także dla powierzchni i mieszanin.
  • Analiza skupień. Dostępne są metody aglomeracji, k średnich i EM. W analizie uwgzlędniać można zmienne zarówno jakościowe, jak i ilościowe oraz dobierać optymaną liczbę segmentów za pomocą v-krotnego sprawdzianu krzyżowego.
  • Ogólne modele liniowe. STATISTICA GLM służy do analizy modeli ujmujących powiązanie jednej lub większej liczby zmiennych zależnych ciągłych z jedną lub wieloma skategoryzowanymi lub ciągłymi zmiennymi niezależnymi. GLM to nie tylko najbardziej zaawansowane w sensie obliczeniowym narzędzie przeznaczone do zagadnienia ogólnego modelu liniowego dostępne na rynku, ale również najobszerniejsza i najbardziej kompletna aplikacja tego typu. GLM zawiera znacznie szerszy wybór opcji, więcej wykresów, więcej statystyk pomocniczych i poszerzonych diagnostyk niż jakikolwiek inny program tego typu. Moduł ten został zaprojektowany w sposób „nie dopuszczający kompromisów” w odniesieniu do najbardziej wymagających problemów występujących w zagadnieniu ogólnego modelu liniowego oraz oferuje najbogatszy wybór narzędzi, które służą do rozwiązywania tzw. „kontrowersyjnych zagadnień” nie mających żadnych powszechnie akceptowanych rozwiązań. Moduł GLM wykonuje wszystkie standardowe obliczenia, w tym tabele ANOVA zawierające wyniki testów jednowymiarowych i wielowymiarowych, statystyki opisowe, itd. GLM oferuje także dużą liczbę opcji wyników, w szczególności wykresy, zazwyczaj niedostępne w innych programach. Program udostępnia także proste sposoby testowania hipotez wyrażanych poprzez liniowe kombinacje ocen parametrów; możliwość łączenia źródeł błędu i źródeł zmienności dla efektów; szeroki zakres metod przeprowadzania porównań typu „post hoc” dla efektów obiektowych, a także porównanie efektów czynnikowych i efektów interakcyjnych właściwych dla modeli obserwacji uzyskiwanych w doświadczeniach z powtarzanymi pomiarami.

Ogólne możliwości systemu:

  • Analizy off-line i on-line z wykorzystaiem automatycznego odświeżania
  • Automatyczne monotorwanie w architekturze klient-serwer
  • Centralne administrowanie i działanie na połączeniach z bazami danych, zapytaniach i raportach
  • Kontrola dostępu i uprawnienia
  • Internetowe środowisko pracy (uruchamiane w ramach przeglądarki)
  • Audytowanie
  • Szablony raportów i automatyczne generowanie raportów
  • Szeroka gama metod analityczych
  • Operowanie na danych: sprawdzanie poprawności, czyszczenie, scalanie itd.

Dostęp do danych i budowa zapytań

  • Rozbudowane narzędzia do definowania i konfigurowania połączeń i zaptań do repozytoriów danych (LIMS, bazy danych o proecesach).