基于RTC方法的EWMA控制圖研究.pdf

1、在現代生產制造系統(tǒng)中,快速檢測制造過程產品質量特性的偏移,對于確保過程穩(wěn)定運行具有重要作用。統(tǒng)計過程控制是用來檢測正常生產過程中產品質量特性的異常波動,從而對生產過程的異常趨勢進行預警?？刂茍D是統(tǒng)計過程控制最重要的工具。休哈特控制圖,作為早期的控制圖,由休哈特博士于20世紀20年代提出。由于監(jiān)控時只考慮當前數據的信息,它存在對系統(tǒng)過程的中小偏移檢測并不敏感的問題。后來,又出現了適用于小偏移檢測的累積和控制圖和指數加權移動平均控制圖。這些

2、控制圖主要針對單個變量的監(jiān)控而提出,被稱為單變量控制圖或者一元控制圖。然而在現代生產過程中,質量屬性常常是多元相關的一組變量,這類生產過程的監(jiān)控被稱為多元統(tǒng)計過程控制(Multivariate Statistical Process Control,MSPC)。
　　在多元控制領域,T2、MEWMA、MCUSUM等多元控制圖均已被用來檢測多元過程變化。這些控制圖雖可用于監(jiān)控多元過程,但是它們監(jiān)控的前提假設是變量服從多元正態(tài)分布。然

3、而隨著制造系統(tǒng)復雜度的增加,數據的維度也不斷增加,數據往往不再服從簡單正態(tài)分布并且具有分類型數據和數值型數據混合等特征,從而對傳統(tǒng)的多元統(tǒng)計過程控制技術提出了新的要求。隨著計算機技術的不斷發(fā)展,機器學習成為這一領域的研究熱點。人工神經網絡(ANN)和決策樹(DT)算法,支持向量機(SVM)等均已經被應用于MSPC領域。
　　本文基于實時對比(Real Time Contrasts,RTC)方法,以隨機森林作為分類器,分別構造了多元