基于RTC方法的EWMA控制圖研究.pdf

1、在現(xiàn)代生產(chǎn)制造系統(tǒng)中,快速檢測(cè)制造過程產(chǎn)品質(zhì)量特性的偏移,對(duì)于確保過程穩(wěn)定運(yùn)行具有重要作用。統(tǒng)計(jì)過程控制是用來檢測(cè)正常生產(chǎn)過程中產(chǎn)品質(zhì)量特性的異常波動(dòng),從而對(duì)生產(chǎn)過程的異常趨勢(shì)進(jìn)行預(yù)警?？刂茍D是統(tǒng)計(jì)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(jì)20年代提出。由于監(jiān)控時(shí)只考慮當(dāng)前數(shù)據(jù)的信息,它存在對(duì)系統(tǒng)過程的中小偏移檢測(cè)并不敏感的問題。后來,又出現(xiàn)了適用于小偏移檢測(cè)的累積和控制圖和指數(shù)加權(quán)移動(dòng)平均控制圖。這些

2、控制圖主要針對(duì)單個(gè)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(xiàn)代生產(chǎn)過程中,質(zhì)量屬性常常是多元相關(guān)的一組變量,這類生產(chǎn)過程的監(jiān)控被稱為多元統(tǒng)計(jì)過程控制(Multivariate Statistical Process Control,MSPC)。
　　在多元控制領(lǐng)域,T2、MEWMA、MCUSUM等多元控制圖均已被用來檢測(cè)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(shè)是變量服從多元正態(tài)分布。然

3、而隨著制造系統(tǒng)復(fù)雜度的增加,數(shù)據(jù)的維度也不斷增加,數(shù)據(jù)往往不再服從簡單正態(tài)分布并且具有分類型數(shù)據(jù)和數(shù)值型數(shù)據(jù)混合等特征,從而對(duì)傳統(tǒng)的多元統(tǒng)計(jì)過程控制技術(shù)提出了新的要求。隨著計(jì)算機(jī)技術(shù)的不斷發(fā)展,機(jī)器學(xué)習(xí)成為這一領(lǐng)域的研究熱點(diǎn)。人工神經(jīng)網(wǎng)絡(luò)(ANN)和決策樹(DT)算法,支持向量機(jī)(SVM)等均已經(jīng)被應(yīng)用于MSPC領(lǐng)域。
　　本文基于實(shí)時(shí)對(duì)比(Real Time Contrasts,RTC)方法,以隨機(jī)森林作為分類器,分別構(gòu)造了多元