碳鋼彎頭生產中的若干問題

碳鋼彎頭生產中的若干問題

傳統的統計過程控制采用單變量統計過程控制方法。在SPC的早期應用中，由于測量技術和數據存儲分析技術的限制，傳統的SPC采用單變量SPC方法。在統計過程控制的早期應用中，由于測量技術和數據存儲分析技術的局限性，生產過程中只有少數重要指標是單獨由統計過程控制的，如建立了這些指標的單變量Shewhart控制圖。單變量統計過程的監(jiān)測主要包括：休哈特控制圖(測量變量與時間的關系)、移動平均(MA)、指數加權移動平均(EWMA)、累積與控制圖(Cu累積、Cumsum、測量值與目標值的累積偏差、時間映射等)并詳細描述了單變量統計過程的監(jiān)測方法。然而，隨著測量技術的發(fā)展，人們已經能夠測量出越來越多的產品性能指標。同時，用戶對產品質量的要求也越來越嚴格，這就要求對碳鋼彎頭的質量指標和工藝變量進行監(jiān)控。如果需要監(jiān)測的過程變量之間存在相關性，僅采用多個單變量統計過程監(jiān)測，結果往往不可靠。這是因為變量之間的耦合關系會改變基于變量獨立性的Shewhart圖的統計分布規(guī)律。在碳鋼彎頭的生產過程中，由于變量必須滿足能量流、物料流等各種內部關系，它們之間往往存在多重相關性，即當一個變量發(fā)生變化時，其他相關變量也應進行調整，以確保質量指標滿足規(guī)范要求。將多元統計分析方法融入到傳統的統計過程控制中，形成了多元統計過程控制的基本框架。多變量統計過程控制(MSPC)綜合考慮了各變量之間的相關性，實現了多變量生產過程的質量控制。

多元統計控制圖的研究可以追溯到20世紀40年代中期，Hotelling在1947年首次提出了多變量過程控制問題的多變量t控制圖，開創(chuàng)了多變量控制圖的研究和應用。Hotelling的多變量t-控制圖利用t統計量在顯著性水平a上監(jiān)測多個變量，t-控制圖的基本原理是：如果多變量過程控制中沒有異常值，則應控制每個樣本點到平均值的統計距離。隨后，希利等人。提出了適合監(jiān)測小偏移量過程的多變量累積和控制圖(mcusum)和多變量指數移動平均控制圖(MEWMA)，促進了多變量統計控制圖的進一步發(fā)展。隨著統計數據降維技術的發(fā)展，多元統計控制圖的研究有了新的方向。過程控制的對象已經從基于距離的統計轉變?yōu)榛诮y計降維技術的綜合變量統計。

利用統計降維原理，Jackson等人。提出了一種基于主成分分析(PCA)的多元統計控制圖，并提出了一種基于偏最小二乘(PLS)的多元統計控制圖。主成分分析(PCA)和偏最小二乘(PLS)采用多元投影法將工藝參數數據和質量數據從高維數據空間投影到低維特征空間。得到的特征變量保留了原始數據的特征信息，剔除了冗余信息，是高維數據分析和處理的有效工具。對于高維、變量相關性強的連續(xù)過程，基于大數據的多元統計過程控制系統主要用于質量控制、過程監(jiān)控、質量預測和質量診斷。