动态可调主元分析的多元自相关质量控制方法

为解决在复杂产品制造过程中由多元质量数据自相关引起的大量虚发报警问题,以提高产品制造过程中监测的准确性,提出了一种动态可调的主元分析(DRPCA)方法。通过对主元分析方法引入折息因子,构建了多个参数可调的动态主元分析(PCA)算法。利用实验数据计算各变量的特征值和贡献率,来确定主元个数,降低多元自相关过程的计算复杂度,消除数据间的自相关。根据计算的各变量的每个主元负荷值来确定主导变量,结合多变量控制图和主导变量控制图,对多元自相关制造过程进行了实时监测。研究结果表明:DRPCA方法不仅能够消除数据间的自相关,减少制造过程中的虚发报警,而且可以准确地检测出制造过程中的异常变量。

多元自相关的HotellingT^2控制图研究

为了解决传统统计过程控制中统计量之间不满足相互独立的现象,利用HotellingT^2统计量构造残差控制图,建立了多元自相关模型,研究了在多元自相关情况下控制图的控制效果,并在参数已知的前提下构造统计量,引出了过程偏移量的概念。通过蒙特卡洛随机模拟的试验方法并引入平滑系数得出在不同偏移量λ下的平均运行链长,拟合出平均运行链长ARL和偏移量λ之间的函数关系,最后用算例验证了T^2统计量的残差控制图对出现偏移的多元自相关过程有管控作用。

残差T2控制图中多元自相关过程模型研究

针对当前多元自相关残差T2控制图研究中,存在阶数过高且在确定拟合模型阶数过程中花费成本过大问题,本文采用蒙特卡洛方法,取不同的偏移量δ,借助平均运行链长ARL比较多元p阶自相关数据在VAR(1)和VAR(p)拟合下残差T2控制图的性能。研究表明:对于高阶多元自相关数据,VAR(1)比VAR(p)拟合得到的残差T2控制图性能优越,因此可以直接用一阶模型拟合多元高阶数据,来对残差T2控制图进行研究,此方法既简化了问题,又节约了成本。

多元自相关过程的残差T^2控制图

为了满足传统的统计过程控制理论中统计量彼此独立的基本假设,研究了多元自相关过程的残差T2控制图的控制方法及其控制性能。针对一般多元自相关过程,在参数已知的条件下,讨论了多元自相关过程的残差T2控制图,给出多元自相关过程偏移量的定义。通过M on te C arlo模拟,得出该控制图在不同偏移量时的平均链长,在残差T2控制图的适用范围内给出平均链长与偏移量之间的经验公式。结果表明,残差T2控制图可以有效控制出现大偏移的多元自相关过程。

基于支持向量机的多元自相关过程在线监控与诊断研究

随着现代数据采集系统在生产中的应用,通常需要同时监控多个相关的过程变量,并且在化工等生产过程中,多元过程数据还会呈现自相关。已有的多元自相关过程控制方法大多仅能检出过程偏移却无法诊断出哪个变量或哪些变量组合会导致过程失控。本文针对多元自相关过程,提出了基于支持向量机(SVM)的过程在线监控和诊断方法。通过构建过程监控和偏移诊断两个分类器,可以对生产中的数据进行在线监控和诊断,基于matlab的仿真结果表明,提出的方法具有更好的监控性能和更高的诊断正确率。