电化学加工表面均匀性的多变量统计过程控制

零件表面粗糙度对其使用性能有重要影响。为了解决零件表面单一粗糙度参数不能全面反映零件加工表面缺陷的问题,提出一种将基于相关性分析和主元分析的多变量统计过程控制应用于电化学光整加工零件表面均匀性评价的方法。设计无表面缺陷和有表面缺陷两个样件进行对比实验,在电化学光整加工之后记录两个样件的多项表面粗糙度参数,先进行多个参数的单变量统计过程控制,再对多个粗糙度参数进行相关性分析和主元分析,得到综合评价值绘制统计控制图。对比分析结果表明:对于存在局部缺陷的表面,相比单一粗糙度参数,采用综合评价控制图检测零件表面缺陷更准确;基于相关性分析和主元分析的多变量统计过程控制是评价电化学光整加工零件表面均匀性的有效方法。

多变量统计过程控制技术在药品生产过程中的应用

介绍了多变量统计过程控制(multivariate statistical process control,MSPC)的基本概念和有关背景。描述了MSPC实施的基本流程以及常用统计量与控制图。强调了MSPC在药品生产过程中的重要作用,特别是中药领域,为药品生产过程质量控制方法的选择提供参考。总结了MSPC的优势和不足,并展望了MSPC在药品生产和质量控制方面的发展趋势。

短路GMAW焊在线质量监测的多变量统计过程控制方法

熔化极保护气体焊(GMAW)广泛地应用在自动焊尤其是机器人焊接过程中,机器人焊接过程中的快节拍要求对焊接质量进行自动监测及备份。现采用焊接过程中的电信号,通过对过程电信号的处理,实现对被加工部件质量的在线判别。通过分析单变量统计过程控制(SPC)对焊接过程的质量监测,发现了其存在的局限性,并在此基础上,采用多变量统计过程控制(MSPC),实现了GMAW过程的在线质量监控;最后在自开发的在线监测系统上,试验验证MSPC方法的可行性。

多变量统计过程控制在烟叶打叶复烤过程中应用

为实现对打叶复烤过程片烟结构的多个指标同时进行过程监控,保证片烟质量的稳定,以在云南省公司打叶复烤厂抽取的2009年片烟为样本,通过多变量统计分析,运用多变量T2控制图对打叶复烤过程片烟结构3个指标的稳定状况进行判断,并运用Bonferroin不等式原理对失控小组各个变量进行检验。结果表明,第7、11、17个小组打叶复烤过程稳定性出现失控,失控原因主要是小片率和中片率偏高。多元统计T2控制图可以对多变量同时监控,Bonferroin检验法对查找失控变量有一定的参考价值,多变量统计过程控制可以在打叶复烤过程得到有效应。图1,表2,参13。

基于数据差异的多变量统计过程控制

研究数据差异(DISSIM)方法在多变量统计过程控制中的应用.为检测过程数据分布变化来监视操作条件变化,并且定量地评价两组数据之间的差异,DISSIM方法定义一种差异指标D.计算D时运用时间窗口,时间窗口对指标D具有平滑作用,与MSPC的统计指标T2或Q相比,D变化平稳.针对多变量自回归过程和TE过程,分别应用MSPC和DISSIM两种方法做仿真试验.仿真结果表明:与MSPC相比,适当选择时间窗口时,DISSIM善于检测过程中小的、缓慢的变化,而且能够检测操作条件的变化,明显改善了监视性能.

多变量统计过程控制诊断技术的进展

对多变量统计过程控制 (MSPC)诊断技术进行了分类 ,概述了它们的原理和方法 。

多变量统计过程控制图及其判别

本文阐述了多变量统计过程控制图的必要性和基本原理，特别考究了当子样本点超出控制限时，而各变量在休哈特控制图中却表明是受控的情况，其原因可能是变量间的相关关系改变了。

多变量统计过程控制图及其判别

(接上期)三、多变量控制图的判别一般来说,若子样本的T^2超出控制限,即判断过程不稳定。但是,究竟是哪一个变量引起过程不稳定,T^2控制图则无法揭示,这时,需借助休哈特图。有时,T^2图表明过程是失控的,但休哈特图却表明各变量是受控的,这时,我们需进一步深入分析。下面举例说明。

多变量统计过程控制的现状与展望

统计过程控制是过程监控与故障诊断的方法。在多变量统计过程控制中,传统的方法主要包括主元分析和偏最小二乘,这些方法存在着诸多缺陷。设计时可以应用非线性主元分析、非线性偏最小二乘、动态主元分析、自适应主元分析、多尺度主元分析等方法进行改进。研究中要重视带噪声的监控模型、过程模型信息与经验知识相结合等问题,同时可以把一些新的降维技术用于统计过程控制中。

多变量统计过程控制在浮选生产过程中的应用

针对浮选过程的被控对象复杂、数学模型不确定以及控制要求高等特点,提出一种用于阳离子浮选过程的多变量统计过程控制药剂流量方法,使系统具备一定的自学习和自组织的能力。仿真研究和现场运行试验表明,提出的控制方法能够满足浮选过程控制的要求。

浅析多变量统计过程控制的现状及未来的前景

随着经济的发展和科学技术的进步，人们的生活水平逐步提高，对工作和生活中应用到的产品和服务质量上的要求也越来越高，这就要求企业要加强对产品和服务的质量管理，防止质量事件的发生。统计过程控制是一种过程监控和质量管理的方法，可以保证服务或产品的质量达到符合的要求。本文主要针对多变量统计过程控制中存在的问题和不足进行分析和探讨，提出了改进的方法，并对其未来的发展进行预测和展望。

多变量统计在砂处理过程中的应用

针对砂处理过程生产数据的特点,运用改进的PCA建模方法,建立了多变量统计过程控制模型,用SPE统计量来检测建模数据中的个别异常样本;通过SPE图和T2图两个控制图能监控出砂生产过程的波动情况。

基于自组织混合模型的多变量航天产品加工过程控制方法研究

为解决航天产品因制造过程的随机性和动态性而在复杂的多变量加工过程中表现出非线性或多模态等特性,用传统多变量过程控制方法无法有效监控的困难,提出了一种基于自组织混合模型(SOMM)的过程监控方法,以实现非线性和多模态等过程的状态建模和在线异常监控。采用自组织映射结合混合模型,对非线性和多模态等过程状态进行建模,设置控制图阈值;提出了基于最小欧氏距离和负对数似然值的制造过程控制图,在线识别和评估制造过程运行状态。设计的基于SOMM的制造过程监控系统由离线建模和在线监控两部分组成。为验证所提方法在非线性和多模态制造过程中的监控效果,进行了两个仿真实验,并与主元分析、自组织映射等传统监控方法性能进行比较。实验结果表明所提方法在非线性及多模态过程中均有更好的过程监控性能,可用于航天产品加工过程的质量控制。

基于多元统计过程控制的故障识别方法

通过简化多维正态分布计算各工业变量导致采样点异常的概率,依据此概率结合对工业过程的分析,实现故障源的有效识别.证明了待求多维正态分布概率落在等马氏距离边界内,利用这一结论及多元统计学原理将复杂的多维正态分布转化为F分布,解决了多维正态分布求解难的问题.仿真结果表明了这种基于多元统计过程控制(MSPC)的新方法的有效性和准确性.

自相关过程的多变量统计过程监控

探讨了一种基于时间序列自相关移动平均(ARIMA)模型的自相关过程的多变量统计过程监控方法.以神经网络为基础建立预测模型,计算残差值,采用Hotelling’sT21控制图进行监控,结合MYT分解法进行故障诊断.并模拟受控和失控状态的具有自相关的多变量过程,运用常规控制图和残差控制图对案例进行了分析比较,说明了本文方法的有效性.

基于主元分析的多变量统计理论在过程监控中的应用

在连续重整加热炉等设备的过程生产中,应用多变量统计中的主元分析方法,可以从集散控制系统自身所带的大量数据中提取有用的信息,建立数学模型,来监控整个生产过程,及时发现和预防故障的产生。

基于优化有向无环图支持向量机的多变量过程均值异常识别

针对多变量过程均值异常模式类型数量太大、一般模式识别工具难以适应的问题,提出优化有向无环图支持向量机。该方法识别效率高,并通过启发式方法生成优化的拓扑结构,即先根据定义在核空间的模式类型平均差异测度对类型编号排序,再依序提取对应两分类支持向量机组成有向无环图结构,使越易区分类型间的支持向量机越靠上层布置,由此缓解分类误差累积效应和弥补上层出现类型分类容错能力的不足,保证相对较高的总体分类准确度。仿真实验表明,优化有向无环图支持向量机用于多变量过程均值异常模式的识别相比其他几种多分类支持向量机在识别精度和效率上具有综合优势。基于优化有向无环图支持向量机构建了多变量过程均值异常识别模型,并在实际齿轮生产中进行了应用实验,验证了模型的有效性和实用性。

利用选择性DAG-SVM集成在线检测与诊断多变量过程均值异常

针对多变量过程均值异常,提出了选择性有向无环图支持向量机(DAG-SVM)集成,以之为模式识别工具对过程状态进行识别,以探测异常和判别异常源。集成结合Bagging方法的重复采样技术和对DAG-SVM结构的调整,对数据和模型进行双重扰动,以获得差异的候选个体;再通过二进制粒子群优化(BPSO)算法得到最优集成方案。离线仿真测试证明所提选择性DAG-SVM集成具有分类正确率和效率的双重优势;在线仿真测试表明基于选择性DAG-SVM集成的模型探测过程均值阶跃异常优于χ2图和BPN(误差反传神经网络)模型,且判别异常源比BPN模型更准确。针对实际齿轮加工过程数据的应用验证进一步证实了模型的有效性和实用性。

基于变量贡献率的MSPC异常识别方法

异常识别是多元统计过程控制(MSPC,Multivariate Statistical Process Con-trol)方法有效应用的关键.针对现有研究对历史异常信息利用的不足,综合考虑了主成分变量贡献率与重构误差变量贡献率对异常识别的影响,将两种变量贡献率进行归一化处理并求和得到综合变量贡献率;提出了一种基于综合变量贡献率的MSPC异常识别方法,并基于matlab计算平台实现了该算法.通过田纳西过程故障模式仿真及异常识别,对该方法的应用及算法有效性进行了实例验证.

基于马尔可夫链模型的B&L VP 控制图统计性能分析

在已有VP 控制图基础上,增加了B&L转换规则,构建了基于马尔可夫链模型的B&L VP 控制图统计性能分析模型,给出了统计性能指标ATS、AATS以及ANSW的表达式。针对2组设计参数,将构建的模型与现有VP 控制图进行了比较分析,结果表明当平均运行时间相同时,本文构建的模型在缩短报警时间和减少转换次数方面,都有着明显的优势,而且随着转换参数L的增大,这种优势会增大。