智能统计工序质量控制的体系研究

针对统计工序质量控制的要求,提出了智能控制体系的基本框架,论述了控制图模式的分类及其表达。对智能统计工序质量控制的控制图模式识别、控制图异常模式的参数估计和诊断分析专家系统3个主要方面进行了分析,并提出了解决方案和系统模型。在模型构造中,采用小波概率神经网络进行控制图的模式识别和控制图异常模式的参数估计。模拟仿真和实际应用结果表明:该方法结构简单、收敛速度快、识别准确率高,能够满足控制图在线检测和分析的需要。

基于知识的统计工序质量控制体系的研究

提出了基于知识的统计工序质量控制体系的基本框架,论述了控制图模式的分类及其表达。分析和介绍了基于知识的统计工序质量控制体系的3个主要方面:控制图模式识别、诊断分析专家系统、工序质量数据挖掘,并提出了解决方案和系统模型。

先进制造环境中工序质量统计过程控制的地位与作用

针对先进制造环境不仅要求技术上具有先进性 ,更重要的是其理念上具有先进性的特点 ,从工序质量统计过程控制 (SPC)与自动过程控制(APC)关系的视角及质量改进的角度 ,论证了SPC在先进制造环境中的重要性 ,提出SPC是先进制造环境中重要组成部分的观点 ,指出其表现形式将是自动的SPC系统。先进制造环境中新的质量观要求将SPC实现计算机化、网络化及集成化 ,而SPC系统为在先进制造环境中新质量观的实现 ,提供了有力的物质保障与支持。

面向成组统计质量控制的工序族理论研究

研究了面向成组统计质量控制的工序族基础理论 ,提出了绝对工序能力的概念 ,并给出了绝对工序能力的估计方法。基于成组统计质量控制的目的 ,以工序质量变异模式相似性和统计特性相似性为基础 ,提出了工序分族的原则和方法 ,并给出了工序分族的评价方法。

中药生产多工序多指标统计质量控制(MMSQC)方法

目的:建立中药生产过程中各个工序产生的中间体质量监控方法,保证中药产品质量的批次一致性。方法:基于多变量数据分析技术,提出一种中药生产质量监控方法——多工序多指标统计质量控制(multistage multivariate statisticalquality control,MMSQC),采用Hotelling T2和SPE统计量,监控各个工序中间体的质量。以丹参注射液生产为例,介绍了MMSQC的应用方法。结果:MMSQC方法能监控多个工序产生的中间体质量,与单指标监控方法相比,更加简便、准确。结论:MMSQC方法可以推广应用于中药生产过程多工序的质量监控。