统计过程监控与诊断及其应用研究(PDF 66页)
所属分类：spc统计
文件大小：2898 KB
下载要求：10 学币或VIP
点击下载
资料简介：
内容摘要
第1章绪论
1．1课题研究的背景及意义
1．1．1研究背景
工业革命改变了产品的生产方式，机器加工取代了手工操作，使得生产可以借
助机器大批量地生产产品。但由于工厂的最终产品往往是由不同工人在不同工序所
加工的零部件组合形成的，使得大批量生产方式所形成的产品缺乏质量保障。随着
工业技术的进步发展，为了满足大规模生产的需要，要求工业生产的最终产品能达
到高度的一致性和协调性。工业生产过程经过长期运行和生产负荷变化后都常会发
生各种变化，这些变化常会影响到产品质量，甚至引起重大经济损失。因此，除了
采用严格的可靠性设计与管理外，建立一个合理的过程监控体系是安全生产和提高
产品质量的保证ll】。
统计过程监控方法是获得合格产品质量的有效工具，同时也是过程性能监视和
过程故障诊断的基础。近年来统计过程监测方法在国内外得到了广泛研究，统计过
程监测包括单变量统计方法和多元统计方法。传统的单变量统计过程监测技术的局
限性在于仅注意监视某一时刻的一个质量变量或关键过程变量，不适合分析变量间
存在相关特性的多变量过程数据。建立在空间映射技术基础之上的多变量统计过程
监测突破了单变量统计过程控制的局限性，它可以同时处理多维数据，成功地解决
了原始数据空间维数过大、变量间自相关严重等问题。
将多变量统计分析方法融入过程监控中，形成了多变量统计监控的基本框架。
它采用多元投影的方法，将过程数据从高维数据空间投影到低维特征空间，所得到
的特征变量保留了原始数据的特征信息，摒弃了冗余信息，是一种高维数据分析处
理的有效工具。在数据量大、数据维度高、变量间具有相关性的连续过程中，实现
了统计过程监控、生产数据的分析挖掘、故障诊断等。常用的多变量统计监控方法
包括主元分析(Principal ComponentAnalysis)、主元回归(Principal Component
Regression)、部分最小二乘(Partial Least Squares)等。由于在实际的连续过程中，
变量问的非线性关系普遍存在，由此又发展到把非线性多变量分析方法引入到多变
量统计过程控制之中，致使今天的统计过程监控已经形成为一个具有众多研究热点
的学科方向12】。
..............................
精品资料网 m.cnshu.cn
Copyright © 2004- 粤ICP备10098620号-1
