一种针对多元生产过程的非参数质量监控方法与流程

1.本发明涉及生产过程质量监控领域。更具体地，涉及一种针对多元生产过 程的非参数质量监控方法。


背景技术：

2.随着现代生产制造技术的发展，许多生产过程往往具有多个关键质量特性， 生产过程质量监控方法也逐渐朝着多元化监控的方法发展。如何利用这些生产 过程中的多元质量数据，开展生产过程质量监控，及时发现多元生产过程的质 量缺陷、保障过程质量状态稳定，对于多元生产过程质量管理具有重要意义。
3.在开展多元质量监控时，传统方法需收集大量的生产稳定阶段质量数据， 估计多元质量特性的分布参数，在此基础上设计相应的控制限，进而监控后续 的生产过程。这类方法存在两大问题：一是当多元质量特性的分布结构复杂时， 现有的分布模型无法对收集数据进行精确拟合，参数估计的不确定性会严重影 响控制限的大小，进而影响实际的监控效率；二是该类方法只适用于特定的分 布结构，若质量特性的分布结构发生变化，则该方法的虚警率和实际的监控效 率都无法满足实际要求，限制了其使用范围。现有的多元非参数监控方法在实 际使用时，为了保证具有较好的分布鲁棒性，会牺牲一定的监控效率。具体表 现为：在生产过程处于稳定阶段，虚警的概率一致保持在相对稳定的低水平， 但当生产过程质量特性发生参数漂移后，现有方法的平均报警时间较长，无法 在短时间内快速报警，进而导致使用者无法快速反馈质量漂移的问题，变相增 加了生产过程的质量损失。


技术实现要素：

4.有鉴于此，本发明的一个实施例提供一种针对多元生产过程的非参数质量 监控方法，包括：
5.获取样本处于质量受控状态时的历史观测数据，作为参照数据集；
6.获取待检测样本的观测数据，作为待测数据集；
7.根据参照数据集和待测数据集，构造求解非参数监控序列；
8.计算累积和控制限；
9.基于监控序列和累积和控制限，生成监控控制图，根据所述监控控制图判 断生产过程是否受控。
10.在一个具体实施例中，所述参照数据集为：
[0011][0012]
其中，m为样本量，参照质量数据为维度为p的列向量，
[0013]
所述z组样本量为n的待测数据集为：
[0014]
[0015]
其中，待测质量数据为维度为p的列向量。
[0016]
在一个具体实施例中，所述监控序列为：
[0017][0018][0019]
其中，m
j
为非参数监控统计量，
[0020]
在一个具体实施例中，计算所述非参数监控统计量包括：
[0021]
根据参照数据集计算参照二范数集，
[0022]
根据待测数据集计算待测二范数集，
[0023]
根据参照二范数集和待测二范数集计算非参数监控统计量。
[0024]
在一个具体实施例中，所述参照二范数集为
[0025][0026]
其中，
[0027]
所述待测二范数集为：
[0028]028]028][0029][0030]
其中，
[0031]
在一个具体实施例中，所述非参数监控统计量为
[0032]
[0033]
其中，
[0034]
在一个具体实施例中，计算累积和控制限包括：
[0035]
s10：给定初始搜索区间[l0,u0]，令l＝l0，u＝u0，其中[l,u]为待搜索计算 区间；
[0036]
s12：计算其中h
*
为控制限迭代值；
[0037]
s14：令k＝1，在p维标准多元正态分布下，随机生成一组样本，记为
[0038][0039]
s16：令q＝1，在p维标准多元正态分布下，随机生成一组样本，记为
[0040][0041]
s18：以作为参照数据，为待测数据，计算相应的累积和统计量和若则令q＝q 1，回到s16重复执行，若或则令运行链长rl(i)＝q，继续下一步；
[0042]
s20：令k＝k 1，回到s14重复执行，直至k＝50001停止；
[0043]
s22：在模拟条件下计算链长的估计值若 则控制限h＝h
*
，该算法结束；若则令u＝h
*
，回到s12重复执行，若则令l＝h
*
，回 到s12重复执行，
[0044]
其中，arl0为预设的受控平均链长。
[0045]
在一个具体实施例中，若存在或则判定生产过程失控， 否则认为过程依然处于受控状态。
[0046]
本发明的有益效果如下：
[0047]
本发明提供的一种针对多元生产过程的非参数质量监控方法缩短了失控 信号的平均报警时间，提升了传统的多元非参监控方法的监控效率，当出现生 产过程参数漂移后，监控效率的提高为生产过程质量管理提供有效的信息支持， 对生产过程质量管理具有重要帮助，具有广泛的应用前景。
附图说明
[0048]
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所 需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明 的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下， 还可以根据这些附图获得其他的附图。
[0049]
图1示出根据本发明一个实施例的针对多元生产过程的非参数质量监控方 法流程图
[0050]
图2示出根据本发明一个实施例的计算非参数监控统计量流程图。
[0051]
图3示出根据本发明一个实施例的监控控制图。
具体实施方式
[0052]
为使本发明的、技术方案和优点更加清楚，下面将结合附图对本发明实施 方式作进一步地详细描述。
[0053]
如图1所示，一种针对多元生产过程的非参数质量监控方法，包括：
[0054]
获取样本处于质量受控状态时的历史观测数据，作为参照数据集；
[0055]
所述参照数据集为：
[0056][0057]
其中，m为样本量，参照质量数据为维度为p的列向量。
[0058]
获取待检测样本的观测数据，作为待测数据集；
[0059]
所述待测数据集为：
[0060][0061][0062]
其中，待测质量数据为维度为p的列向量。
[0063]
根据参照数据集和待测数据集，构造求解监控序列；
[0064]
所述监控序列为：
[0065][0066][0067]
其中，m
j
为非参数监控统计量，
[0068]
如图2所示，计算所述非参数监控统计量包括：
[0069]
根据参照数据集计算参照二范数集，所述参照二范数集为
[0070][0071]
其中，
[0072]
根据待测数据集计算待测二范数集，
[0073]
所述待测二范数集为：
[0074][0075]
其中，
[0076]
根据参照二范数集和待测二范数集计算非参数监控统计量。
[0077]
所述非参数监控统计量为：
[0078][0079]
其中，
[0080][0081]
计算累积和控制限包括：
[0082]
s10：给定初始搜索区间[l0,u0]，令l＝l0，u＝u0，其中[l,u]为待搜索计算
[0083]
区间；
[0084]
s12：计算其中h
*
为控制限迭代值；
[0085]
s14：令k＝1，在p维标准多元正态分布下，随机生成一组样本，记为
[0086][0087]
s16：令q＝1，在p维标准多元正态分布下，随机生成一组样本，记为
[0088][0089]
s18：以作为参照数据，为待测数据，计算相应的累积和统计量和若则令q＝q 1，回到s16重复执行，若或则令运行链长rl(i)＝q，继续下一步；
[0090]
s20：令k＝k 1，回到s14重复执行，直至k＝50001停止；
[0091]
s22：在模拟条件下计算链长的估计值若 则控制限h＝h
*
，该算法结束；若则令u＝h
*
，回到s12重复执行，若则令l＝h
*
，回 到s12重复执行，
[0092]
其中，arl0为预设的受控平均链长。
[0093]
基于监控序列和累积和控制限，生成监控控制图，根据所述监控控制图判 断生产过程是否受控。
[0094]
若存在或则判定生产过程失控，否则认为过程依然处于 受控状态。
[0095]
在一个具体实施例中，
[0096]
获取样本量为m的多元生产过程在质量受控状态的历史数据或实际观测数 据作为参照数据集，具体表示为：
[0097][0098]
具体数据如下：
[0099]
表1参照数据集数据
[0100][0101]
获取待检测样本量为5的20组实时观测数据，待测样本可表示为：
[0102][0103]
其中，待测质量数据为维度为p的列向量。 具体数据如下表：
[0104]
表2待测数据集数据
[0105]
[0106]
[0107][0108]
根据参照数据集计算参照二范数集，
[0109]
所述参照二范数集为
[0110][0111]
具体结果如下：
[0112]
表3参照二范数集计算结果
[0113]
[0114][0115]
根据待测数据集计算待测二范数集，
[0116]
所述待测二范数集为：
[0117][0118]
具体计算结果如下：
[0119]
表4待测二范数集计算结果
[0120]
[0121][0122]
根据参照二范数集和待测二范数集计算非参数监控统计量。
[0123]
所述非参数监控统计量为：
[0124][0125]
其中，
[0126]
则控制限h＝h
*
，该算法结束；若则令u＝h
*
，回到s12重复执行，若则令l＝h
*
，回 到s12重复执行，
[0146]
其中，arl0为预设的受控平均链长。
[0147]
当arl0＝370时，根据上述步骤求解累积和控制限
[0148]
h＝1086.68。
[0149]
基于监控序列和累积和控制限，生成监控控制图，如图3所示，根据所述 监控控制图判断生产过程是否受控。
[0150]
若存在或则判定生产过程失控，否则认为过程依然处于 受控状态。由图3可知，此时生产过程失控。
[0151]
在给定参照样本量大小m＝30，待测样本量大小n＝5，多元特性数p＝2， 在给定受控状态平均链长目标值arl0＝370的情况下下，本发明所提出监控方法 在不同的分布类型下的链长的估计值与传统的基于正态分布假设的监控 方法在不同分布类型下的进行对比分析，结果如下表6所示，其中，t(3)表 示自由度为3的t分布，g(3,2)表示形状参数为3、尺度参数为2的伽马分布， w(2,2)表示形状参数为2、尺度参数为2的威布尔分布，并且多元质量特性之 间相互独立。
[0152]
表6m＝30,n＝5,p＝2,arl0＝370时，所提出方法与传统方法的鲁棒性对比结果
[0153][0154]
从上表可以看出，在不同的分布类型条件下，本发明所提出监控方法的 均在目标值370左右，这表明在不同的分布情形下，本专利所提出方法的 虚警率保持稳定(虚警率与负相关，计算的越小，虚警率越大)，具有 良好的监控鲁棒性。而基于正态分布假设的监控方法在监控服从非正态分布的 生产过程时，的值显著低于目标值370，这表明当基于正态分布假设的监 控方法用于其他分布时，其监控虚警率显著提升，会出现较多的误警情况，给 生产过程增加不必要的监控成本。
[0155]
在参照样本量大小m＝30，待测样本量大小n＝5，多元特性数p＝2，受控 状态平均链长目标值arl0＝370时，本发明所提出的累积和非参监控方法与传统 的非参监控方法在不同参数漂移情形下的失控平均报警链长arl1(失控平均链 长越短，则表明发现参数漂移的速度越快)的对比结果如下表7所示，其中，t(3) 表示自由度为3的t分布，g(3,2)表示形状参数为3、尺度参数为2的伽马分布， w(2,2)表示形状参数为2、尺度参数为2的威布尔分布，并且多元质量特性之 间相互独立。
[0156]
表7 m＝30,n＝5,p＝2,arl0＝370时，本发明所提出方法与传统方法的监控效率 对比结果
[0157][0158]
从表7的对比结果可以看出：本专利所提出的非参数方法在大多数情形下， 本专利所提出方法的arl1明显小于传统方法，这表明在多元过程质量特性发生 参数漂移之后，采用本发明所提出的方法监控效率更高，能更快发现问题，给 出报警信号。
[0159]
本发明提供的一种针对多元生产过程的非参数质量监控方法缩短了失控 信号的平均报警时间，提升了传统的多元非参监控方法的监控效率，当出现生 产过程参数漂移后，缩短了报警时间，为生产过程质量管理提供有效的信息支 持，提高了监控效率，对生产过程质量管理具有重要帮助，具有广泛的应用前 景。
[0160]
显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并 非是对本发明的实施方式的限定，对于所属领域的普通技术人员来说，在上述 说明的基础上还可以做出其它不同形式的变化或变动，这里无法对所有的实施 方式予以穷举，凡是属于本发明的技术方案所引伸出的显而易见的变化或变动 仍处于本发明的保护范围之列。