統計過程監控與診斷及其應用研究(PDF 66頁)

內容摘要
第1章緒論
1．1課題研究的背景及意義
1．1．1研究背景
工業革命改變了產品的生產方式，機器加工取代了手工操作，使得生產可以借
助機器大批量地生產產品。但由於工廠的最終產品往往是由不同工人在不同工序所
加工的零部件組合形成的，使得大批量生產方式所形成的產品缺乏質量保障。隨著
工業技術的進步發展，為了滿足大規模生產的需要，要求工業生產的最終產品能達
到高度的一致性和協調性。工業生產過程經過長期運行和生產負荷變化後都常會發
生各種變化，這些變化常會影響到產品質量，甚至引起重大經濟損失。因此，除了
采用嚴格的可靠性設計與管理外，建立一個合理的過程監控體係是安全生產和提高
產品質量的保證ll】。
統計過程監控方法是獲得合格產品質量的有效工具，同時也是過程性能監視和
過程故障診斷的基礎。近年來統計過程監測方法在國內外得到了廣泛研究，統計過
程監測包括單變量統計方法和多元統計方法。傳統的單變量統計過程監測技術的局
限性在於僅注意監視某一時刻的一個質量變量或關鍵過程變量，不適合分析變量間
存在相關特性的多變量過程數據。建立在空間映射技術基礎之上的多變量統計過程
監測突破了單變量統計過程控製的局限性，它可以同時處理多維數據，成功地解決
了原始數據空間維數過大、變量間自相關嚴重等問題。
將多變量統計分析方法融入過程監控中，形成了多變量統計監控的基本框架。
它采用多元投影的方法，將過程數據從高維數據空間投影到低維特征空間，所得到
的特征變量保留了原始數據的特征信息，摒棄了冗餘信息，是一種高維數據分析處
理的有效工具。在數據量大、數據維度高、變量間具有相關性的連續過程中，實現
了統計過程監控、生產數據的分析挖掘、故障診斷等。常用的多變量統計監控方法
包括主元分析(Principal ComponentAnalysis)、主元回歸(Principal Component
Regression)、部分最小二乘(Partial Least Squares)等。由於在實際的連續過程中，
變量問的非線性關係普遍存在，由此又發展到把非線性多變量分析方法引入到多變
量統計過程控製之中，致使今天的統計過程監控已經形成為一個具有眾多研究熱點
的學科方向12】。
..............................