论文部分内容阅读
统计过程控制(SPC)技术在产品的质量改进方面的重要性已经获得了工业界的公认。但是,大部分传统的SPC方法均是在观测值相互独立且同分布于正态的假设下提出的。随着测量和数据采集技术的进步,来自工业制造过程中的数据可以以更高的频率被抽样,而这些抽样数据往往呈现较强的自相关性和偏正态性。此时在观测数据独立性和正态性假设下所设计的传统的SPC方法的运行长度(RL)的性质将会严重受到数据自相关性和偏正态性的影响。特别地,数据的自相关性和偏正态性将大大增加控制图的虚发报警率(FAR),使得真正的失控报警容易被忽略,从而降低控制图的效率。许多最近的研究都聚焦于适用于自相关数据的SPC方法的开发,但是大部分的自相关SPC方法均基于对质量特征的分布做正态或近似正态的假设而设计,考虑非正态性对这些方法的影响的研究还比较少。本文首先利用一个移动窗将一元自相关过程变量转换为多元向量,并提出了用以监控该多元向量的均值向量的一种新的多元非参数控制图。该控制图基于将一种带方向的多元空间符号检验与在线的序贯监控中常用的指数加权移动平均(EWMA)控制策略相结合。随后本文研究了当一元自相关过程的自回归移动平均(ARMA)模型中的随机白噪声过程非高斯过程时,即所形成的过程向量非多元正态情况下,我们所提出的控制图方法与其它一元自相关的控制图方法的数值性能比较。蒙特卡洛模拟结果表明我们所提出的控制图在可控(IC)性能角度具有稳健性。也就是说,该控制图的可控运行长度的分布可以达到或总是接近其名义上的那一个,即使我们使用在多元正态分布假设下所得到的控制限。从模拟结果还可以看到,对于过程潜分布非正态且偏斜的情况下的小到中的均值漂移的监测,我们所设计的控制图方法要比现存的其它一元自相关过程的多元控制图方法更加敏感和有效。