高維過程數據下過程與質量聯合控制研究

《高維過程數據下過程與質量聯合控制研究》是依託上海交通大學，由黃文坡擔任項目負責人的青年科學基金項目。

基本介紹

• 中文名：高維過程數據下過程與質量聯合控制研究
• 項目類別：青年科學基金項目
• 項目負責人：黃文坡
• 依託單位：上海交通大學

項目摘要

生產過程和產品質量是工業生產中兩個常見的控制對象。一般而言，屬性控制圖用於監控產品質量，而變數控制圖用於監控過程。現有文獻多是單純地研究產品的屬性控制圖或單純地研究過程的變數控制圖，很少將過程控制與產品質量監控聯合起來考慮。隨著感測器技術的不斷發展，過程的數據採集變得更加容易，將過程和產品聯合進行監控有著很強的套用背景，變數數的增加同時給生產過程的信息挖掘帶來技術上的困難。為了充分挖掘過程與產品兩方面的信息，本項目通過對過程變數進行特徵提取，對過程變數實現降維，基於多變數過程特徵與產品質量間的統計模型，建立過程與質量的聯合預警方法，通過監控多變數的過程特徵實現產品質量的預警。本項目的研究期望將豐富過程與產品的聯合監控研究的理論與方法，為生產製造企業產品質量的提升、生產過程的最佳化提供理論和技術支持。

結題摘要

隨著物聯網等感知技術的發展，生產製造過程的數據呈現維度高、結構複雜等特性，為製造業帶來機遇，同時也為生產過程的質量管理帶來新的挑戰。傳統的多變數控制圖不能直接套用於高維過程數據，需要對過程數據進行質量特徵提取。本項目針對高維過程製造中的高維數據信息，通過對數據的維度約簡，構建過程與質量的監控方法，進而研究控制圖的參數設計，最終基於高維過程數據實現製造過程的故障診斷分析。具體研究包括：（1）針對高維過程數據分布通常未知的特性，利用機器學習中的分類方法，將參考數據集與滑窗數據集作為兩類，通過將數據進行特徵投影，構建兩類數據集間的最優分類器，通過監控點集到分類器間的距離實現高維過程的實時監控；（2）針對高頻過程因數據缺失使樣本量不規則時變、並產生控制圖性能不可控的問題，基於歷史和實時的過程信息，利用時變控制線將每個時刻的條件誤報警機率（CFAR）控制在預設值，使控制圖的受控性能保持恆定；（3） 質量控制圖發出報警信號後，對高維過程數據進行統計分析，利用積分方程刻畫各分量控制圖統計量的分布方程，基於各分量數據的p值利用FDR實現高維過程的故障診斷，克服了傳統LASSO方法在受控狀態下誤報警率不可控問題。本項目的實施為高維過程下的過程與質量管理提供理論基礎與切實可行的監控方法。