过程监测与调整的理论和方法研究

论文摘要

统计过程控制(SPC)和工程过程控制(EPC)作为两种减少波动的过程控制方法，分别在零件工业和过程工业得到了成功的应用。其中SPC主要利用控制图来探测和消除特殊原因的波动，EPC基于反馈控制原理，通过调整过程可控变量，来补偿过程输出与过程目标值的误差。近年来，整合SPC与EPC对过程进行监测与调整，成为质量控制领域研究的重点内容之一。传统上，在零件工业，普遍使用SPC监测过程，而对如何应用过程调整来改进质量缺乏系统的研究。并且，当过程输出数据自相关时，会使传统的控制图变得毫无效果，而整合EPC与SPC为解决自相关过程监测问题提供了一种新的途径。本文针对小批量短期生产经常出现的由机器设置导致的过程初始误差问题，引入Grubbs调和规则进行调整，对普遍存在的过程自相关问题，利用整合MMSE调整和控制图监测过程。对解决这两种问题的过程调整方法的性能进行了分析和比较，系统研究了MMSE调整对过程均值偏移或漂移的影响和控制图的性能。本文研究的主要(创新)内容包括：1．评价和比较了来自于EPC与SPC领域的过程调整方法，其中包括可以消除数据自相关的MMSE调整、EWMA调整和减少过程设置误差的Grubbs调和规则。本文首先对戴明的漏斗试验进行了理论分析和仿真验证，以说明在现代制造环境下对过程调整的需要。对于AR(2)和IMA(1，1)过程，研究了受控过程的MMSE和EWMA的调整效应，对于AR(2)过程，研究了相关程度、λ的大小与波动减少的关系，说明虽然优化λ的取值可以得到最小的MSE，但EWMA调整效应依赖于过程数据的自相关。本文模拟数据验证了Grubbs调和规则的调整优势，基于Kalman滤波估计，分析了EWMA调整与Grubbs调和规则对于设置误差调整的同一性，定义一个相对性能比率比较了EWMA调整和Grubbs调和规则的调整性能，在过程初始误差较大时，与EWMA调整相比，Grubbs调整优于EWMA调整，在初始误差较小时，相对来说二者的差别不是很大。基于状态空间模型从调整方法的背景、模型和方式三个方面比较了MMSE调整与Grubbs调整的异同。2．对AR(2)过程，系统研究了控制图监测MMSE调整输出和输入的性能。由于MMSE调整可以消除过程数据的自相关，因此，整合MMSE和控制图监测自相关过程的均值变化是质量改进的一种有效方法。本文首先讨论了直接应用控制图监测AR(2)过程无效的原因，仿真模拟控制图的ARL结果显示，自相关对EWMA图和CUSUM图的监测效果的影响大于休哈特图。系统研究了MMSE调整的过程均值的偏移模式，利用信噪比、报警概率和ARL，分析了控制图的运行长度和过程均值偏移模式以及过程自相关的关系。利用仿真模拟给出了休哈特图、EWMA图和CUSUM图的ARL模拟结果，结果显示，对正相关程度较高的AR(2)过程，控制图的性能在小、中量的均值偏移下变得很差。由此，本文提出联合监测输出和输入，通过对暂时和稳定的信噪比以及仿真模拟的ARL分析比较发现，监测调整输入和调整输出具有互补的作用。3．对IMA(1，1)过程，系统研究了控制图监测MMSE调整输出的性能。本文首先以信噪比、ARL和报警概率分析了休哈特控制图监测过程均值漂移和偏移的性能。对于均值漂移模式，构建了CUSCORE控制图，并给出了该图与常用的三种控制图ARL的仿真模拟结果，结果显示，对过程的均值漂移，CUSCORE控制图是一种更好的选择。本文扩展了SPC的研究范围，其研究结论为学术界的研究、企业界的实践提供了新的思路和参考依据，特别是对我国制造企业的质量改进具有重要的实践指导价值。

论文目录

• 中文摘要
• 英文摘要
• 第1章 绪论
• 1.1 研究背景
• 1.2 研究的问题
• 1.3 研究内容和方法
• 1.4 研究特色及主要创新
• 1.5 研究意义及作用
• 1.6 本章小结
• 第2章 文献综述
• 2.1 过程波动
• 2.2 独立过程监测技术
• 2.2.1 休哈特单值控制图
• 2.2.2 CUSUM控制图
• 2.2.3 EWMA控制图
• 2.2.4 平均运行长度
• 2.3 自相关过程监测技术
• 2.3.1 时间序列模型
• 2.3.2 修改控制界限控制图
• 2.3.3 残差控制图
• 2.4 过程调整原理及方法
• 2.4.1 反馈控制原理
• 2.4.2 MMSE调整与PID控制器
• 2.4.3 Grubbs调和规则
• 2.5 过程监测与调整研究综述
• 2.5.1 SPC与EPC整合优势
• 2.5.2 SPC与EPC整合方法
• 2.5.3 SPC与EPC整合应用
• 2.6 本章小结
• 第3章 过程调整方法的评价与比较
• 3.1 漏斗试验方法
• 3.2 MMSE调整方法
• 3.2.1 MMSE反馈控制
• 3.2.2 AR（2）过程的MMSE调整
• 3.2.3 IMA（1，1）过程的MMSE调整
• 3.3 EWMA调整方法
• 3.3.1 EWMA调整
• 3.3.2 IMA（1，1）过程的EWMA调整
• 3.3.3 AR（2）过程的EWMA调整
• 3.4 Grubbs调整方法
• 3.4.1 状态空间模型
• 3.4.2 Kalman滤波估计
• 3.4.3 Grubbs调和规则
• 3.5 三种调整方法的比较
• 3.5.1 MMSE调整与EWMA调整
• 3.5.2 EWMA调整与Grubbs调整
• 3.5.3 MMSE调整与Grubbs调整
• 3.6 本章小结
• 第4章 AR（2）过程调整与监测
• 4.1 AR（2）过程监测分析
• 4.1.1 移动极差估计
• 4.1.2 控制图的ARL
• 4.1.3 仿真验证
• 4.2 均值偏移的MMSE调整
• 4.2.1 均值偏移模式分析
• 4.2.2 均值偏移的探测分析
• 4.2.3 仿真验证
• 4.3 过程调整与监测的性能分析
• 4.3.1 休哈特控制图的ARL
• 4.3.2 控制图的仿真分析
• 4.4 过程调整输入的监测
• 4.4.1 调整输入变量的方差
• 4.4.2 调整输入的均值偏移分析
• 4.4.3 仿真分析
• 4.5 实例与仿真分析
• 4.5.1 实例分析
• 4.5.2 仿真分析
• 4.6 本章小结
• 第5章 IMA（1，1）过程调整与监测
• 5.1 均值变化分析
• 5.2 MMSE调整的均值变化
• 5.2.1 均值偏移分析
• 5.2.2 均值漂移分析
• 5.3 休哈特控制图的性能分析
• 5.3.1 均值漂移的性能分析
• 5.3.2 均值偏移的性能分析
• 5.4 控制图的ARL分析
• 5.4.1 CUSCORE统计量
• 5.4.2 CUSCORE控制图
• 5.4.3 均值漂移的CUSCORE图
• 5.4.4 仿真分析
• 5.5 本章小结
• 第6章 结论与展望
• 6.1 研究结论
• 6.1.1 过程调整
• 6.1.2 过程监测
• 6.2 需要进一步研究的问题
• 参考文献
• 博士学习期间发表的论文及研究成果
• 致谢