基于统计过程控制与工程过程控制的自相关过程控制技术研究.pdf

在运用过程控制提升产品质量的过程中,统计过程控制(SPC)足其中一种最常用的技巧,它主要采用控制图监测过程参数(如平均值)是否受到异常因素的影响而产生变动。传统统计过程控制基于正态独立同分布(IIND)的假设,而在某些实际生产过程中,数据却具有显著的自相关性。自相关性的典型影响就足会缩短平均链长(ARL),从而导致控制图产生假警报的频率增加。因此本文对此类具有自相关性数据的处理理论和方法进行比较系统的比较和分析。　　 为寻找对自相关过程进行统计过程控制的有效方法,本文首先介绍常规统计过程中的控制图技术、自相关及时间序列理论和工程过程控制基本理论,其次介绍自相关过程的两种一般处理方法:修改控制界限法和时间序列模式法。最后引入一种新方法,即工程过程控制(EPC)整合统计过程控制(SPC)法。　　 针对工业生产中广泛存在的自相关数据AR(1)和AR(2),把Shewhart控制图、CUSUM控制图和EWMA控制图三种技术运用到时间序列模式法与EPC整合SPC法,分析这两种方法的差异。研究表明当数据自相关程度低时,这两种方法处理结果相似；当数据具有高度自相关时,EPC整合SPC法会优于时间序列模式法。同时EWMA控制图和CUSUM控制图在处理自相关数据时,得到的ARL值要小于Shewhart控制图的ARL值,因此运用EWMA控制图和CUSUM控制图处理自相关数据是更好的选择。