多变量统计过程监控(PDF 71页)

内容摘要
第一章绪论
18、19世纪的工业革命改变了产品的生产方式，机器加工取代了手工操作，
使得工厂可以借助机器大批量地生产产品。但由于工厂的最终产品往往是由不同
工人在不同工序所加工的零部件组合形成的，使得通过大批量生产方式所形成的
产品缺乏质量保障。随着工业技术的进一步发展，到了20世纪初，为满足大规
模生产的需要，要求不同工人生产的各种零部件能达到高度的一致性和协调性。
正是这种对产品质量高度一致性的需求，促成了统计过程控制即SPC(StatisticaLl
Process Con昀1)技术的出现。
统计过程控制开始于二十世纪二十年代美国休哈特博士(WA．ShewllaIt)的
第一张质量控制图，因而从一开始，SPC就被看作一种提高产品质量和生产效率
的技术手段。丛质量控制的角度来看，统计过程控制又被称为统计质量控制SQC
(StatiStical Qrual姆Con昀1)。由于产品质量在现代工业中的重要地位，使统计过
程控制已经在机械、纺织、汽车、电子产品等离散制造业得到了广泛应用，并正
逐渐向造纸、炼油、化工、食品等间歇工业和连续制造业渗透。
传统的统计过程控制以概率论和数理统计为基础，以提高产品质量水平为目
标，采用统计控制图、统计描述、统计相关分析、试验设计、回归分析等方法，
分析处理与产品质量相关的生产过程数据。其成功应用大都集中在离散制造业
中。由于连续生产过程本身的复杂性，其产品质量往往涉及到具有相关关系的几
十、甚至上百个变量，这些变量在一段时间的采样数据量之大，使得传统SPC
在该领域的应用受到限制。
传统的统计过程控制采用单变量统计过程控制方法，只对生产过程中的一些
重要指标单独地实施统计过程控制，比如为这些指标单独建立Shevmart控制图。
在统计过程控制的应用早期，由于受测量技术以及数据存储和分析技术的限制，
人们只能测量生产过程中少数几个重要指标，并对这几个指标单独进行统计过程
控制。这在某种程度上能够改进产品质量。但由于一些重要的产品性能指标往往
不能测量，只让所测量的少数几个重要指标分别保持在规定的范围内，并不能真
正保证产品的高质量和高性能。
..............................