用于过程统计控制的方法和多维系统技术方案

本发明专利技术涉及一种过程统计方法和使用该方法的任何系统，其基于对输入、输出和控制的指示和测量数据的读取以及对运行参数的读取，并且能够在和其取样本相关的参考框架中用观察点表示出来。在本发明专利技术中，观察值被转化，以使结果值和多维的高斯分布模型一致；这些被转化的观察点在多维空间中，每一个维度与一个测量量值相关；失控观察点用同样方法计算，在某一特定方向上被识别；该方向和上述过程的偏移的一般原因相关，并且，每个“观察和异常对”和指示符相关，为了给出零个，一个或更多的可能和观察相关的原因。（*该技术在2019年保护过期，可自由使用*）

【技术实现步骤摘要】

本专利技术涉及使用基于多维数据处理的统计过程控制的方法和系统。其目的首先是当过程离开保证其生产质量要求的“正常”运行状态时引发警告，其次是为识别异常情况的可能原因提供建议。统计过程控制(SPC)目前在世界各国(主要是工业化国家)众多领域的工业生产中正被广泛使用，例如工程学，电子学，化学，医药，农业食品，塑料材料，等等。其目的是通过检查制造过程本身，而不仅仅检查产品的特征来保证产品质量。统计过程控制在实施“零缺陷运动”时和当企业寻求符合国际质量保证标准(国际标准化组织9000)时已是必不可少的阶段。其技术目标是在不合格产品被制造之前检测出制造过程中可能的偏移并采取补救措施。这种方法的使用现在已经从产品制造的领域扩展了，并包含了服务业领域(银行业务，保险，咨询，…)。当过程启动时(参照附图说明图1)，跟踪与同一过程相关的各种监测手段(指示符)输入特点(原材料)；输出特点(产品)；过程操作参数。每个观察单元(检测瞬间和生产元素)和多个测量获得的数值相关联，于是，使这组数据用所量度的多维的空间中的一点来表示。统计过程控制的一般操作是通过追踪多个控制图来监控过程。控制图是观察的量值的变化路径的图形表示。同时也代表在一次测量中预先定义的控制极限值(见图2)。然后每个控制图都独立地被解释，且独立地引发警告。目前使用的有各种控制图(象“Shewart,CuSum,EWMA,Me”)。上述后三种图被认为在检测小量的“偏移”方面优于第一种。一般地，控制图被用于成组的数据通过标记多次成组测量获得的平均值，可以较好地探测小量的偏移，另外，值的分布也与基于这种方法的正常情况下的假定更相吻合。通过标记每组数据的变化和延展，有可能探测到由于某种原因，测量可变性的有所提高。通常的方法包括同时和独立地监视多个控制图，这种方法比较笨拙，而且对多维的统计数据控制中不太有效●这种方法有时发出太很多的假警告导致不必要的调整增多；这时，就需要很快地重新设定，从而导致整个过程控制需要多次调整，处于一种既混乱又昂贵的方式下运行状态。●它检测到真实的异常情况太晚，并且●该方法在异常原因不和测量直接相关联时，很难检测到它。于是，该方法鼓励了采用多样的测量，这样的方法很昂贵，并引入了多种控制图。本专利技术的方法和系统寻求解决那些缺陷该方法是一种统计过程控制方法，其基于读取输入、输出和控制端上的指示符和测量数据以及所述过程中的运行参数，可以使用基准结构中的观察点来表示它，其中基准结构将它们的值和它们的样本指标联系起来。根据本专利技术a)对观察值进行转化以使得结果值与多维的高斯分布模型一致，构成与本方法其余部分的观察点相对应的数据；b)上述观察点位于多位空间，每个维度都和测量量值相关；c)观察点中，那些与过程正常运行对应的所谓“控制下的”点和那些所谓“失控的”点有显著不同；d)计算出控制下的点的分布中心作为控制下的观察点的点集之重心；e)辨别出失控的观察点集中在“控制下的”点的分布中心的某一特定方向上；f)这一方向与上述过程的通常的偏移原因相关；g)每一个观察点和异常方向对与指示符相关，以便报告零个、一个或更多的所观察到的异常原因；并且h)当以这种方式对一种异常情形进行分析后，将激发警告信号，并且，在工业生产过程中用这种办式检测到的偏移将被补救。上述被检测的观察点重心对应于一个特定点，该点的分量是被检测的观察点的分量的平均值。统计过程控制检测用传统方式，用统计规则或者用取样方法，有规律地观察p个连续的量值y1,y2,…yp。这些量值能同等地很好地反映原材料的特点，制造的产品的特点或制造过程的运行参数的特点。在某一给定瞬间，将这p个测量数据所组成的p-维向量表示为y，并作为过程观察向量。这个向量的终点是过程观察点，而起点是所用的基准结构的原点。显然，在这段文章里“瞬间”的概念超过严格地时间概念与同一个“瞬间”相关联的测量数据在可能的情况下应是同一批产品或同一制造单位的生产过程的参数测量数据。为了定义哪些测量数据和同一个相关瞬间相关，制造过程的完备的可跟踪性是必要的。当过程是“控制下的”，y的值在不同的连续瞬间t0,t0+1,t0+2，…有y0(其是期望的目标)的微小变动，以保证生产达到令人满意的质量。这个微小的变化是由于原材料(原材料的硬度，原材料组份的化学成分，供应商，…)特性，或是环境因素(温度，湿度，…)，或是过程因素(机器的设定，操作者的专注程度…)的随机变化而产生的。这些特性对y的一项或多项分量产生影响，并且被表示为z1,z2,…zm，这些变量的总体被表示为向量z。向量z在此被称为过程解释向量。由于把过程特性看作yj过程的观察变量，必须在每个“瞬间”估值该变量。由于把过程特性或输入特性看作过程的原因变量zk，必须由系统部的因素对其修改，如故意或非故意的人为行动，环境变化，磨损或老化。一般的，由于费用或适用性的原因，这些变量不是在每个瞬间都进行测量(不然也将表示为变量yj)，在这种意义上，它们组成了隐藏变量，影响着过程的行为。测量这些隐藏变量通常既昂贵、费时又不精确，仅仅在异常出现时才进行。如果其可能值是数字表示的，而且是属于一个已知的数值范围(温度，压力，…)该变量可能是定量的。如果可能值是数字的或只有有限的个数(提供者，操作员，机器，…)，改变量可能是定性的。本专利技术中的方法和模型假定y的分量全部是定量的。过程的相同特征(例如炉子的控制温度)既可以作为z的分量又可以作为y的分量出现。y和z之间的依赖关系设立如下模型y=f(z,t)+ε其中t表示为观察瞬间，ε表示p维度上的随机向量，其平均值设定为0，并且有其协方差矩阵为∑ε。f是一向量函数，含有p个分量f1,f2,…fp，并有公式yi=fj(z,t)+εy的分量之间象z的分量之间一样相互关联。在稳定条件下完美而稳定的过程的应有下列关系f(z,t)实际上与t无关，每个“原因变量”zk都保持在固定值z0k上，并且y可用如下稳定过程的模型表示y=f(z0)+ε实际中，定量的原因变量的不可能完全决定下来变量z0已经加上了0期望值的随机误差和协方差矩阵∑e的随机误差。所以，模型变为zk=z0k+eky=f(z0+e)+ε本专利技术建议的方法应用于以下统计过程控制通常所应用的环境中·函数f未知；·解释变量zk无法全部识别；并且，·n次观察由“瞬间t=1,…,t=n时的变量y1…yp产生。这些观察结果以一个n行p列的矩阵y的形式表示。Yj代表Y的第j列；这一列的第i个元素表示为yij，代表在t=i的瞬间变量yj的观察值。在t=i瞬间变量y1,…,yp的观察向量表示为yi。观察向量yi的权重为pi，一般地等于1/n。以权重pi作为对角项的对角线矩阵(n,n)表示为Dp。●当过程在适当的控制下时 正常分布应以y0为中心。y0等于y的数学期望E；y0非常接近观察均值my(my代表由矩阵Y中P列Y1…Yp的均值y1…yp构成的向量)。 其可变性是固定的并可与在不同的变量yj定义的规格极限相比较。随机向量y的协方差矩阵不随时间变化。●当过程发生偏移时，观察值yi偏离目标值y0很远。这样的行为导致 一个或多个原因变量zk的中心值随时间变化；或者 一个或多个随机方差εk或ej随时间增加。如果偏移是定性的，涉及原因变量z本文档来自技高网...

【技术保护点】
一种用于控制工业过程的统计方法，该方法基于对输入、输出和控制的量值特征的指示符和测量数据的读取以及对所述过程的运行参数的读取，并且能够在将其值和其取样指标相关的基准框架中用观察点表示出来，所述指示符或传感器或测量数据可由手工输入给出，该方法的特征在于：ａ）观察值被转化以使得结果值与多维的高斯分布模型一致，构成与本方法其余部分用的观察点对应的数据；ｂ）上述观察点位于多维空间，每个维度都和测量量值相关；ｃ）观察点中，那些与过程正常运行对应的所谓“控制下的”点和那些所谓 “失控的”点有显著不同；ｄ）控制下的点的分布中心计算出来作为控制下的观察点的点集之重心；ｅ）可以识别出失控的观察点集中在“控制下的”点的分布中心的某一特定方向上；ｆ）这一方向与上述过程的通常的偏移原因相关；ｇ）每一个观察点和 异常方向对与指示符相关，以便报告零个、一个或更多的所观察到的异常原因，其中所述异常原因可能与已进行的观察相关；并且ｈ）当一种异常情形用这种方式进行分析后，将触发警报，并且，在工业生产过程中用这种方式检测到的偏移将被补救。

【技术特征摘要】
...

【专利技术属性】
技术研发人员：丹尼尔拉费德米绍，
申请(专利权)人：丹尼尔拉费德米绍，
类型：发明
国别省市：FR[法国]