随着传感器、计算机和自动化技术的开展,庞大的中间过程数据被采集和记录保留。如何从数据中提取有用信息来保障产品的品质和生产过程的安全是近年来统计过程控制的研讨热点[1-4],研究的目标从先前的针对单变量的质量控制扩大到针对多变量的过程性能监控,研究对象从分散制造业扩展到一个系统连续过程和间歇过程。统计过程控制的分析研讨和适用范围已感染到石油化工、钢铁生产、采矿、机械加工、电子元件、注塑、制药、食品加工、环境以及金融等领域[5-10]。

近20年来,统计过程控制取得了巨大的提升和发展。随着测量技术和自动化程度的连续提升,统计过程控制必将引发学术界和工业界更多的关注。但是,统计过程控制还面临着一些困难亟待处理,这些问题也许将引领统计过程控制近期的研究方略。

(1)非高斯过程的探索。现有的大部分措施均假定过程变量以及噪声服从高斯分布,但实践过程变量的概率分布并不明了。关于统计变量不服从高斯分布的过程,单纯的提取二阶统计量是不行的。目前对于非高斯过程的研究方法只有独立元分析,该探讨有希望进一步深化。

(2)非线性过程的探索。理论过程均具备非线性特征,针对非线性不强的过程,运用线性算法即可完成监控。但是,伴随过程复杂性的提高,整体的非线性特征更加显著。运用线性算法不只增加模型阶次,还会导致错误的决策。如今非线性算法较少,且大部分非线性算法是在线性算法基础上提出的改善,因而非线性算法的探索十分迫切。

(3)缺陷预告的探究。目前缺陷检测方法是在缺陷累积到一定规模之后开始报警。针对慢慢变动的缺陷,在超出管制界限之前,过程的变化势头是很清楚的,因而能够按照变化趋向预知缺陷的发生。缺陷预告可以在缺陷处于萌芽阶段时开始报警,很大程度上改善监控能力。但是,统计过程控制在缺陷预报相关的探究并不多。

(4)缺陷诊断的探究。仅仅监察到缺陷是远远不够的,缺陷诊断是消除缺陷的重心。相对于缺陷检测算法,缺陷诊断算法仅有费舍尔判别、贡献图法等方法。针对并发缺陷的探索也很少。判别缺陷源必需较多的阶段性过程知识和经验,因而基于知识的方法有希望成为统计过程控制的联结对象。此外,所有形式分类技术从类的角度开始,有益于缺陷的分类,也有可能在统计过程控制范围找到适用的对象。

(5)自适应算法的探究。统计过程控制通常假定过程在某个稳态值左右正常变化,理论生产制造过程中,因为人为的调整和设备性能的波动,过程的正常值会发生波动,因而单个的模型不再实用,自适应算法的探究具有重要意义。