生产过程质量控制的数据驱动建模及基于成本的动态优化方法研究

Using economically designed quality control charts matters a lot to ensuring the quality of products and improving the economic benefit of a process. With traditional economic design approaches, the process-failure mechanism must be well defined before developing an economic model. However, the actual process-failure mechanism is often complicated and hard to predict. Moreover, the performance is largely degraded if the actual process-failure mechanism deviates from the assumed one. This research investigates the data-driven modeling and cost-based dynamic optimization of quality control, aimed at resolving several typical quality-control problems (including consideration of unknown shifts in the process parameters, arbitrary distribution changes, and unknown in-control process distribution) with uncertain process-failure mechanism. In this way, traditional decision-making models based on strong assumptions and complete information are replaced with a data-driven decision-making model, and traditional off-line one-shot decision is converted to on-line multistage decision. An extensive comparison with traditional economic design approaches is conducted by using Monte Carlo simulations, provided that the actual process-failure mechanism is known or not. Then, the effectiveness of the proposed approach is verified. Finally, relevant application and development in the automatic production processes of modern industry is studied. This research will provide strong support to companies to raise the level of production and operation management and to increase benefits.

经济设计的质量控制图对于保障产品的质量以及提升过程的经济效益有着重要的现实意义。现有的经济设计方法在建立经济模型时必须假定过程的失效机制已知，但真实的过程失效机制往往错综复杂、难以预测，且一旦假设有所偏差会对结果产生很大影响。本项目通过构建质量控制的数据驱动模型以及开发基于成本的动态优化方法，将传统的基于强假设和完全信息的决策转变为过程数据驱动的决策，将传统的离线一次性决策转变为基于过程状态估计的在线多阶段动态决策，解决在过程失效机制不确定条件下的几类质量控制典型问题（包括考虑过程分布参数漂移、过程分布任意变化和受控过程分布未知）。利用设计的蒙特卡洛仿真实验，分别在过程失效机制已知和未知两种情形下与传统经济设计方案进行比较，验证所提方法的有效性。最后，研究在现代工业自动化生产条件下的方法应用与发展。本项目的研究成果可为企业提高生产运作管理水平和经济效益提供有力的支撑和保障。

相比于传统的控制图，可适用于过程不确定条件下的控制图技术对于在实际生产环境下保障产品的质量以及提升过程的经济效益有着更重要的应用价值。本项目对过程不确定条件下的生产过程质量控制问题开展了研究，针对各种不同的生产过程并考虑过程分布参数漂移、过程分布任意变化和受控过程分布未知等质量控制典型情形，提出了一系列的数据驱动模型及优化设计方法：针对产品可靠性监测问题，提出了数据驱动的Shewhart、CUSUM、EWMA类监测方案及动态设计方法；针对单值监测情形，提出了数据驱动的SPRT类控制图的经济模型及参数优化方法；针对非参数质量控制问题，提出了数据驱动的面向监测位置/尺度参数的非参数控制图经济设计方法，并进一步对基于多样本Lepage、多样本Cucconi统计量的非参数Phase I方案进行了探索研究；针对多元过程控制情形，提出了基于统计量权重调整和变量选择的多元类别质量控制模型及动态调整方法。由于所研究问题的复杂性，为进行方案的分析和验证，本项目开发了一系列相应的蒙特卡洛仿真实验程序。研究发现，所提方案在各种过程失控情形下均有不错的性能，要优于传统方案。本项目取得的研究成果是对已有相关研究的重要改进和补充，能够实现更加经济有效的生产过程质量控制与管理，具有重要的实际应用价值。本项目完成了预期任务。