摘要：科技的进步，促进工程建设事业得到快速发展。在铸造企业中建立统计过程控制系统，利用单变量统计过程控制对铸造生产的主要工序进行分析，对铸造生产中应用多变量统计过程控制的可行性和必要性进行论证。本文就铸造生产中应用多变量统计过程控制展开探讨。
关键词：铸造；多变量统计；过程控制
引言
应用数理统计方法进行生产过程的控制。基本思想是根据过程的情况，预测将来的趋势与变化，从而进行过程控制，使过程在受控中进行，预防不良品的发生。所以说统计过程控制的特征是控制过程，防患于未然。
1多变量统计过程控制
测量技术的发展使得越来越多的产品性能指标能够得以测量，用户因此对性能的要求也越来越多，仅靠单变量统计过程控制已经不能满足过程对于监视多个产品性能指标或多个过程变量之间相关关系的需求，基于多变量统计分析方法的统计过程控制越来越受到人们的关注。多变量统计过程控制是将多变量统计分析方法融入到传统的统计过程控制形成的，可对存在多个相关变量的生产过程进行监控、分析、控制的方法和技术。它通过多元投影操作，将过程数据和质量数据降维，降维后所有主分量间相互正交，它们构成数据空间的正交基，因而无冗余信息；并且主分量的排列顺序是按照方差的降序出现的，即总是最大方差的主分量最先出现；分量中对方差贡献较小的主分量通常被删掉，这些分量中主要包含的是噪声，这样的处理起到了降噪的作用。数据降维使得寻找引起过程变量错综复杂变化的真正原因变得更加容易，因此MSPC尤其适用于数据量大、数据维数高、变量间具有相关性的连续过程。MSPC的实施有离线和在线两种方式。离线方式通过修改过程来减少或消除引起产品质量变化的因素，从而达到控制产品质量的目的。这种方式最好与产品设计、过程设计相结合，需要包括统计学家在内的具有不同专业技能的人共同参与才能完成，因此不太可能给出比较通用的规则。大多数情况下，对改进产品质量起关键作用的主要是在线方式。常用的MSPC方法包括：用于单块数据分析的主元分析、判别式分析、独立元分析和用于双块数据分析的正则相关分、偏最小二乘等。尽管也出现了许多多块数据分析方法，但它们都可以分解成一组PCA或是PLS模型，因此这里仅着重介绍PCA和PLS。
2统计过程控制的类型
统计过程控制大致可分为以下两类。（1）筛选型统计过程控制。通过抽样检查检测过程输出，将不合格的产品筛选出来进行再加工，或作为低档产品降价出售，或作为废品。采用这种方法控制产品质量的过程被称为筛选型统计过程控制。（2）预防型统计过程控制。这是一种试图通过过程控制防止不合格产品产生的方法：通过运用过程变量的各种控制图、抽样检查生产原料等手段，监测并调整影响产品质量的各过程输入，预防不合格产品的发生。统计过程控制又有在线与离线之分。通常把筛选型统计过程控制和预防型统计过程拄制称为在线统计过程控制。离线统计过程控制通过修改过程来减少或消除引起产品质量变化的因素，从而达到控制产品质量的目的。最好能将离线统计过程控制与产品设计、过程设计结合起来进行。这往往需要包括统计学家在内的具有不同专业技能的人共同参与才能完成。这类统计过程控制不太可能给出比较通用的规则，即对于不同的过程及背景，所应采用的离线统计过程控制方一法往往不一样。在某些情况下，离线统计过程控制可能与在线统计控制关系小大。但在多数情况下，在线统计、远程控制对改进产品质量起着关键的作用。离线统计过程控制很大程度上需要应用实验设计方法，如Tagucht方法。Becknell（1987年）报告了在福特汽车公可进行的关于节流阀体的实验。这些节流阀体由压铸而成。虽然产品质量在很多方面都满足要求，但部件常出现影响外观质量的气隙。通过研究讨论后、工程技术人员选出了七个可能影响产品外观质量的因素进行实验。这七个因素包括金属纯净度、固体杂质的尺寸、喷涂模式、强化度、靠模速度、模具温度以及金属湿度。每个因素定为两个层次。通过实验找出了这些因素的优化组合。结果使能见气隙减少了73%，年节约超过了大约30万美元。
3铸造生产中多变量统计过程控制的总体设计
多变量统计过程控制（MSPC）是利用PCA，PLS等多元统计投影方法，基于正常生产状况下的生产数据建立多变量统计模型，利用MSPC控制图（如SPE图、Ta控制图、主元图等）对生产过程进行监控，分析生产过程状态。铸造生产过程不是一个单纯的连续生产过程，每个工序有其不同的特点，针对整个生产过程应用MSPC不仅容易使问题复杂化，也不利于对生产过程的监控和故障的诊断。所以应根据不同工序的特点，采取多变量统计过程控制和单变量统计过程控制相结合的方法，实现对铸造生产过程更加有效的控制。图1所示为本文提出的多变量统计过程控制在铸造生产中应用的总体思路。
图1多变量统计过程控制的总体思路
多变量统计过程控制的应用的基础也是大量来自实际生产过程的数据，与单变量统计过程控制不同的是需要对这些数据进行整体考虑，利用它们建立多变量统计模型，对这些变量的变化以及它们之间关系的变化进行监控，达到监控生产过程稳定性的目的。其关键为多变量统计模型的建立，以及多变量控制图的应用和分析，结合铸造生产的特点，主要工作有：（1）数据的收集和处理。数据是建立统计模型的基础，不仅要根据控制过程中生产数据的特点选择对生产过程的监控最有效的数据，还要考虑数据对于最终铸件质量的影响的大小，以及数据之间应该具有一定的线性相关性。（2）统计模型的建立。统计模型的建立的理论口趋成熟，在实际建模过程中，根据生产过程和数据的特点，在数据预处理和实时数据与模型之间的处理上可以采取更有助于区分异常的方法。（3）统计量的研究。在MSPC里常用的统计量有SPE，TZ，因为铸造生产过程的特点，需要研究这些统计量不同于连续生产过程中应用的特点，为控制图的应用提供必要的理论依据。（4）控制图的控制限的确定。控制图绘制的是多变量统计量SPE，TZ或者隐变量的时序图，在形式上有可能是一个统计量的时序图，也有可能是反映两、三个统计量同时变化的平面、空间轨迹的二、三维控制图。无论是几维的控制图，都需要确定控制图的控制限作为判断过程是否异常的标准。（5）故障诊断。MSPC的故障诊断不同于SPC的故障诊断，因为其控制图是反映多个变量共同影响生产过程的情况，判断究竟是哪个变量是引起故障的主要原因，还要依靠控制图之外的工具和方法。以上五个部分是应用MSPC需要解决的关键问题。具体开展这些工作的流程见图2所示。
图2MSPC土作流程
结语
随着检测技术和计算机技术的飞速发展，生产过程中能够被测量和处理的过程变量越来越多。同时消费者对产品质量的要求也会越来越高，关于产品质量的各种定量和定性的性能指标也会越来越多。这决定了今后的统计控制在工业的应用将会以多变量统计过程控制为主。
参考文献
[1]中国机械工程学会铸造学会秘书处.铸造生产技术发展趋势以及对我国铸造行业技术改造的建议.北京：中国机械工程学会铸造学会，2015.
[2]缪良.中国铸造市场的气候与机遇.铸造技术，2016，23（1）：5-10.
[3]李新亚.加入世界贸易组织对我国机械工业的冲击及铸造业的走向.铸造，2015.
论文作者:吴元立
论文发表刊物:《建筑学研究前沿》2019年11期
论文发表时间:2019/9/10
标签：统计过程控制论文; 多变论文; 生产过程论文; 过程论文; 数据论文; 变量论文; 离线论文; 《建筑学研究前沿》2019年11期论文;