改进 PCA 降维算法及其在多元质量控制中的应用
第19卷第3期2014年6月工业工程与管理IndustrialEngineeringandManagementVol.19No.3 Jun.2014文章编号:1007-5429(2014)03-0066-06
收稿日期:2013-07-21; 修回日期:2013-11-20基金项目:国家自然科学基金资助项目(60903124);高等学校博士学科点专项科研基金项目(20096118120003)
;西安市科技计划项目(CX1255-4)
作者简介:余婷(1989-
),女,陕西咸阳人,硕士研究生,主要研究方向为质量控制管理。改进PCA 降维算法及其在多元质量控制中的应用
余 婷,杨明顺,刘 永,原 博
(西安理工大学机械与精密仪器工程学院,陕西西安710048)
摘要:多元质量控制过程中,
为了准确诊断引起失控状态的变量或变量组合,需要对样本数据进行降维操作以消除数据之间的相关性。针对现有多质量特性降维方法忽略各采样批次之间相关
性的问题,
利用自回归滑动平均模型能够从数据当中提取出基于时间独立关系的特性,尝试将自回归滑动平均模型与传统PCA算法相结合,设计出一种改进的PCA算法,用于处理存在相关性的数据降维问题,并利用汽车曲轴生产实例验证其有效性。
关键词:多元质量控制;自回归滑动平均模型;主成分分析;数据降维
中图分类号:TH122;TP391 文献标识码:A
An Im p roved PCA Dimension Reduction Al g orithm for
Multivariate Q ualit y Control
YUTing,YANGMing-shun,LIUYong,YUANBo
(FacultyofMechanicalandPrecisionInstrumentEngineering,Xi’anUniversityofTechnology,
Xi’an710048,China)
Abstract :Inmultivariatequalitycontrol,
datadimensionreductionisrequiredtoeliminatedata’dependenciesanddiagnosefailurefactorswhenthesystemisoutofcontrol.Asinteractionbetweensamplebatchesisoftenoverlookedinexistingmethodologies,inthispaper,theautoregressiveandmovingaveragemodelwhichisabletoextractindividualitiesfromdatabasedontimeintegratesthetraditionalPCAalgorithmtoconstructanimprovedPCAalgorithmfordealingwiththeproblemofdatadimensionreduction.Ultimately,acasestudyinautomotivecrankshaftproductionprocessispresentedandshowsitseffectiveness.
Ke y words :multivariatequalitycontrol;autoregressiveandmovingaveragemodel;principle
componentanalysis;datadimensionreduction
1 引言
产品生产过程的监控以及优化是保证产品生产
质量的一条重要途径。传统质量控制主要针对产品
的单质量特性进行,忽略了多质量特性之间的相互
作用和相互影响,因此容易出现“过控”或者“欠控”
的现象,从而会影响生产过程的诊断[1]。为此,需要同时对多个质量特性进行联合监控。多质量特性控制过程中,当控制图监控出失控信号时,需要对引起失控的变量进行判断。但是,通常由于数据之间存在相关性,使得传统的方法难以准确确定出导致失控的变量或变量集合,因此常常
—66—