项目名称: 复杂制造过程中轮廓数据监控方法研究

项目编号: No.71401123

项目类型: 青年科学基金项目

立项/批准年度: 2014

项目学科: 管理科学

项目作者: 张阳

作者单位: 天津商业大学

项目金额: 20万元

中文摘要: 统计过程控制理论广泛应用于制造过程中产品(或过程)质量特性的监控。在复杂制造过程中,某些产品(或过程)质量特性不仅包括产品尺寸,还包括产品形状。传统的统计过程控制方法通常假设质量特性服从某种一元或多元分布。然而,满足某种函数关系的形状轮廓显然不满足此假设。因此,需要研究产品(或过程)轮廓数据的监控方法。本项目针对复杂制造过程中不同轮廓变异情况,分别研究轮廓监控方法,包括:(1)针对轮廓局部发生小偏移变形的情况,研究有效的轮廓局部变形监控与诊断方法;(2)研究轮廓发生特定变异情况下,几种特定变异的轮廓监控方法;在此基础上,研究一般类型特定变异的轮廓监控方法;(3)考虑轮廓内存在相关性的特点,研究同时监测轮廓均值和相关性的轮廓监控方法。本项目研究成果对于拓展轮廓数据的统计过程控制方法研究具有重要的理论价值;在实践上可用于复杂制造过程、医疗保健和电讯业等服务过程中轮廓数据的监测分析。

中文关键词: 统计过程控制;轮廓控制;分类数据;诊断;关键质量特性

英文摘要: Statistical process control is widely used to monitor the product (or process) quality characteristics in manufacturing process. In complex manufacturing process, the product (or process) quality characteristics include not only the product dimension,

英文关键词: Statistical process control;Profile monitoring;Categorical data;Diagnosis;Key quality characteristics

成为VIP会员查看完整内容
1

相关内容

专知会员服务
44+阅读 · 2021年8月28日
专知会员服务
20+阅读 · 2021年8月23日
专知会员服务
65+阅读 · 2021年6月3日
专知会员服务
93+阅读 · 2021年2月6日
专知会员服务
26+阅读 · 2021年1月29日
基于深度学习的数据融合方法研究综述
专知会员服务
127+阅读 · 2020年12月10日
专知会员服务
66+阅读 · 2020年11月30日
专知会员服务
101+阅读 · 2020年11月27日
基于深度学习的表面缺陷检测方法综述
专知会员服务
92+阅读 · 2020年5月31日
基于深度学习的多标签生成研究进展
专知会员服务
140+阅读 · 2020年4月25日
企业做私域,如何做业务模型梳理和设计
人人都是产品经理
0+阅读 · 2022年2月26日
如何解决工业缺陷检测小样本问题?
极市平台
6+阅读 · 2022年2月24日
图像分割在医学影像中的应用
极市平台
2+阅读 · 2022年2月16日
流程工业数字孪生关键技术探讨
专知
1+阅读 · 2021年4月7日
基于深度学习的数据融合方法研究综述
专知
25+阅读 · 2020年12月10日
模型攻击:鲁棒性联邦学习研究的最新进展
机器之心
34+阅读 · 2020年6月3日
【数字孪生】九论数字孪生
产业智能官
56+阅读 · 2019年7月6日
深度报告:特种钢铁行业,支撑高端制造
材料科学与工程
12+阅读 · 2019年4月9日
【质量检测】机器视觉表面缺陷检测综述
产业智能官
30+阅读 · 2018年9月24日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2010年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
14+阅读 · 2021年8月5日
Arxiv
27+阅读 · 2020年12月24日
Arxiv
17+阅读 · 2020年11月15日
Arxiv
19+阅读 · 2020年7月21日
Anomalous Instance Detection in Deep Learning: A Survey
Arxiv
108+阅读 · 2020年2月5日
Arxiv
42+阅读 · 2019年12月20日
小贴士
相关主题
相关VIP内容
专知会员服务
44+阅读 · 2021年8月28日
专知会员服务
20+阅读 · 2021年8月23日
专知会员服务
65+阅读 · 2021年6月3日
专知会员服务
93+阅读 · 2021年2月6日
专知会员服务
26+阅读 · 2021年1月29日
基于深度学习的数据融合方法研究综述
专知会员服务
127+阅读 · 2020年12月10日
专知会员服务
66+阅读 · 2020年11月30日
专知会员服务
101+阅读 · 2020年11月27日
基于深度学习的表面缺陷检测方法综述
专知会员服务
92+阅读 · 2020年5月31日
基于深度学习的多标签生成研究进展
专知会员服务
140+阅读 · 2020年4月25日
相关资讯
企业做私域,如何做业务模型梳理和设计
人人都是产品经理
0+阅读 · 2022年2月26日
如何解决工业缺陷检测小样本问题?
极市平台
6+阅读 · 2022年2月24日
图像分割在医学影像中的应用
极市平台
2+阅读 · 2022年2月16日
流程工业数字孪生关键技术探讨
专知
1+阅读 · 2021年4月7日
基于深度学习的数据融合方法研究综述
专知
25+阅读 · 2020年12月10日
模型攻击:鲁棒性联邦学习研究的最新进展
机器之心
34+阅读 · 2020年6月3日
【数字孪生】九论数字孪生
产业智能官
56+阅读 · 2019年7月6日
深度报告:特种钢铁行业,支撑高端制造
材料科学与工程
12+阅读 · 2019年4月9日
【质量检测】机器视觉表面缺陷检测综述
产业智能官
30+阅读 · 2018年9月24日
相关基金
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2010年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
相关论文
Arxiv
14+阅读 · 2021年8月5日
Arxiv
27+阅读 · 2020年12月24日
Arxiv
17+阅读 · 2020年11月15日
Arxiv
19+阅读 · 2020年7月21日
Anomalous Instance Detection in Deep Learning: A Survey
Arxiv
108+阅读 · 2020年2月5日
Arxiv
42+阅读 · 2019年12月20日
微信扫码咨询专知VIP会员