科学文献检索作业(4)

信息分析：（着重针对课题的研究现状、研究热点、重要的研究人员、发展趋势等进行综述）

现状与趋势：质量和安全是生产过程的命脉,也是倍受企业和专家学者关注的重要研究课题。随着传感器、计算机和自动化技术的发展,大量的过程数据被采集和保存下来。如何从数据中提取有用信息来保证产品的质量和过程的安全是近年来统计过程控制的研究热点,研究方向从早期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,研究对象从离散制造业扩展到连续过程和间歇过程。统计过程控制的研究和应用领域已涉及石油化工、钢铁制造、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。

随着测量技术和自动化水平的不断提高,统计过程控制必将引起学术界和工业界更多的关注：

(1)非高斯过程的研究。现有的大部分方法均假设过程变量以及噪声服从高斯分布,然而实际过程变量的概率分布并不清晰。对于变量不服从高斯分布的过程,仅仅提取二阶统计量是不够的。目前针对非高斯过程的方法仅有独立元分析,该研究有可能进一步深入。

(2)非线性过程的研究。实际过程均具有非线性特征,对于非线性较弱的过程,应用线性算法即可实现监控。然而,随着过程复杂性的增加,系统的非线性特征更加明显,如混合过程、网络控制系统等,应用线性算法不仅增加模型阶次,还会造成错误的决策。目前非线性算法较少,且大部分非线性算法是在线性算法基础上进行的改进,因此非线性算法

的研究非常必要。

(3)故障预报的研究。目前故障检测方法是在故障达到一定规模以后进行报警。对于缓慢变化的故障,在超出控制限之前,过程的变化趋势是明显的,因此可以根据变化趋势预报故障的发生。故障预报能够在故障处于萌芽状态时进行报警,大大改善监控性能。然而,统计过程控制在故障预报方面的研究还很少。

(4)故障诊断的研究。仅仅检测到故障是不够的,故障诊断是消除故障的关键。相对于故障检测算法,故障诊断算法仅有贡献图法、费舍尔判别等方法。对于并发故障的研究也比较少。判断故障源需要较多的过程知识和经验,因此基于知识的方法有可能成为统计过程控制的结合对象。此外,各种模式分类技术从类的角度出发,有利于故障的分类,也有可能在统计过程控制领域找到用武之地。

(5)自适应算法的研究。统计过程控制往往假设过程在某个稳态值附近平稳波动,实际生产过程中,由于人为的调节和设备性能的变化,过程的稳态值会发生变化,因此单一的模型不再适用,自适应算法的研究具有重要意义。

重要研究人员：孙 静,张公绪,朴祥民。

研究热点：SPC控制图的绘制,SPC软件系统的建立。