导读:本文包含了多变量统计过程控制论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:多变,统计过程控制,过程,火灾,在线,光谱分析,太阳能电池。
多变量统计过程控制论文文献综述
杨越,王磊,刘雪松,吴永江,毕宇安[1]（2017）在《近红外光谱结合多变量统计过程控制(MSPC)技术在金银花提取过程在线实时监控中的应用研究》一文中研究指出目的建立金银花提取过程多变量统计过程控制(MSPC)模型,对金银花提取过程进行在线监控。方法采用近红外光谱(NIRS)仪在线采集多批次金银花提取过程光谱数据,结合MSPC技术建立统计模型,采用主成分得分、Hotelling T2和DMod X控制图来监测投料及过程操作参数等异常波动。此外,利用过程光谱进行主成分分析(PCA),建立了金银花提取过程轨迹,反映了提取过程随时间变化的趋势。结果应用建立的MSPC模型可观测到金银花提取过程的质量变化,对正常批次的监控未出现误报,稳定性和重复性良好。3种控制图联合使用可及时准确地识别异常情况的发生。与传统的监控方法相比,该方法快速无损,且可实现在线实时监控。结论 NIRS结合MSPC技术可成功应用于金银花提取过程,对提升中药生产质量控制水平有重要的意义。(本文来源于《中草药》期刊2017年17期）
徐敏,张磊,岳洪水,庞洪伟,叶正良[2]（2017）在《基于近红外光谱技术和多变量统计过程控制的五味子提取生产过程监测方法》一文中研究指出将近红外光谱分析技术与多变量数据分析技术相结合,建立注射用益气复脉(冻干)组方药材五味子提取过程的在线监测方法。采用生产上5个正常批次建立了五味子提取过程的多变量统计过程控制(multivariate statistical process control,MSPC)模型,并利用PC scores,DModX和Hotelling T~23种控制图对2个测试批次进行监测。结果显示,MSPC模型对提取过程具有良好的监测性能。将所建立的MSPC模型应用到实际生产中,能够有效地实现对五味子提取过程的在线监测,并实时反映生产过程中物料属性的变化。该文建立的监测方法为过程分析技术在中药注射剂生产过程质量控制领域的应用提供了参考。(本文来源于《中国中药杂志》期刊2017年20期）
徐冰,史新元,乔延江,杜敏,隋丞琳[3]（2012）在《金银花醇沉多阶段多变量统计过程控制研究》一文中研究指出目的:建立金银花醇沉加醇过程多阶段多变量统计过程控制模型,对醇沉加醇过程进行监控。方法:基于过程技术分析(PAT)理念,采用近红外技术对金银花醇沉过程进行实时测量,利用过程近红外光谱和有序样品聚类分析对加醇过程进行阶段划分,对全过程和过程的每一阶段建立多变量统计过程控制(MSPC)监控模型,分别计算Hotelling T2和SPE控制限,以实施对醇沉加醇过程的实时监控,并比较全段监控模型和分段监控模型的效果。结果:金银花醇沉加醇过程可划分为4个阶段,分段MSPC策略中Hotelling T2控制图可以更加灵敏的检测到过程微小变化,SPE控制图误报次数减少。结论:与全段MSPC模型相比,分段MSPC监控模型更加灵敏、稳健,适用于中药生产过程控制。(本文来源于《中华中医药杂志》期刊2012年04期）
徐冰,史新元,乔延江,杜敏,隋丞琳[4]（2012）在《金银花醇沉多阶段多变量统计过程控制研究》一文中研究指出目的:建立金银花醇沉加醇过程多阶段多变量统计过程控制模型,对醇沉加醇过程进行监控。方法:基于过程技术分析(PAT)理念,采用近红外技术对金银花醇沉过程进行实时测量,利用过程近红外光谱和有序样品聚类分析对加醇过程进行阶段划分,对全过程和过程的每一阶段建立多变量统计过程控制(MSPC)监控模型,分别计算Hotelling T2和SPE控制限,以实施对醇沉加醇过程的实时监控,并比较全段监控模型和分段监控模型的效果。结果:金银花醇沉加醇过程可划分为4个阶段,分段MSPC策略中Hotelling T2控制图可以更加灵敏的检测到过程微小变化,SPE控制图误报次数减少。结论:与全段MSPC模型相比,分段MSPC监控模型更加灵敏、稳健,适用于中药生产过程控制。(本文来源于《第叁届全国中医药博士生优秀论文颁奖会议论文集》期刊2012-03-26）
王满,许自成,毛福利,何结望,闫铁军[5]（2011）在《多变量统计过程控制在烟叶打叶复烤过程中应用》一文中研究指出为实现对打叶复烤过程片烟结构的多个指标同时进行过程监控,保证片烟质量的稳定,以在云南省公司打叶复烤厂抽取的2009年片烟为样本,通过多变量统计分析,运用多变量T2控制图对打叶复烤过程片烟结构3个指标的稳定状况进行判断,并运用Bonferroin不等式原理对失控小组各个变量进行检验。结果表明,第7、11、17个小组打叶复烤过程稳定性出现失控,失控原因主要是小片率和中片率偏高。多元统计T2控制图可以对多变量同时监控,Bonferroin检验法对查找失控变量有一定的参考价值,多变量统计过程控制可以在打叶复烤过程得到有效应。图1,表2,参13。(本文来源于《农业系统科学与综合研究》期刊2011年02期）
朱卫卫[6]（2011）在《多变量统计过程控制在太阳能电池制造中的应用》一文中研究指出传统的产品质量控制重点测度单变量或一维数据。它是产品质量控制方法的基础,但在实际工作中无论是制造商还是消费者都用多变量或多维数据考核或评判产品质量。从单变量到多变量进行产品质量控制不仅是现实需求,也对质量控制的理论方法提出了新的要求。而反映产品质量的多个变量之间是存在着关联性的,如何以较少的变量或低维数据全面反映并控制产品的综合质量,是对系统工程的创新。太阳能电池制造行业在我国已有五十多年的发展历史。对制造过程进行控制,保证过程的平稳进行,以提高太阳能电池的整体性能,对于该行业来说,有着重要的意义。本文把多变量统计过程控制的研究方法应用于太阳能电池的制造过程中,主要进行了以下内容的研究：1.论述了统计过程控制(SPC)的发展历史及研究现状,提出了实施SPC的重要性。并学习了太阳能电池的相关概念及工作原理等方面的知识。2.研究了单变量统计过程控制图的原理,并将其应用在太阳能电池电阻率的实例中,说明了具体的步骤。同时阐述了单变量统计过程控制在实际应用中的局限性。3.重点研究了多变量统计过程控制(MSPC)的主要理论,即把高维空间投影到低维空间的技术,包括主成分分析方法、主成分回归和偏最小二乘方法。并且深入学习了MSPC控制图的原理和应用,包括T2控制图、贡献图、轨迹图、得分图等,它们在实际生产过程中对于发现故障、找出故障根源都是非常有效的管理工具。4.阐述了间歇过程的特点以及针对其特点的过程监控技术,并且对过程监控的实施步骤也进行了介绍。5.阐述了太阳能电池的制造流程,并详细阐述了其中的关键工序：扩散制结过程,建立了指标体系,把MSPC技术应用在对扩散制结过程的监控上。具体建立了TMPCA模型和BMPLS模型,分析监控过程,找到故障原因。并且对两个模型的结果进行比较分析,最终得到一致的结论。6.总结全文的内容,并且指出了本文中的不足及要研究的方向。(本文来源于《首都经济贸易大学》期刊2011-03-10）
李林宏[7]（2010）在《多变量统计过程控制在工业生产中的应用研究》一文中研究指出本文从多变量统计过程控制(MSPC)的应用性出发,探讨现有方法在过程控制两类典型生产过程——连续生产和间歇生产中实际应用,并尝试对主元的意义作出物理解释,使得多变量统计过程控制更具有实用性。本文主要内容有：1、简单叙述了质量管理与统计过程控制(SPC)的关系,综述了其应用与发展的现状及发展特点。提出了几种主元分析的计算方法以及应用领域,提出对主元物理含义进行解释的意义和方法。并以此为基础,介绍了主元回归和部分最小二乘方法,为应用打下理论基础。2、介绍了单变量统计过程控制方法及其所固有的局限性,概述和总结了多变量统计过程控制中的主要统计量和基本分析处理方法,为对实际生产过程的监控提供了方向。闭环SPC通过设计反馈控制器实现对偏差或控制作用的统计监控。以对连续搅拌反应器进行监控和间歇聚合过程——异丁烯酸甲酯聚合反应进行监控为应用背景,介绍了多变量统计过程控制在连续过程和间歇过程中的应用。3、在很多生产过程中过程变量间的关联关系往往存在严重的非线性。部分最小二乘方法可以克服输入变量间的相关关系而带来的问题,但是由于其用线性关系来联系输入输出因子,并不能十分有效地应用于非线性较强的过程。利用Chebyshev多项式的正交性质,论述了基于Chebyshev多项式改进的非线性部分最小二乘方法,以此来代表更广泛的非线性模型。(本文来源于《东北大学》期刊2010-06-01）
刘毅[8]（2009）在《间歇过程多变量统计过程控制的理论与方法》一文中研究指出统计过程控制技术作为一种用统计分析方法保证产品质量和生产稳定性的手段,在现代工业生产中的应用日益广泛。间歇生产过程因其过程变量的时间相关性和变量之间大多存在强非线性关系的特点,采用传统的统计过程控制方法难以满足其对产品高质量的要求。通过多元投影的方法压缩过程变量的维数,在较低维的主元空间对过程进行监控,可以较好的解决上述矛盾。针对间歇过程运行的特点,分析了线性和非线性多元统计过程控制技术的理论和方法。(本文来源于《电脑知识与技术》期刊2009年19期）
王鹤寿,赵旭,郑水波[9]（2008）在《多变量统计过程控制方法在火灾自动探测中的应用》一文中研究指出针对传统火灾探测方法存在的智能程度低、误报率高等问题,提出将统计过程控制方法应用到火灾自动探测中。利用多个传感器在火灾情况下数据中的隐含信息,构建了火灾过程的多参数统计监控模型,从而增强了火灾探测的灵敏度和可靠性。通过模拟实验,证明了该方法的有效性。(本文来源于《消防科学与技术》期刊2008年04期）
张玲利[10]（2007）在《多变量统计过程控制及其在注塑成型过程中的应用研究》一文中研究指出注塑制品的应用范围已从生活用品扩展到仪器仪表、家用电器、汽车、航空航天等高精密科技领域。由此对注塑制品的尺寸精度、表观质量和力学性能等提出了严格的要求。与此同时，对影响注塑制品质量的过程因素也提出了更高的要求。为此，统计过程控制(SPC)被引入了注塑成型过程，但是传统的SPC方法主要用于单个变量的控制，无论是对过程变量还是对质量变量，其控制图反映的都是单个变量的信息。这在注塑成型过程中是很不够的，因为注塑成型的参数众多，且过程变量和制品质量往往高度相关。运用多变量统计过程控制(MSPC)方法对注塑成型的过程参数和制品质量进行多变量统计过程控制，对存在多个相关变量的注塑成型过程进行监控、分析和控制，从而实现提前预测和降维处理；运用多变量统计控制图将众多的参数用曲线显示在一张控制图上，预测注塑成型过程变化，从而使注塑成型过程直观、易控、稳定。在本课题研究中，作者重点做了以下工作：1在传统的统计过程控制中，将各种统计控制图进行比较，寻找出最适合注塑制品质量特性控制的统计控制图，并用实验验证其适用性及优越性。2运用多变量统计控制回归分析，建立注塑成型的制品参数与过程参数之间的回归模型，并用方差分析、残差分析对模型进行检验，通过对其关系的量化分析，可以对过程进行预测与监控。3针对注塑成型中参数间的非线性关系，运用中心组合设计，对各参数进行非线性分析，建立其非线性回归模型，运用模型可以对过程参数和制品质量进行预测和监控。4运用多变量统计过程控制中的主元分析，对注塑成型的过程参数进行分析，对参数进行降维处理，并用多变量统计控制图将多个参数用曲线图表示出来，使过程直观、易控、稳定。5构建了适用的注塑成型过程中MSPC系统的软件平台，可以根据实际生产过程的需要，实现注塑过程监控、数据分析等多项功能。作者的研究工作仅仅是对MSPC及其在注塑成型中的应用的初步探索，对下一步的深入研究打下了基础。(本文来源于《北京化工大学》期刊2007-05-20）
多变量统计过程控制论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
将近红外光谱分析技术与多变量数据分析技术相结合,建立注射用益气复脉(冻干)组方药材五味子提取过程的在线监测方法。采用生产上5个正常批次建立了五味子提取过程的多变量统计过程控制(multivariate statistical process control,MSPC)模型,并利用PC scores,DModX和Hotelling T~23种控制图对2个测试批次进行监测。结果显示,MSPC模型对提取过程具有良好的监测性能。将所建立的MSPC模型应用到实际生产中,能够有效地实现对五味子提取过程的在线监测,并实时反映生产过程中物料属性的变化。该文建立的监测方法为过程分析技术在中药注射剂生产过程质量控制领域的应用提供了参考。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
多变量统计过程控制论文参考文献
[1].杨越,王磊,刘雪松,吴永江,毕宇安.近红外光谱结合多变量统计过程控制(MSPC)技术在金银花提取过程在线实时监控中的应用研究[J].中草药.2017
[2].徐敏,张磊,岳洪水,庞洪伟,叶正良.基于近红外光谱技术和多变量统计过程控制的五味子提取生产过程监测方法[J].中国中药杂志.2017
[3].徐冰,史新元,乔延江,杜敏,隋丞琳.金银花醇沉多阶段多变量统计过程控制研究[J].中华中医药杂志.2012
[4].徐冰,史新元,乔延江,杜敏,隋丞琳.金银花醇沉多阶段多变量统计过程控制研究[C].第叁届全国中医药博士生优秀论文颁奖会议论文集.2012
[5].王满,许自成,毛福利,何结望,闫铁军.多变量统计过程控制在烟叶打叶复烤过程中应用[J].农业系统科学与综合研究.2011
[6].朱卫卫.多变量统计过程控制在太阳能电池制造中的应用[D].首都经济贸易大学.2011
[7].李林宏.多变量统计过程控制在工业生产中的应用研究[D].东北大学.2010
[8].刘毅.间歇过程多变量统计过程控制的理论与方法[J].电脑知识与技术.2009
[9].王鹤寿,赵旭,郑水波.多变量统计过程控制方法在火灾自动探测中的应用[J].消防科学与技术.2008
[10].张玲利.多变量统计过程控制及其在注塑成型过程中的应用研究[D].北京化工大学.2007
论文知识图
