关于统计过程控制-诊断和调整完整版

1、.PAGE ：.；统计过程控制，诊断和调整 TOC o 1-2 p h z u HYPERLINK l _Toc277263097 HYPERLINK l _Toc277263098 一 引言 PAGEREF _Toc277263098 h 2 HYPERLINK l _Toc277263099 二 统计过程控制(SPC). PAGEREF _Toc277263099 h 3 HYPERLINK l _Toc277263100 1 什么是SPC . PAGEREF _Toc277263100 h 3 HYPERLINK l _Toc277263101 2 SPC开展简史 . PAGEREF _

2、Toc277263101 h 4 HYPERLINK l _Toc277263102 三 控制图 PAGEREF _Toc277263102 h 5 HYPERLINK l _Toc277263103 1 什么是控制图. PAGEREF _Toc277263103 h 5 HYPERLINK l _Toc277263104 2 控制图原理 . PAGEREF _Toc277263104 h 5 HYPERLINK l _Toc277263105 4控制图是如何贯彻预防原那么的. PAGEREF _Toc277263105 h 7 HYPERLINK l _Toc277263106 5控制图的分

3、类 . PAGEREF _Toc277263106 h 8 HYPERLINK l _Toc277263107 6 .控制图的演化与开展. PAGEREF _Toc277263107 h 10 HYPERLINK l _Toc277263108 四 二元自相关过程的残差控制图 . PAGEREF _Toc277263108 h 14 HYPERLINK l _Toc277263109 1 统计量和控制图 . PAGEREF _Toc277263109 h 14 HYPERLINK l _Toc277263110 2. 残差控制图 . PAGEREF _Toc277263110 h 15 HYP

4、ERLINK l _Toc277263111 3 .残差控制图的控制效果 . PAGEREF _Toc277263111 h 17 HYPERLINK l _Toc277263112 4 残差控制图的适用范围. . PAGEREF _Toc277263112 h 19 HYPERLINK l _Toc277263113 5 .结论 . PAGEREF _Toc277263113 h 20 HYPERLINK l _Toc277263114 五SPC的未来开展方向为SPD. PAGEREF _Toc277263114 h 21 HYPERLINK l _Toc277263115 六SPA实际的开

5、展 . PAGEREF _Toc277263115 h 24 HYPERLINK l _Toc277263116 七结语 . PAGEREF _Toc277263116 h 24 一 引言 我们知道，任何制造产品总是经过设计、制造与检验，才干将合格的产品提供应运用者。根据传统事后质量检验方法，总是经过抽样检验各工序终了后的产品或最终制品，从而发现设计与加工过程中的问题，然后再反响给相关部门进展改良。然而这时不合格产品曾经消费出来，呵斥了一定的损失。为了防止这种损失，一个比较好的措施就是进展预防。问题主要在于如何及时发现问题。假定在消费加工过程的每一道工序都建立了一个简单易行的控制系统，一旦出现

6、质量问题就能及时发现、及时纠正，不使不合格的半废品流入下一道工序，这样就可以防止出现大量的不合格品，从而到达预防的目的。统计过程控制(SPC)是就是这样一个控制系统，它是一种借助数理统计方法的过程控制工具，它对产品的消费过程进展分析评价，根据反响信息及时发现工序偶尔性要素出现的征兆，并采取措施消除其影响，使过程维持在仅受随机性要素影响的受控形状，以到达控制质量的目的。在产品的消费过程中，当仅受随机要素影响时，过程处于统计控制形状(简称受控形状)；当存在偶尔要素的影响时，过程处于统计失控形状(简称失控形状)。由于消费过程动摇具有统计规律性，当消费过程受控时，过程特性普通服从稳定的随机分布；而失控

7、时，过程分布将发生改动。SPC正是利用这一统计规律性对消费过程进展分析控制的。 二 统计过程控制(SPC) 1 什么是SPC SPC是英文Smtisdcal Process Control的字首简称，即统计过程控制，它是美国休哈特(WAShewhart)在1924年提出的，是一种借助数理统计方法的过程控制工具。主要是指运用统计分析技术对消费过程进展实时监控，科学地域分出消费过程中产质量量的随机动摇与异常动摇，从而对消费过程的异常趋势提出预警，以便消费管理人员及时采取措施，消除异常，恢复过程的稳定，从而到达提高和控制质量的目的。SPC强调全过程的预防。SPC给企业各类人员都带来益处：对于消费第一

8、线的操作者，可用SPC方法改良他们的任务；对于管理干部，可用SPC方法消除在消费部门与质量管理部门间的传统的矛盾；对于指点干部，可用SPC方法控制产质量量减少返工与浪费提高消费率。 SPC开展到如今曾经成为一个比较庞大的质量控制学科，各种SPC控制技术已达近百种之多，然而这些技术都是基于一个一样的根本原理，即统计学中的小概率事件原理：“在一次观测中，小概率事件是不能够发生的，一旦发生就以为系统出现问题。把此原理转化为工程技术言语，可描画为：“预先假定工序处于某一形状，一旦显示出偏离这一形状的极大能够性就以为工序失控，于是需求及时进展调整。 SPC的特点有：(1)SPC是全系统的，全过程的，要求

9、全员参与，人人有责。这点与全面质量管理的精神完全一致。(2)SPC强调用科学方法(主要是统计技术，尤其是控制图实际)来保证全过程的预防(3)SPC不仅用于消费过程，而且可用于效力过程、教学过程和一切管理过程。 2 SPC开展简史 过程控制的概念与实施过程监控的方法早在20世纪20年代就由美国的休哈特(WAShewhart)提出。今天的SPC与当年的休哈特方法并无根本的区别。在第二次世界大战后期，美国开场将休哈特方法在军工部门推行。但是，上述统计过程控制方法尚未在美国工业结实扎根，第二次世界大战就已终了。战后，美国成为当时工业强大的国家，没有外来竞争力量去迫使美国公司改动传统管理方法，只存在美国

10、国内的竞争。由于美国国内各公司都采用类似的方法进展消费，竞争性不够强，于是过程控制方法在19501980年这一阶段内，逐渐从美国工业中消逝。反之，战后经济蒙受严重破坏的日本在1950年经过休哈特早期的一个同事戴明(WEdwards Deming)博士将SPC的概念引入日本。从19501980年，经过30年的努力，日本跃居世界质量与消费率的领先位置。美国著名质量管理专家伯格(RogerWBerger)教授指出，日本胜利的基石之一就是SPC。在日本强有力的竞争之下，从80年代起，SPC在西方工业国家复兴，并列为高科技之一。例如，加拿大钢铁公司在1988年列出的该公司七大高科技方向中就包括SPC。美

11、国从20世纪80年代起开场推行SPC。美国汽车工业已大规模推行了SPC，如福特汽车公司，通用汽车公司，克莱斯勒汽车公司等上述美国三大汽车公司在IS09000的根底上还结合制定了QS9000规范，在与汽车有关的行业中，颇为流行。美国钢铁工业也大力推行了SPC。 三 控制图 1 什么是控制图 在统计过程控制实施过程中，控制图是非常重要的工具。 控制图是对过程质量加以测定、记录从而进展控制管理的一种科学方法设计的图。图上有中心线(CL)、上控制界限(UCL)和下控制界限(LCL)，并有按时间顺序抽取的样本统计量数值的描点序列。如以下图：图：控制图实例 2 控制图原理控制图的运用基于一个重要假设，即当

12、过程受控时，由过程产生的数据是独立的且服从于均值为，规范差为的正态分布。控制图是基于数理统计知识建立起来的一种过程控制工具，详细地讲它是把假设检验的原理运用到了这张图上，即利用假设检验的小概率原理来设计判别过程能否异常的准那么，然后经过图上点的变化来对过程的运转情况进展判别。控制图是根据正态分布的原理构成的。假设一个统计量服从正态分布或近似正态分布，即，其中是的均值，是的规范差。根据原理，有这阐明，对统计量作大量反复察看，那么其中9973的值应在区间之间，仅有在此区间外。这就意味着：在1000个产品中不超越27个不合格品出现，就以为该过程的动摇属于正常动摇。假设有更多个不合格品出现，就以为该过

13、程的动摇属于异常动摇。为了方便在消费现场运用和及时记录质量动摇情况，把正态分布图及其控制限同时旋转，并以纵轴为统计量值(均值，规范差等)，并在处各引出一条程度线(用虚线表示)。这样就构成了一张控制图。图中三条程度线各有一个称号：为控制上限，记为UCL(upper control limit) 为控制下限，记为LCLlower control limit 为控制中心线，记为CL(central line)在现场运用时，先规定一个时间间隔(如每1小时或2小时)，然后按时抽取一个样本，丈量每个样品的质量特性，计算其平均值。最后把计算结果点在控制图上，如此不断反复，累计到一定数量后就可以对过程有无异常

14、动摇做出判别。假设无异常动摇，可以为过程受控；假设有异常动摇，那么以为过程失控。3控制图的受控形状判别准那么假设控制图上的一切点都在控制界限内，而且陈列无异常，那么阐明消费过程处于统计控制形状，对工序过程产生影响的只需随即要素，没有系统要素。在实践运用中，判别点子陈列能否异常可以有许多详细的规范，如断定是正常的准那么有：延续25点中没有1点在控制界限外；延续35点中最多有1点在控制界限外等。而断定异常的准那么又有：延续6点或更多点呈上升或下降趋势；延续7点或更多点落在中心线同一侧(上侧或下侧)等。这些断定准那么都主要是运用小概率事件的原理得到的，由于准那么中事件发生的概率，经过计算都是小概率事

15、件，都是以为不会发生的，如今发生了，我们那么以为过程异常。4控制图是如何贯彻预防原那么的 控制图是如何贯彻预防原那么的呢?这可以由以下两点看出：一是运用控制图对消费过程不断监控，当异常要素刚一显露苗头，甚至在未呵斥不合格品之前就能及时被发现。例如在控制图重点子构成倾向图中点子有逐渐上升的趋势，可以在这种趋势呵斥不合格品之前就采取措施加以消除，起到预防的作用。二是在现场，更多的情况是控制图显示异常，阐明异因曾经发生，这时一定要贯彻以下20个字：“查出异因，采取措施，保证消除，不再出现，纳入规范。假设不贯彻这20个字，控制图就形同虚设，不如不搞。每贯彻一次这20个字，即经过一次这样的循环，就消除一

16、个异因，使其在过程中不再反复出现，从而起到预防的作用。由于异因普通只需有限多个，故经过有限次循环后，最终可以到达这样一种形状：在过程中只存在偶因此不存在异因。这种形状称为统计控制形状或稳定形状，简称稳态。稳态是过程追求的目的。由于在稳态下运转过程，质量有完全的把握，质量特性值有9973落在上下控制界限之间的范围内；其次，在稳态下运转过程，不合格的情况最少，因此过程也是最经济的。一个过程处于稳态称为稳定过程，一个系统中的每个过程都处于稳态称为全稳系统。SPC就是经过全稳过程到达系统的全过程预防的。综上所述，虽然质量变异不能完全消灭，但控制图是使质量变异成为最小的有效工具。5控制图的分类(1).数

17、据的种类a 计量值计量值是作为延续量所测得的质量特性值，如长度m、分量埏、抗拉强度kgfmm2等。不能用物理性测定获得的数据，例如，用感官检验和评价汽车设计得好不好，评定为最好时打10分，评定为最不好时打0分，这样的分数也是计量值。 b 计数值 计数值是以个数数得的质量特性值，如不良品数、缺陷数等，而且是取0，1，2，这样的正整数值。(2).常规控制图的分类按控制图丈量性质不同，控制图可分为计量型控制图和计数型控制图两大类。前者反映产品或过程特性的计量数据，后者反映计数数据。 计量型控制图可分为：a 均值一极差(Xbar-R)图：适用于长度、分量、时间、强度、成分以及某些电参数的控制：均值一极

18、差控制图的打点对象为子组的均值x和子组的极差R。其统计学特点决议了它具有适用范围广、信息量大、灵敏度高的特点。因此是最常用、最重要的控制图.b 单值一挪动极差(Xbar-Rs或X-moving R)图：；单值一挪动极差图控制对象的每一个数据打点记录于x图，将相邻数据之差的绝对值记入M 图，其打点相对而言较为方便 单值一挪动极差图多用于以下场所：1、对每个产品都进展检验，采用自动化检查和丈量的场所；2、取样费时、昂贵的场所；3、样品均匀，多抽样也无太大意义的场所。c 均值-规范差(Xbar-S)图：适用于样本较大的过程控制；d 中位数极差(MedianR)图，主要用于早期手工计算，现己根本淘汰。

19、计数型控制图可分为：a 缺陷数(c)控制图：计数检验的个数相对于被检验对象的总体很少时适用b 百分率(p)图：适用于计数的值所占比例较大的情况。6 .控制图的演化与开展在休哈特之后，提出了数十种控制图，值得留意的有以下几种：(一) 多元控制图 在IC制造过程中，消费工艺经常需求经过观测多个质量特性来进展控制。当这些参数之间存在不同程度的相关关系时，采用传统的单变量控制图将不能可靠的对工艺的实践形状进展表征和控制。这种需求同时思索几个相互联络的变量问题，称为多变量控制或者多变量过程控制问题. 下面将针对这种具有多个质量特性、并且它们相互关联情况，系统分析采用单变量控制图存在的局限性，在此根底上利

20、用多元统计实际，提出了引入多变量控制图实现工艺的控制的方法。假设某一个过程需求用两个变量五和置来表征，并且这两个变量相互独立，均服从正态分布。按照单变量控制图原理，对每一个参量作出均值控制图，就可以分别监测单个参量的变化情况，按照单变量控制图的判别规那么，只需当样本数据均值墨和夏均在各自的控制限以内，才以为工艺过程是处于受控形状。 在实践消费中，经过独立监测这两个参数的变化情况来判别过程的受控形状将违背控制图的根本原理。对单变量控制图，当过程处于受控形状时，和超出其控制限的概率，即出现第一类错误的概率都是O.0027。但是，假设它们都处于受控形状，而且和同时处于受控形状的概率是(0.9973)

21、(0.9973)=0.99460729。这时出现第一类错误的概率为1-0.9946=0.0054，是单变量情况的两倍。这两个变量同时超出控制限的结合概率是(0.0027) (0.0027)=0.00000729，比O.0027小得多。因此，在同时监测和的受控形状时，运用两个独立的均值控制图曾经偏离了常规控制图的根本原理，这时出现第一类错误的概率以及根据受控形状下数据点的形状得到正确分析结论的概率都不等于由控制图根本原理所要求的程度。随着变量的个数的增多，这种偏离将会更加严重。普通来说，假设一个工序有p个统计独立的参量，假设每一个控制图犯第一类错误的概率都等于，那么对于结合控制过程来说，第一类错

22、误实践的概率是： 当过程处于受控形状时，一切p个参量都同时处于控制限以内的概率为：p一切p个参数处于控制限以内)= 显然，即使对于变量个数p不是很大的情况，在结合控制过程中的这种偏离也能够是严重的。特别是假设p个变量不是相互独立的，在元器件消费中，这种是常见的情况，上两式就不成立了，也就没有很简单的方法丈量这种偏离。(二).小批量消费控制图随着柔性消费的开展，多种类小批量消费日益普及，小批量消费的质量控制越来越重要。多种类、小批量消费的关键在于小批量,小批量就意味着产品数量少、数据少,故与统计控制所需求的大量数据产生矛盾。为此，处理问题的方法之一是可充分利用当前小样本和历史信息,将类似工序哪些

23、工序可称为类似工序呢?可以从以下几个方面调查 ：a.同一类型的质量目的;b.同一台或同一型号的设备;c.同一类型的加工件的数据即同类型分布的数据,经过数学变换主要是规范变换使之成为同一分布的数据,积少成多,在同一张控制图上进展控制。还可以用这种贝叶斯预测方法：它试图讲有关消费过程的历史检验数据与人们对过程的客观评价、预测和判别相结合，经过综合主、客观信息来对过程变化作出预测，从而在保证预测精度的同时，大大减少了对样本容量的要求，因此它特别适宜于小样本的质量控制。(三)累积和控制图 休哈特控制图的缺陷是只利用了过程当前点子的信息，而没有充分利用整个样本点子的信息，故对过程的小变动，譬如小于10

24、o的变动，检出不够灵敏。对此，1954年佩基(ESPage)最早运用序贯分析原理，提出累积和控制图(Cumulative Sum Control Chart，CUSUM)。它可以将一系列点子的微弱信息累积起来，对过程的小变动较灵敏。(四)指数加权滑动平均控制图 指数加权滑动平均控制图是另一个适用于检出过程小动摇的控制图，其性能几乎与累积和控制图一样，而且在某些情况下较之CUSUM图更容易建立与操作。它最早由罗伯茨(SWRoberts)n73在1959年提出。由于EWMA是一切过去与当前观测值的加权平均，所以对正态性变化很不敏感，将它与个别观测值结合运用可得到更好的效果。一元CUSUM图与一元E

25、WMA图在工序控制中得到日益广泛的运用。 (五)模糊控制图 1996年，我国张公绪教授的学生陈志强博士提出了基于模糊信息的多种模糊控制图，如贴近度控制图，基于模糊集代表值的控制图，基于加权合成值的控制图等，可用来处理感官性目的的质量控制问题。他还提出模糊不合格品率控制图，较之传统的不合格品率控制图更为灵敏。根据“过程异常这一模糊景象，进一步提出了基于模糊判异的控制图，为模糊推理的质量诊断专家系统提供了输入接口。四 二元自相关过程的残差控制图本例研讨的二元自相关过程调查两个随机变量=其中一个随机变量的观测值相互独立且服从正态分布;另一个随机变量服从一阶自回归AR模型.且两个随机变量彼此独立,在参

26、数知的设定下.本文针对这一问题提出了二元自相关过程的残差控制图，并分析了该控制图的适用范围和控制效果。1 统计量和控制图Hotelling的统计量是运用最广泛的一种多元控制图统计量，表示许多不同多元观测点组合统计意义上间隔 的平方。实践上统计量是将多元样本观测值转换为一元统计量.其根本前提是多元观测值服从多元正态分布，目前有一些不同的概率函数可以描画统计量。1假设观测向量的观测值服从正态分布，均值，协方差矩阵知，观测向量的统计量为 1其中为自在度是2的分布。2假设观测向量的观测值服从正态分布，均值和协方差矩阵未知，均值和协方差矩阵由样本均值和协方差S来估计。这些估计值根据处于统计控制形状的过程

27、的历史数据计算得到。观测向量独立于和S，其统计量为 2其中是自在度为p和n-p的F分布。3假设服从正态分布的均值协方差矩阵未知，观测向量不独立于估计值和S，而且在计算和S时用到了X的观测值。在这种情况下，统计量的分布是 3其中为参数分别是和的Beta分布。根据上述概率分布规律，即可在不同情况下构造与之相顺应的控制图。控制图由上控制限UCL和按时间顺序抽取的观测点的值的描点序列组成。假设值超越UCL，就阐明过程出现了异常。 2. 残差控制图 令 表示一个二元自相关过程。假设变量服从的正态分布。其中和知。令表示变量在第时辰的观测值且彼此独立。其中。假设变量服从一阶自回归AR1模型.令表示变量在第时

28、辰的观测值 4其中自回归系数知且,为白噪声序列在第时辰的观测值，服从规范正态分布，。如前所述，本文所讨论的二元自相关过程不符合统计量的根本前提。故须对变量 进展变换。记变换后的变量为。变量独立且服从正态分布，因此令。由式4可得误差项 5其中。误差服从规范正态分布。令表示误差，即, 6至此已将原有的二元自相关过程转换成的二元过程。其中变量和都是独立的，并且服从的二元正态分布。因此二元过程满足统计量的前提假设，在参数知的条件下，二元自相关过程的残差控制图构造如下：每一对观测值的值可按下式计算 7其中，是均值向量，是 的协方差矩阵。对于给定的误发警报概率，由于二元自相关过程的各个参数知，所以上控制限

29、为其中是有2个自在度的分布的上分位点。假设 那么该二元自相关过程处于统计控制形状，假设有任何一对观测值的值大于，就阐明过程出现了异常。3 .残差控制图的控制效果学术界和企业界通常采用平均链长,作为评价控制图的目的平均链长是指对某一个确定的质量特性程度，控制图从开场进展控制直到发出警报信号为止所抽取的平均样本数。在过程处于统计控制态时等于，越长，控制图的效果越好。当过程未处于统计控制态时越短，控制图的效果越好。本文采用Monte Carlo模拟方法得到二元自相关过程残差控制图的。每次模拟都要生成210000对数据，每对观测值都是从一个二元自相关过程中生成的，其中按照正态分布生成，按式4生成，误差

30、服从正态分布，对于每个二元自相关过程，前10000对数据是从处于统计控制形状的过程中生成的并作为历史数据集，后200000对数据是在对引入偏移量之后生成的。像这样的200000对数据要反复生成50次，模拟中还思索了不同的自相关系数和偏移量幅度，对每一种和的组合，都思索和三种不同统计控制形状的。下表是时的模拟结果。表中列示了残差控制图监控一族该二元自相关过程在不同偏移量下的。根据表1的数据可绘制在时随自回归系数的变化曲线。(见图1)和随偏移量的变化曲线.(见图2),从图1中可以看出,在一定,一定的情况下,总体上对于自回归系数指数递增;从图2中可以看出,在一定,一定的情况下,总体上对于偏移量指数递

31、减,当时亦可得到同样结论。假设均值偏移量发生在变量第10000个观测值和第10001个观测值之间，那么变量的均值由变为,又由于变量服从AR1模型，所以 8由于自回归系数知，所以当时 9 10由此可见的均值向量为其中。同样根据表1的数据可绘制时随的变化曲线，图 比较和0.01时随的变化曲线，无论取何值与之间的关系是一致的。对于是指数递减的，并且收敛于1,对于给定，由独一决议。4 残差控制图的适用范围控制图在统计控制形状下，其为,假设控制图经过大约个点或多于个点才有超越UCL的点，就缺乏以证明过程出现了异常,控制图只需在过程出现异常时的记为明显小于过程处于统计控制形状时的记为时才有意义。这里商定，

32、假设 11就以为明显小于，本文的模拟结果显示，在某些情况下与过于接近，表中黑色数字区域中的所对应的情形是残差控制图不能适用的情况，而其他区域中的所对应的情形是残差控制图适用的情况。模拟结果显示，对于给定的偏移量，无论取何值，自回归系数的取值范围几乎不变。对于给定的，偏移量越大，自回归系数的取值范围就越大。即当偏移量增大时，残差控制图的适用范围也随之扩展。 此外，对于给定的，当残差控制图适用时，根据模拟结果数据和式11.即可得到取值范围。结果显示的取值范围大体上不随着值的改动而改动，残差控制图的适用范围仅由的取值所决议。5 .结论本例讨论了一个变量独立，另一变量服从一阶自回归模型的二元自相关过程

33、，在过程一切参数知的条件下，提出了残差 控制图5经过Monte carlo模拟，以为评价目的讨论了残差 控制图的控制效果和适用范围。在参数知的情况下，未处于统计控制形状的随自回归系数指数递增，随偏移量指数递减；残差控制图的适用范围由的值所决议，与误发警报概率关系不大。总之，残差控制图可对大部分该二元自相关过程进展有效控制。 五SPC的未来开展方向为SPD休哈特在SPC实际方面作出了杰出的奉献，SPC可以判别过程的异常, 及时报警,奉献良多。但SPC也有其历史局限性, 当休哈特控制图显示异常时，它并不能告知和不能判别异常是由什么要素引起的,发生在何处,也不能进展诊断,而在现场迫切需求处理诊断问题

34、,否那么即使想要纠正异常,也无从下手.故现场与实际都迫切需求将SPC开展为SPD.SPD就是利用统计技术对过程中的各个阶段进展监控和诊断,从而缩短诊断异常时间(以便迅速采取纠正措施)、减少损失、降低本钱、保证产质量量，提高办事效率的目的.SPD不但具有对SPC的及时报警进展控制的功能,并且具有SPC所没有的诊断功能,故SPD是SPC进一步开展的新阶段.SPD(Statistical Process Diagnosis)即统计过程诊断,是20世纪80年代由我国质量管理专家张公绪初次提出的. 1980年,张公绪提出选控控制图.选控图是统计诊断实际的重要工具,奠定了统计诊断实际的根底.选控控制图，是

35、可以选择部分异因加以控制的控制图。前述控制图，包括休哈特图等在内的控制图都是全控图。所谓全控图是对一切的异因都加以控制的控制图。1980年张公绪提出选控图系列，可以用来选择部分异因加以控制，从而减少搜索异因的范围，提高效率。选控图是运用数学变换来实现选控的，在统计过程诊断实际中具有重要的作用。1982年,张公绪又提出了两种质量诊断实际,将SPC统计过程控制实际上升为SPD统计过程诊断实际，并于1987年荣获国家科技提高奖。它突破了传统的休哈特质量控制实际,开辟了质量诊断的新航向. 以后,1994年提出了多元逐渐诊断实际，抑制了西方国家统计诊断实际第一种错误概率大的缺陷。1996年提出了两种质量多元诊断实际，处理了工厂普遍存在的多工序、多目的消费线的控制与诊断问题，居世界领先程度。 众所周知，多工序、多目的的消费线是普遍存在的。对于多工序系统，需求诊断上下工序影响，这就需求运用两种质量诊断实际。对于多目的系统，需求在目的相关的条件下进展诊断，这就需求运用两种质量多元逐渐诊断实际。对于多工序、多目的系统而言，既有上工序影响又有目的相关性，情况就格外复杂，所以需求同时运用两种质量诊断实际和两种质量多元逐渐诊断实际。目前，我国根据上述诊断实际已开发出两种诊断软件。一种是根据“两种质量