《生产过程质量控制统计方法+控制图+第7部分：多元控制图GBT+17989.7-2022》详细解读

《生产过程质量控制统计方法控制图第7部分：多元控制图GB/T17989.7-2022》详细解读contents目录1范围2规范性引用文件3术语和定义4符号和缩略语4.1符号4.2缩略语5多元控制图的应用目的和分类5.1多元控制图的应用目的和适用条件contents目录5.2多元控制图的分类6监测均值偏移的多元控制图(不作加权处理)6.1概述6.2监测过程均值的控制图(n>1)6.3监测过程均值的控制图(n=1)6.4不作加权处理的多元控制图监测均值偏移的总结和选择6.5可查明原因的监测7监测均值偏移的多元控制图(进行加权处理)contents目录8监测过程散布的多元控制图9失控信号的解释附录A(资料性)多元统计过程控制的实例附录B(资料性)MEWMA控制图的实例附录C(资料性)μ和Σ的估计参考文献011范围计量型多变量特性控制标准适用于计量型多变量特性的统计过程控制，不涉及主成分分析和偏最小二乘法等高级统计技术的应用。多元控制图的应用本部分标准明确了多元控制图在生产过程质量控制中的应用，它适用于需要同时监测两个或多个存在关联关系的质量特性的场景。统计过程控制指导提供了构建和应用多元控制图进行统计过程控制的详细指南，帮助企业或组织更好地实施质量控制。1范围022规范性引用文件核心引用本部分主要引用了国际标准ISO7870-7:2020作为多元控制图的制定基础和指导，确保与国际接轨，提高标准的通用性和实用性。2规范性引用文件其他相关标准此外，还参考了国内已制定的其他控制图系列国家标准，如GB/T17989.1-2020至GB/T17989.4-2020等，这些标准共同构成了生产过程质量控制统计方法的完整体系。技术委员会规范在制定过程中，遵循了全国统计方法应用标准化技术委员会（TC21）的相关规定和要求，确保标准的科学性和规范性。033术语和定义3术语和定义多元控制图一种用于同时监控多个质量特性的控制图，帮助及时发现过程中的不稳定因素。质量特性产品、过程或体系中与要求有关的固有特性，如尺寸、重量、性能等。统计过程控制（SPC）应用统计技术对过程中的各个阶段进行评估和监控，建立并保持过程处于可接受的且稳定的水平，从而保证产品与服务符合规定的要求的一种质量管理技术。044符号和缩略语缩略语多元控制图中可能会使用一些缩略语，如MCL（MultivariateControlLimit，多元控制限）、CL（ControlLimit，控制限）、AL（ActionLimit，行动限）等，以简化图表并提高可读性。符号在多元控制图中，常使用各种符号来表示不同的数据点、控制限、中心线等。例如，数据点可能用小圆点表示，控制限可能用虚线或实线表示，中心线可能用粗实线表示。解读示例例如，在一张多元控制图上，如果某个数据点超出了MCL，这可能意味着该批次的产品质量存在问题，需要进一步调查。同时，图表上的CL和AL线可以帮助工作人员快速判断生产过程是否处于受控状态，从而及时采取措施进行调整。4符号和缩略语054.1符号符号定义本部分将详细定义在多元控制图中使用的各种符号，包括但不限于数据点、中心线、控制限等，以确保图表的准确性和易读性。符号使用规则符号意义解释4.1符号说明如何根据数据特性和控制需求，正确使用这些符号进行图表的绘制和解读。规则可能涉及符号的大小、颜色、形状等视觉属性。对每个符号在多元控制图中的具体意义进行解释，帮助使用者正确理解图表信息，如数据点的分布、异常值的识别等。064.2缩略语01MSPC多元统计过程控制（MultivariateStatisticalProcessControl），这是一种质量控制方法，用于同时监测和分析多个质量特性，以评估生产过程的稳定性和能力。PCA主成分分析（PrincipalComponentAnalysis），在多元统计过程控制中，PCA常被用于降低数据维度，提取主要变化模式，帮助识别和理解多个质量特性之间的关系。PLS偏最小二乘法（PartialLeastSquares），这是一种统计分析方法，可用于处理多个自变量和因变量之间的关系，尤其在变量之间存在多重共线性时特别有用。4.2缩略语0203075多元控制图的应用目的和分类多元控制图能够同时监控多个存在关联关系的质量特性，帮助及时发现过程中的不稳定因素。同时监控多个质量特性通过对多个质量特性的综合监控，可以更有效地识别并控制影响产品质量的各种因素，从而提高产品质量水平。提高产品质量多元控制图有助于发现生产过程中的异常波动，为生产过程的优化和改进提供数据支持。优化生产过程5多元控制图的应用目的和分类085.1多元控制图的应用目的和适用条件同时监控多个质量特性多元控制图能够同时监控存在关联关系的多个质量特性，帮助生产者全面了解生产过程的稳定性。及时发现不稳定因素通过对多个质量特性的联合监控，多元控制图能够更敏感地捕捉到生产过程中的不稳定因素，从而及时进行调整。提高产品质量通过及时发现并处理生产过程中的问题，多元控制图有助于提高产品质量，减少不良品率。5.1多元控制图的应用目的和适用条件095.2多元控制图的分类5.2多元控制图的分类主元得分图该图通过将数据投影到主元空间，展示主元得分的变化情况。这有助于识别过程中的异常或变化趋势。平方预测误差(SPE)图此图反映了观测值与模型预测值之间的差异。当SPE值超出控制限时，可能表明过程中存在异常。HotellingT^2图这是一种常用的多元控制图，主要用于监测多个质量特性的总体变化。通过计算样本点与原点之间的马氏距离，来判断过程是否稳定。030201106监测均值偏移的多元控制图(不作加权处理)6监测均值偏移的多元控制图(不作加权处理)多元均值控制图的概念这是一种用于同时监控多个质量特性的均值是否发生偏移的控制图。与一元均值控制图类似，但其可以处理多个变量，适用于多变量生产过程的质量控制。作图方法首先，收集多变量数据，并计算每个变量的均值；然后，将这些均值在控制图上进行标点，以时间为序连接起来形成折线图；同时，根据历史数据或标准确定控制限，以判断当前过程是否处于受控状态。应用场景适用于那些需要同时关注多个质量指标是否稳定的生产过程，如化工、制药、食品加工等行业。通过监测多个变量的均值变化，可以及时发现生产过程中的异常，从而采取措施进行调整，保证产品质量的稳定性。116.1概述多元控制图通常用于同时监测多个质量特性的分布参数偏移情况。当多个质量特性存在关联时，常规的单变量控制图可能无法准确反映过程状态，因此需要应用多元统计过程控制。标准制定背景6.1概述GB/T17989.7-2022旨在为多元控制图在实际生产过程中的应用提供指导，确保过程保持稳定并及时发现不稳定因素。标准目的该标准详细介绍了多元控制图的应用目的、适用条件、构建方法以及解读技巧，为使用和理解计量数据多元控制图提供了常规方法。标准内容126.2监测过程均值的控制图(n>1)6.2监测过程均值的控制图(n>1)控制图类型当样本量n大于1时，用于监测过程均值的控制图主要有X-bar（均值）控制图和R（极差）或S（标准差）控制图。这些控制图可以联合使用，以同时监控过程的均值和变异情况。01构建方法对于X-bar控制图，首先计算每个样本的均值，并在控制图上标点。控制限的计算通常基于样本均值的分布和标准差。R或S控制图则用于监控样本间的变异情况，其构建方法与X-bar控制图类似，但关注的是极差或标准差的变化。02应用场景这类控制图适用于连续生产过程中的质量控制，特别是在产品特性受多个因素影响且需要监控多个变量时。通过持续监测和及时调整，可以确保生产过程的稳定性和产品质量的一致性。03136.3监测过程均值的控制图(n=1)控制图类型当样本大小为1时，用于监测过程均值的控制图是一种特殊的单值控制图。它适用于那些只能逐个获取观测值的生产过程，如某些高精度的测量或检测场景。构建与应用构建此类控制图时，需收集过程稳定状态下的历史数据，计算其均值和标准差，并据此设定控制限。在应用过程中，将实时观测值与控制限进行比较，以判断过程是否处于受控状态。特点与优势这种控制图的主要特点是能够针对单个观测值进行监控，及时发现过程中的异常波动。其优势在于对于小批量生产或高价值产品的质量控制具有高度的敏感性和实用性。6.3监测过程均值的控制图(n=1)146.4不作加权处理的多元控制图监测均值偏移的总结和选择总结6.4不作加权处理的多元控制图监测均值偏移的总结和选择-多元控制图在监测过程中，对于均值偏移的检测具有显著效果。-不作加权处理的多元控制图更适用于数据间权重差异不大的情况。-在实际应用中，需综合考虑过程的特性和要求，选择适当的控制图类型。6.4不作加权处理的多元控制图监测均值偏移的总结和选择-数据特性根据数据的分布、关联性和动态性等特点选择合适的控制图。-过程要求考虑生产过程对质量控制的具体要求，如精度、稳定性等。6.4不作加权处理的多元控制图监测均值偏移的总结和选择-实用性选择操作简单、易于理解和实施的控制图方法。-T²控制图用于监测多变量过程的整体波动情况。6.4不作加权处理的多元控制图监测均值偏移的总结和选择-MEWMA控制图适用于监测过程中小幅度但持续的均值偏移。-MCUSUM控制图对过程中的大幅度均值偏移较为敏感。6.4不作加权处理的多元控制图监测均值偏移的总结和选择156.5可查明原因的监测6.5可查明原因的监测改进措施在查明原因后，可以针对性地制定改进措施。例如，调整工艺参数、更换不合格的原材料、维修或更换故障设备等。这些措施的实施可以有效地提高生产过程的稳定性和产品质量。原因分析利用多元统计技术，可以对导致过程不稳定的原因进行深入分析。这些原因可能包括原材料的变化、工艺参数的调整、设备故障等。通过分析，可以准确地找到导致问题出现的根源。监测方法多元控制图通过同时监控多个相关联的质量特性，能够及时发现过程中的不稳定因素。当控制图显示异常时，可以通过分析控制图中的数据点，确定可能的原因。167监测均值偏移的多元控制图(进行加权处理)7监测均值偏移的多元控制图(进行加权处理)加权处理的必要性在生产过程中，不同的质量特性可能对产品的整体质量有不同的影响。通过加权处理，可以更加精确地反映各个质量特性对产品质量的重要性，从而提高多元控制图的敏感性和准确性。多元控制图的应用多元控制图可以同时监测多个存在关联关系的质量特性。当某些质量特性发生均值偏移时，多元控制图能够迅速识别并发出警报，帮助生产企业及时发现并处理生产过程中的异常情况。加权多元控制图的实施步骤首先，确定各个质量特性的权重；其次，根据权重对各个质量特性的数据进行加权处理；最后，将加权后的数据绘制在多元控制图上，并设定适当的控制限。通过这种方式，加权多元控制图能够更有效地识别出生产过程中的异常波动。178监测过程散布的多元控制图8监测过程散布的多元控制图应用实例例如，在制造业中，产品的多个质量指标（如尺寸、重量、硬度等）可能相互关联。使用多元控制图可以同时监控这些指标，及时发现任何异常波动，保证产品的整体质量。与常规控制图的差异与常规的单变量控制图不同，多元控制图能够考虑多个质量特性之间的关联性，提供更全面的过程状态信息。多元控制图的作用多元控制图主要用于同时监测多个存在关联关系的质量特性，帮助及时发现生产过程中的不稳定因素，从而对过程进行调整以确保产品质量。189失控信号的解释9失控信号的解释超出控制界限在多元控制图中，若某个质量特性的数据点超出设定的控制界限，即可视为失控信号。这通常意味着该质量特性可能出现了问题，需要进一步检查原因并采取相应的纠正措施。异常波动模式除了超出控制界限外，数据点呈现出的异常波动模式也可能是失控的信号。例如，数据点连续上升或下降、周期性波动等，这些都可能表明生产过程中存在某种不稳定因素。关联变量间的异常关系在多元控制图中，还需要关注多个质量特性之间的关系。如果某个变量的变化与其他变量存在明显的异常关联，如一个变量上升而另一个变量下降，那么这也可能是一个失控的信号，提示生产过程中可能存在某种未被识别的干扰因素。19附录A(资料性)多元统计过程控制的实例-某制造企业同时监控多个质量特性。-常规单变量控制图无法准确反映多变量间的关联性。实例背景附录A(资料性)多元统计过程控制的实例123多元控制图应用-采用多元控制图同时监控多个关联的质量特性。-通过图表展示，能够直观地看出过程是否处于统计控制状态。附录A(资料性)多元统计过程控制的实例实施效果-成功识别出常规控制图无法检测的过程异常。-提高了产品质量的稳定性和一致性。-为企业节省了因质量问题导致的额外成本。附录A(资料性)多元统计过程控制的实例20附录B(资料性)MEWMA控制图的实例实例背景提供了MEWMA（多元指数加权移动平均）控制图的具体应用实例，帮助理解和实施多元控制图。数据处理流程详细说明了从数据采集、处理到绘制控制图的全过程，包括数据的标准化、权重的选择等关键步骤。控制图解读通过实例展示了如何根据MEWMA控制图判断生产过程的稳定性和异常，为质量控制人员提供了直观的参考。附录B(资料性)MEWMA控制图的实例21附录C(资料性)μ和Σ的估计附录C(资料性)μ和Σ的估计μ的估计-在多元控制图中，μ代表多个质量特性的均值向量。-通过收集生产过程中的样本数据，可以计算出各个质量特性的平均值，从而得到μ的估计值。-准确的μ估计是构建有