作者：王秀红统计过程控制工程过程控制神经网络
摘要：为解决统计过程控制（SPC）/工程过程调整（EPC）整合引起的传统SPC控制图监测异常扰动效率低的问题,提出了采用神经网络技术监测SPC/EPC整合过程的策略,并对神经网络模型结构和参数设置进行分析,构建过程输入、过程输出及两者的协方差为输入参数,异常扰动发生与否为输出参数的3层神经网络模型。为验证该方法的性能,进行了大量的比较实验：即对相同的样本,分别采用Shewhar图、CUSUM图和上述神经网络模型进行监测。实验结果表明：神经网络模型能准确监测幅度大于2的阶跃扰动和大于2的过程漂移,平均运行步长（ARL）为1;传统SPC监测技术只能较准确地（监测率大于90%）监测幅度大于5的阶跃扰动和大于2的过程漂移,ARL大于2。与传统监测方法相比,该方法能快速有效地监测异常扰动的发生。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
