[英]Predicting SPC (Statistical Process Control)
我將簡要說明我的場景。 該公司批量生產閥門/螺母/螺栓等組件,出於質量目的需要測量尺寸(如長度、半徑、厚度等)。 由於檢查所有零件是不可行的,因此以批量方式選擇它們。 例如:從每 100 件批次中隨機選擇 5 件並測量其尺寸的平均值並注明用於繪制 SPC 控制圖(在 y 軸上繪制平均尺寸和在 x 軸上繪制批次號)。
盡管有許多因素(如操作員效率、機器/工具條件等)會影響產品質量,但它們似乎無法衡量。 我的目標是開發一個機器學習模型來預測即將到來的批次樣本的產品尺寸(平均值) 。 這將幫助操作員預測是否會有任何顯着的尺寸變化,以便他可以暫停工作並找出潛在原因,從而防止產品/材料的浪費。
我對 R 編程和機器學習技術(如決策樹/回歸等)有一些想法,但無法為此找到合適的模型。 主要是因為我想不出這種情況的自變量。 不過,我對時間序列建模不太了解。
有人會提出一些關於如何解決這個問題的見解/想法/建議。 很抱歉我不得不寫一個很長的故事,但只是想讓事情盡可能清楚。
提前致謝。 斯里納特
您的要求可能適用於三個級別的步驟:
1.基礎
使用機器學習自動應用 SPC 規則,例如。 用 Nelson 規則識別 SPC 圖表模式,並擴展到特定過程中的新變化模式。
2.補充
使用多變量收集和機器學習來預測 Cp 和 SPC 趨勢。 例如,煙霧顆粒會影響晶圓良率,如果數據分析模型將 SPC 和工人輪班安排聯系起來,可能會更早發現
3.智能代理
通過 SPC 和反應計划之間的集成自動處理事件。 代理模型通過鏈接 SPC 和 FMEA 並在 BAM 架構中使用 CEP 引擎構建。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.