Resumen

El seguimiento de un proceso multivariante con el uso de gráficos de control estadístico multivariante de procesos (MSPC) ha recibido una atención considerable. Sin embargo, en la práctica, el uso de gráficos MSPC suele tropezar con una dificultad. Esta dificultad implica qué variable de calidad o qué conjunto de variables de calidad es responsable de la generación de la señal. Este estudio propone un esquema híbrido que se compone de análisis de componentes independientes (ICA) y máquina de vectores soporte (SVM) para determinar las variables de calidad de fallo cuando existe una perturbación de cambio de paso en un proceso multivariante. El esquema híbrido ICA-SVM propuesto aplica inicialmente ICA al gráfico Hotelling T2 MSPC para generar componentes independientes (CI). La información oculta de las variables de calidad del fallo puede identificarse en estos CI. A continuación, las CI se utilizan como variables de entrada del clasificador SVM para realizar el proceso de clasificación. Se investiga el rendimiento de varios diseños de proceso y se compara con el método de clasificación típico. Utilizando el enfoque propuesto, las variables de calidad de fallo de un proceso multivariante pueden determinarse de forma precisa y fiable.

• Materias:Análisis Matemático Álgebra Ingeniería Matemática aplicada Lógica matemática
• Subjects:Mathematical Analysis Algebra Engineering Applied Mathematics Mathematical logic
• Palabras claves:variables de calidad de fallos, proceso multivariado, ics, gráfico hotelling t2 mspc, control estadístico multivariado de procesos, análisis de componentes independientes, máquina de vectores soporte, método típico de clasificación, varios diseños de procesos, ica
• Keywords:fault quality variables, multivariate process, ics, hotelling t2 mspc chart, multivariate statistical process control, independent component analysis, support vector machine, typical classification method, various process designs, ica