基于控制过度遗漏发现概率的高维数据流故障诊断程序

论文摘要

随着科技的创新和社会的进步,数据采集技术得到显著提升,在医学、机械、工业生产等领域,已经不再仅仅监控单一数据,而需要针对高维数据流（Highdimensional Data Stream,HDS）进行实时监控,这令统计过程控制（Statistical Process Control,SPC）面临新的挑战。一旦生产过程发生异常,SPC中的故障诊断过程需要在系统发出OC（Out-of-Control）状态报警信号后识别产生偏移的原因,通过采取相应措施使生产过程恢复到稳定状态,因此HDS故障诊断成为近些年的一个研究热点。本文将多重检验方法运用到SPC领域中的故障诊断问题,创新地提出一种基于控制过度遗漏发现概率（Missed Discovery Excessive Probability,MDX）的HDS故障诊断程序。首先将生产过程中的高维数据流刻画为一个统计模型,然后将该故障诊断问题转化为控制MDX在一个合适水平的多重检验问题,最后通过寻找该多重检验问题的解,以此作为故障诊断问题的决策规则,并通过相关理论的提出与推导证明了该方法具备的理论基础。为适应更广泛的实际运用,依据原始数据相关参数和统计信息是否已知,本文也相应地分别提出了Oracle和Data-Driven故障诊断程序,它们在实际生产过程中同样适用。同时,为直观展示本文创新提出的程序具备更高的诊断精度,本文也将其与基于控制遗漏发现率（Missed Discovery Rate,MDR）的HDS故障诊断程序作了理论分析与数值比较,发现它能够减小系统故障诊断犯错误的概率,更大程度地识别生产过程中的OC数据流,因此能够提高诊断精确度。最后,通过将其应用到一组半导体制造生产数据中,本文实现了对该半导体生产过程的故障诊断,消除过程异常,也体现出该程序在实际应用中具备的价值。

论文目录

• 摘要
• Abstract
• 第一章 引言
• 第二章 基于控制MDX的HDS故障诊断程序
•   §2.1 模型与理论
•     §2.1.1 模型刻画
•     §2.1.2 基于控制MDX的多重检验问题
•     §2.1.3 多重检验问题的解
•   §2.2 Oracle故障诊断程序
•     §2.2.1 Monte-Carlo近似计算
•     §2.2.2 Oracle故障诊断程序
•   §2.3 Data-Driven故障诊断程序
• 第三章 数值模拟
•   §3.1 基于p值与Lfdr形式的故障诊断程序比较
•   §3.2 基于控制MDX与MDR的故障诊断程序比较
•   §3.3 Oracle与Data-Driven故障诊断程序比较
• 第四章 实例分析
•   §4.1 半导体生产数据分析
•   §4.2 半导体生产数据故障诊断
• 第五章 总结与展望
• 参考文献
• 附录
• 致谢

文章来源

类型: 硕士论文

作者: 徐嘉辉

导师: 濮晓龙

关键词: 统计过程控制,高维数据流,故障诊断,多重检验,过度遗漏发现概率

来源: 华东师范大学

年度: 2019

分类: 基础科学

专业: 数学

单位: 华东师范大学

分类号: O213.2

总页数: 57

文件大小: 3454K

下载量: 20