郭佳晟，刘以建

(上海海事大学物流工程学院，上海 201306)

0 引言

统计过程控制(Statistical Process Control, SPC)是经典质量控制方法，其对于单一变量的监控可以有效的提高生产质量。但在现代复杂工艺的生产过程的生产过程中，常常存在多个具有相关关系的质量特性和过程参数，例如零件加工的长度和直径、化工过程的温度、压力等。Hotelling H在1947年首先提出了基于T2统计量的多元控制图，用于对包含多个质量特性的生产过程实施统计监控，由此有了多变量统计控制过程(Multivariate Statistical Process Control, MSPC)的研究[1]。相继有了多元累积和(Multivariate Cumulative Sum, MCUSUM)控制图[2]以及多元指数加权移动平均(Multivariate Exponentially Weighted Moving Average, MEWMA)控制图[3]等。

普通多元控制图都是基于多元正态的假设上构建的。然而实际生产过程中，样本数据存在非正态现象[4]。当过程变量较多时，过程数据也很难满足多元正态假设，多元控制图的效果会大大下降，导致误报和漏报。因此针对非参数控制图的研究是必要的，即不依赖总体分布，依旧能对生产过程达到监控效果的控制图。

在过去几年里,非参数控制图已经引起了很多关注，有了许多关于非正态数据的质量控制和MSPC的研究，如乔新颖[5]提出基于偏度校正的非正态过程质量控制图和基于比例加权方差方法的非正态过程质量控制图；魏明月[6]提出对Box-Cox数据转换函数的改进方法；姜兴宇等[7]应用秩统计量分割数据与其分布的关系，结合滑动窗口实现了动态再制造过程质量的自适应监控；石文华等[8]考虑到轴承径向间隙参数可能存在的非正态情况，用Johnson转换的方法进行非正态过程能力分析；……