面向曲面与流形数据的统计过程控制的内在几何方法
应用统计
2020-07-13 v3
摘要
我们提出一种基于零件内在几何属性(由三维传感器数据估计)的离散零件制造系统统计过程控制(SPC)新方法。内在方法具有避免困难零件配准问题的计算优势,而该配准在先前三维几何数据SPC方法中必要,但在使用非接触传感器时不适用。该方法估计扫描零件拉普拉斯-贝尔特拉米(LB)算子的谱,并使用多元非参数控制图进行在线过程控制。我们的方案使SPC更接近于旨在检测形状(而非尺寸)大差异的计算机视觉与计算机图形学方法。但SPC问题不同之处在于需检测零件形状或尺寸的微小变化,保持可控误报率且不完全滤除噪声。我们给出了在线或“第二阶段(Phase II)”方法,以及无先验数据启动时(“第一阶段(Phase I)”)的方案。与需配准的早前方法比较显示,LB谱方法对快速检测形状与尺寸微小变化更敏感,包括零件数据集序列为大尺寸不等网格这一实际情形。我们还提出一种报警后诊断方法以探查零件表面缺陷位置。虽本文聚焦曲面(三角化)数据,这些方法亦可应用于点云与体素计量数据。
引用
@article{arxiv.1907.00111,
title = {An Intrinsic Geometrical Approach for Statistical Process Control of Surface and Manifold Data},
author = {Xueqi Zhao and Enrique del Castillo},
journal= {arXiv preprint arXiv:1907.00111},
year = {2020}
}