复杂几何形状中孤立与持续性缺陷的统计过程监测
摘要
传统的统计过程控制方法在监测复杂几何形状（如增材制造技术所得产品）中的缺陷时面临若干挑战。由于数据的高维性以及对物体形状缺乏参数化和分布假设，许多方法无法应用于此类场景。受一项涉及蛋形骨小梁结构监测的案例研究启发，我们考察了两种近期提出的方法，以检测由材料过多或过少引起的对名义 IC 模型的偏离。我们的研究聚焦于同时检测几何结构中孤立的大尺度变化以及持续的小尺度偏离。我们比较了 Scimone 等人（2022）与 Zhao 和 del Castillo（2021）的方法，用于在 3D 打印物体的小规模 Phase I 样本中监测缺陷。前者控制图能够检测大缺陷，而后者可检测具有持续性小缺陷的不合格物体。此外，我们通过提出一种基于核主成分的降维技术，解决了 Zhao 和 del Castillo 方法中待监测特征值个数选择这一基本问题。结果表明，即便考虑大量特征值，该方法仍具有良好的检测能力。通过利用两种监测方案对不同幅度不合格项的敏感性，我们还提出了一种新颖的联合监测方案，能够在所考察的案例研究中识别两类缺陷。实现这些方法并复现结果的 R 和 Matlab 计算机代码作为补充材料的一部分提供。
引用
@article{arxiv.2310.12876,
title = {Statistical Process Monitoring of Isolated and Persistent Defects in Complex Geometrical Shapes},
author = {Sara Bonacina and Daniele Zago and Giovanna Capizzi and Bianca Maria Colosimo},
journal= {arXiv preprint arXiv:2310.12876},
year = {2024}
}
备注
We identified some issues in applying the LB method to the data in the study, which impacted the accuracy and reliability of the results. We sincerely thank Professor Enrique del Castillo and Yulin An for their valuable comments and insights, which helped identifying these issues. We appreciate their contributions and are currently in the process of revising and improving the manuscript