《大数据：数据驱动的过程质量控制与改进新视角》
计算机集成制造/2019/合肥工业大学
大数据本身并不是目的，而是看待问题的一种 途径和解决问题的一种手段，如何通过大数据分析 技术解决实际生产运营中的质量、效率、物流、供应 链等问题才是大数据的核心目的。
文献综述
数据驱动的过程质量控制与改进的国内外研究现状从这三个方面着手：
（1）过程监控与诊断
生产过程监控与诊断致力于发现生产过程中是否存在异常波动并诊断异常产生的原因，以有效降低次品率。但是这种监控方法只能在异常发生时给出报警，不能提前预报可能出现的异常状况,具有一 定的时间滞后性。称之为被动预防。
（2）过程质量预测
使生产人员提前掌握质量变化的趋势，在质量控制中变被动为主动。
（3）生产工艺优化
在长期生产中，制造企业积累了丰富的生产过程质量控制经验，不断优化着影响产品质量的各种因素和条件。
研究现状总结和问题分析：
扫描二维码关注公众号，回复：
12906148 查看本文章
大数据时代，传统的多元统计监控方法正在向基于人工智能的质量智能诊断方法转化，传统以时间序列法和统计回归法为主的质量预测逐渐向以神经网络、支持向量机、模糊理论等为主流技术的智能预测方法转化，以往以人工经验为主的过程优化逐渐转向数据驱动的智能决策优化，这种转化不是摒弃，而是两者合理的交互与融合。
待解决的问题：
（1）过程质量控制的实时性问题
（2）智能模型的泛化性问题
（3）决策边界的实时更新问题
（4）模型构建与过程作用机制的结合问题
（5）质量数据与过程知识的重用问题
大数据视角下的质量控制与改进方法
1 生命周期理论
2 基于数据生命周期的过程质量控制与改进动态演化框架
