Abstract

Recent advances in data acquisition and storage technologies have permitted the rapid collection of data over time at a relatively low cost. The implication of these advances to modern quality engineering is that many of today’s processes produce samples of individual observations that are grossly non-normal and, potentially, very highly autocorrelated. Consequently, the typical assumptions required by traditional control charting strategies for individual observations are not likely to be met by today’s more modern processes. This presents a significant challenge for today’s quality engineer practitioner, particularly when the false alarm rate of the monitoring strategy should be adequately controlled. In this effort, we propose a new joint monitoring scheme for location and scale using individual observations that relaxes some of the assumptions that limit the use of traditional control charts in today’s practice. In addition, the proposed method is extremely practitioner-friendly and easy to implement. We compare performances of our new scheme to the commonly-used individuals and moving range control charts. Results suggest the proposed scheme provides an effective and robust means to jointly monitor the kind of processes most prevalent in today’s modern industry. We demonstrate our method using open source data available from a selective laser melting (SLM) process, where the detection of hot spots at a given location on a manufactured part was of interest.

摘要

数据采集​​和存储技术的最新进展使得随着时间的推移以相对较低的成本快速收集数据。这些进步对现代质量工程的影响是，当今的许多过程都会产生非常不正常的个体观察样本，并且可能具有非常高的自相关性。因此，当今更现代的过程不太可能满足传统控制图策略对单个观察的典型假设。这对当今的质量工程师从业人员提出了重大挑战，尤其是当监控策略的误报率应该得到充分控制时。在这一努力中，我们提出了一种新的位置和规模联合监测方案，使用单独的观察结果，放宽了在当今实践中限制使用传统控制图的一些假设。此外，所提出的方法对实践者非常友好且易于实施。我们将我们的新方案的性能与常用的个体和移动范围控制图进行比较。结果表明，所提出的方案提供了一种有效且稳健的方法来共同监控当今现代工业中最普遍的过程类型。我们使用从选择性激光熔化 (SLM) 过程中获得的开源数据来演示我们的方法，其中对制造部件上给定位置的热点检测很感兴趣。所提出的方法对实践者非常友好且易于实施。我们将我们的新方案的性能与常用的个体和移动范围控制图进行比较。结果表明，所提出的方案提供了一种有效且稳健的方法来共同监控当今现代工业中最普遍的过程类型。我们使用从选择性激光熔化 (SLM) 过程中获得的开源数据来演示我们的方法，其中对制造部件上给定位置的热点检测很感兴趣。所提出的方法对实践者非常友好且易于实施。我们将我们的新方案的性能与常用的个体和移动范围控制图进行比较。结果表明，所提出的方案提供了一种有效且稳健的方法来共同监控当今现代工业中最普遍的过程类型。我们使用从选择性激光熔化 (SLM) 过程中获得的开源数据来演示我们的方法，其中对制造部件上给定位置的热点检测很感兴趣。结果表明，所提出的方案提供了一种有效且稳健的方法来共同监控当今现代工业中最普遍的过程类型。我们使用从选择性激光熔化 (SLM) 过程中获得的开源数据来演示我们的方法，其中对制造部件上给定位置的热点检测很感兴趣。结果表明，所提出的方案提供了一种有效且稳健的方法来共同监控当今现代工业中最普遍的过程类型。我们使用从选择性激光熔化 (SLM) 过程中获得的开源数据来演示我们的方法，其中对制造部件上给定位置的热点检测很感兴趣。