基于SOBI与XGBoost的质量控制图并发模式识别
来源：计算机集成制造系统杂志2026年第1期北京时间：
作者：林君瑜, 方兴华, 宋明顺, 黄佳
单位：中国计量大学经济与管理学院
摘要：在智能制造情境下,质量控制图模式识别(CCPR)技术对于实时监控生产过程和保障产品质量具有重要意义。现有的CCPR研究大多局限于单一异常模式的识别,而实际生产的复杂性往往导致多种质量异常模式并发存在的情况。基于此,提出一种基于二阶盲源分离(SOBI)和XGBoost算法的控制图并发模式识别方法,构建了“盲源分离并发判断模式识别”三阶段框架,可有效解决CCPR问题。仿真结果及对比研究表明,所提方法框架不仅能有效识别并发模式,还能提高并发模式识别的准确性,拓展了CCPR方法在实践中的适用性,为智能制造中的高水平过程质量控制提供了一种新的有效方法。
关键词：智能制造,控制图模式识别,并发模式,相对熵,二阶盲源分离,XGBoost
基金资助：国家自然科学基金资助项目(71801202);浙江省软科学研究计划资助项目(2024C25046);教育部人文社会科学研究青年资助项目(22YJC630022);中国计量大学基本科研业务费资助项目(2022YW29)。
