随着制造业生产力水平的不断提升,产品逐渐向多元化、复杂化方向发展,其制造过程也由简单生产向以多工序连续制造过程为代表的复杂生产方式转变。在多工序制造过程中,过程质量特性的波动会在工序间迭代传递,产品质量不仅受本工序过程能力影响,还受上游工序传递的质量波动影响,通过层层传递后反映在最终产品质量上。因此,如何针对多工序制造过程特点进行质量分析及有效的监控,对保持制造过程稳定性,提高产品制造过程能力水平至关重要。传统多工序制造过程质量监控常对过程中的质量特性值进行单独或联合监控。但是在实际生产过程中,多工序制造过程的稳定性不能仅依靠对一个或多个质量特性的统计过程控制来反映,多工序制造过程中各质量特性间的复杂共线性常导致传统SPC在监控质量特性时异常敏感,而对过程整体异常波动的识别能力并不显著。因此,近年来不少学者将轮廓(Profile)监控思想引入到多工序制造过程质量监控中,通过监控各子工序质量特性与最终产品质量间的函数关系,实现对多工序制造过程的质量监控。同时,多工序制造过程存在较多质量特性,用以反映设备、过程检测、工艺参数及环境对产品质量的影响,基于关键的少数与非关键的多数原则,质量特性具有稀疏性,并且由于成本和技术等原因,质量控制人员无法对全部质量特性进行监控。因此,有效识别关键质量特性是实现多工序制造过程Profile监控的首要工作。综上所述,本文遵循以下思路展开多工序制造过程质量监控研究。首先,为有效处理质量特性间的多重共线性,本文针对多工序制造过程特点,引入状态空间思想构建多工序制造过程质量关系模型;然后,采用弹性网方法对质量关系模型进行拟合分析并通过变量选择识别关键质量特性。通过仿真分析比较弹性网与岭回归及Lasso在关键质量特性识别中的有效性;进而,基于多工序制造过程Profile监控模型,对模型系数参数进行联合监控。最后,通过仿真和实例分析验证本文所提方法的有效性。结果表明:(1)弹性网方法在处置具有强相关性及群组效应的多工序制造过程关键质量特性识别中更具优势;(2)当质量特性存在强相关性及群组效应时,基于弹性网方法的Profile监控性能优于基于岭回归和Lasso方法的Profile监控性能;(3)不同程度的过程质量波动下,基于MEWMA控制图的Profile监控性能优于基于T~2控制图的Profile监控性能。