我将简要说明我的情况。该公司批量生产阀门，螺母/螺栓等组件，出于质量目的需要对其尺寸（例如长度，半径，厚度等）进行测量。由于检查所有零件不可行，因此以批处理方式选择它们。敌人，例如：从每100件的批次中，将随机选择5件，并测量其平均尺寸并记录以绘制SPC控制图（图的y轴为平均尺寸，x轴为批号）。
即使有许多因素（例如操作员的效率，机器/工具的状况等）影响产品质量，但似乎无法衡量。
我的目标是开发一种机器学习模型，以预测即将到来的批量样品的产品尺寸（平均值）。这将帮助操作员预测尺寸是否会发生重大变化，以便他可以暂停工作并找出潜在的原因，从而避免浪费产品/材料。
我对R编程和机器学习技术（例如决策树/回归等）有一些想法，但无法为此找到合适的模型。主要是因为我无法想到这种情况下的自变量。不过，我对时间序列建模并不太了解。
有人会就如何解决这个问题提出一些见解/想法/建议。
很抱歉，我不得不写一个长篇小说，但只是想让事情变得尽可能清晰。
提前致谢。
呼吸
最佳答案
您的要求可以分三个级别进行：
1.基础
通过机器学习自动应用SPC规则，例如。用Nelson规则确定SPC图表模式，并扩展到特定过程中的新变化模式。
Nelson rules
ML system for SPC reference
2.补充
通过多变量收集和机器学习预测Cp和SPC趋势。例如，烟雾颗粒会影响晶圆的良率，因此可能更早发现数据分析模型是否将SPC和工人轮班安排联系在一起
Improve SPC by PPC
3，智能代理
SPC和反应计划的自动过程集成。尝试建立模型以链接SPC和FMEA
Process integration
System integration