近日，我校自动化学院谢富鹏博士以第一作者及通讯作者，南京工程学院为第一署名单位，联合温州大学、南京邮电大学、法国南特大学等单位，在国际权威期刊《Computers & Industrial Engineering》上发表题为：“Online process monitoring under quality data scarcity: Self-starting truncated EWMA schemes for time between events”的学术论文。该期刊为工程技术大类一区TOP期刊，聚焦计算机技术与工业工程交叉领域的前沿研究，当前影响因子为6.5。

随着现代工业向高质量、高可靠性方向发展，传统的基于大样本假设的统计过程控制方法面临严峻挑战。在新产品导入期、高频次产线切换以及低缺陷率的场景下，获取充足的受控历史数据变得极不现实甚至不可能。因此，研究在欠数据情景下的在线监测技术，实现自启动且高灵敏度的制造过程在线监测，对于保障高端制造质量、降低废品成本具有重要的理论意义与工程应用价值。在此背景下，该论文提出了一种单边自启动截断EWMA控制图设计方法，通过构建枢轴量并建立变量映射，设计了面向伽马分布TBE观测数据的自启动监测框架。该框架进一步集成了变量截断机制，从而增强了对中小幅度过程偏移的监测灵敏度。实验结果表明，该方法在TBE观测数据稀缺的场景下展现出更优越的适应性。

论文链接： https://doi.org/10.1016/j.cie.2025.111777