质量高低很大程度上决定了产品的使用性能和企业的经济效益,各企业均十分重视产品质量的检测和监控。工序能力作为质量检测的重要指标,可以较好反应产品的质量问题,而质量控制图可为质量监控提供理论依据,学术界对此做了大量研究,并广泛运用在企业质量检测和监控实践中。随着顾客对产品的差异化及个性化需求的不断增强,生产工序往往需要不断更新和改进,生产过程呈现出小批量贫信息的特征,基于大批量生产的控制图理论已不能完全适用。为此,本文以某新建工序能力的快速判定为目标,以最优样本量选取为约束,构建了贫信息的新建工序能力快速判定模型,进而研究面向小样本质量控制图贝叶斯修正模型。论文的主要研究内容如下:(1)构建了基于贫信息的新建工序能力贝叶斯快速判定模型。受限于高昂的生产成本和复杂的生产过程,某些新建工序能力试生产样本数量较少。针对此类贫信息背景下的工序能力判定问题,本文构建了贝叶斯快速判定模型。首先充分挖掘小样本信息,获得均值、方差、极差、偏移系数等质量特征,并以此构建约束条件,以基准系数最小化(或最大化)为目标函数构建优化模型,最终将工序能力判断转化为一种约束优化问题。(2)通过求解新建工序能力贝叶斯快速判定模型获得判定基准表。为高效求解贝叶斯快速判定模型,提出了合格判定基准系数的谨慎性原则和不合格判定值的松散性原则,进而将快速判定模型的可行域离散化,利用非线性理论得到判定基准表。(3)构建了新建工序动态灰色贝叶斯质量控制模型。考虑到利用小样本判定新建工序能力,可能无法消除波动性影响,为了对新建工序生产过程进行持续监控,本文构建了动态灰色贝叶斯质量控制模型。该模型将质量控制图划分为生产稳态区、待判定区和不受控区,随样本容量的增加,在贝叶斯修正作用条件下,待判定区逐渐退化,避免了异常波动对结果的影响。