先進(jìn)制造技術(shù)統(tǒng)計(jì)過程質(zhì)量控制范文

本站小編為你精心準(zhǔn)備了先進(jìn)制造技術(shù)統(tǒng)計(jì)過程質(zhì)量控制參考范文，愿這些范文能點(diǎn)燃您思維的火花，激發(fā)您的寫作靈感。歡迎深入閱讀并收藏。

摘要：本文在分析先進(jìn)制造技術(shù)(AMT)環(huán)境下實(shí)施統(tǒng)計(jì)過程質(zhì)量控制技術(shù)的發(fā)展現(xiàn)狀的同時(shí)，討論了將統(tǒng)計(jì)過程質(zhì)量控制(SPQC)技術(shù)應(yīng)用于先進(jìn)制造環(huán)境下所存在的問題。根據(jù)所提出的問題，研究了面向先進(jìn)制造環(huán)境，基于等效工序能力的統(tǒng)計(jì)過程質(zhì)量控制方法；開發(fā)了基于前饋型BP神經(jīng)網(wǎng)絡(luò)的加工過程異常模式自動(dòng)識(shí)別軟件。

關(guān)鍵詞：先進(jìn)制造技術(shù)，統(tǒng)計(jì)過程質(zhì)量控制，模式識(shí)別，質(zhì)量保證

一、引言八十年代以來，顧客對(duì)產(chǎn)品的需求從單一型向多樣型轉(zhuǎn)變，國(guó)際市場(chǎng)的競(jìng)爭(zhēng)日趨激烈。據(jù)國(guó)外的調(diào)查表明，企業(yè)之間的競(jìng)爭(zhēng)焦點(diǎn)已從價(jià)格因素向柔性、質(zhì)量、對(duì)市場(chǎng)變化的快速響應(yīng)等非價(jià)格因素轉(zhuǎn)移[1]。隨著世界工業(yè)市場(chǎng)競(jìng)爭(zhēng)的不斷加劇，為了生存和發(fā)展，越來越多的企業(yè)認(rèn)識(shí)到實(shí)施先進(jìn)制造技術(shù)的重要性，并已經(jīng)開始引進(jìn)和實(shí)施AMT[2]。在AMT的研究和應(yīng)用不斷取得成功的同時(shí)，也有許多企業(yè)發(fā)現(xiàn)AMT帶來的效益并不如所期望的那么大，甚至還有許多失敗的例子擺在人們面前。影響先進(jìn)制造技術(shù)成功應(yīng)用的因素有很多，其中一個(gè)重要的因素是產(chǎn)品的質(zhì)量。

傳統(tǒng)的統(tǒng)計(jì)過程質(zhì)量控制基于休哈特控制圖，監(jiān)測(cè)控制同一產(chǎn)品的同一質(zhì)量特征的變化規(guī)律，使之滿足精度并保持穩(wěn)定，在剛性自動(dòng)化大生產(chǎn)中得到了廣泛的應(yīng)用，并取得了巨大的經(jīng)濟(jì)效益[3]。但是，在小批量生產(chǎn)方式占主導(dǎo)地位的AMT生產(chǎn)環(huán)境下，傳統(tǒng)的統(tǒng)計(jì)模型無法得到足夠的數(shù)據(jù)來建立統(tǒng)計(jì)控制關(guān)系。因此，傳統(tǒng)的SPQC卻不能直接被應(yīng)用在AMT生產(chǎn)環(huán)境下，SPQC需要一種新的指導(dǎo)思想。對(duì)此，國(guó)內(nèi)外均做了一些研究[4-8]，提出一些解決方案，但均沒能在根本上解決數(shù)據(jù)不足的問題。

此外，在先進(jìn)制造系統(tǒng)中還存在對(duì)控制圖的識(shí)別問題。傳統(tǒng)的生產(chǎn)環(huán)境下控制圖是否處于統(tǒng)計(jì)控制狀態(tài)下，是由人對(duì)控制圖進(jìn)行統(tǒng)計(jì)狀態(tài)的識(shí)別。在AMT生產(chǎn)環(huán)境下如果繼續(xù)沿用這種方法，一方面影響信息反饋的及時(shí)性，另一方面工人一直監(jiān)視控制圖會(huì)提高工作強(qiáng)度，降低他們的工作效率。利用模式識(shí)別算法對(duì)控制圖自動(dòng)識(shí)別，就可以很好地解決這兩方面的問題。有一些工序的失控狀態(tài)很容易用普通算法識(shí)別，例如控制變量超出控制界限以及連續(xù)的上升和下降的趨勢(shì)。然而對(duì)于小波動(dòng)的持續(xù)上升或下降或者是循環(huán)變化趨勢(shì)，則難以用普通方法進(jìn)行判斷。由于神經(jīng)計(jì)算技術(shù)的發(fā)展，許多以前計(jì)算量很大并耗時(shí)較長(zhǎng)的問題得到了解決，模式識(shí)別就是其中的一項(xiàng)。考慮到在AMT生產(chǎn)模式中計(jì)算機(jī)化是基本條件之一，而且生產(chǎn)環(huán)境中的計(jì)算機(jī)只是利用已經(jīng)訓(xùn)練好的程序運(yùn)行識(shí)別算法，不需要太大的計(jì)算量。因此，利用神經(jīng)網(wǎng)絡(luò)對(duì)控制圖的異常模式進(jìn)行識(shí)別是非常合適的。

基于以上討論，本文提出了基于等效工序能力的統(tǒng)計(jì)過程控制方法，并給出了統(tǒng)計(jì)變量的計(jì)算方法。而且，以這種統(tǒng)計(jì)方法所得到的控制圖的變化趨勢(shì)為研究對(duì)象，采用人工神經(jīng)網(wǎng)絡(luò)理論設(shè)計(jì)了控制圖異常狀態(tài)的自動(dòng)識(shí)別軟件。

二、基于等效工序能力的統(tǒng)計(jì)過程質(zhì)量控制方法

1.等效工序能力控制的理論基礎(chǔ)現(xiàn)代統(tǒng)計(jì)過程質(zhì)量控制的出發(fā)點(diǎn)是在事前控制加工過程，使其處于正常狀態(tài)；而不是在事后通過檢驗(yàn)的方法控制次品的擴(kuò)散。進(jìn)行的是“過程控制”而不是“產(chǎn)品控制”。總的來說，只要是無顯著差異的5M1E[9]環(huán)境下生產(chǎn)出來的產(chǎn)品的質(zhì)量特征值（不一定為同類產(chǎn)品）偏離期望值的正常波動(dòng)服從的分布。等效工

序能力控制圖通過對(duì)的標(biāo)準(zhǔn)化變換，使得等效工序能力控制圖的控制界限不隨質(zhì)量特征的不同

而變化，使統(tǒng)計(jì)變量成為服從標(biāo)準(zhǔn)正態(tài)分布的無量綱量的隨機(jī)變量，達(dá)到利用歷史數(shù)據(jù)的目的。不同的統(tǒng)計(jì)變量的轉(zhuǎn)換方法不同，但其基本理論可以由下式表達(dá)：

(1)

式(1)是對(duì)的標(biāo)準(zhǔn)化，新得到的統(tǒng)計(jì)變量T為服從標(biāo)準(zhǔn)正態(tài)分布的無量綱量隨機(jī)變量，控制界限

在給定第一類統(tǒng)計(jì)錯(cuò)判的容許概率的情況下固定不變。這樣在等效工序能力下，不同產(chǎn)品的質(zhì)量特征以及同一產(chǎn)品的不同質(zhì)量特征就能夠通過標(biāo)準(zhǔn)化變換利用同一種統(tǒng)計(jì)方法分析，實(shí)現(xiàn)不同但相關(guān)的統(tǒng)計(jì)特征之間的統(tǒng)計(jì)關(guān)系，達(dá)到充分利用一臺(tái)機(jī)床的歷史數(shù)據(jù)和部分相關(guān)數(shù)據(jù)的目的，實(shí)現(xiàn)在中小批量生產(chǎn)中對(duì)加工工序的統(tǒng)計(jì)過程質(zhì)量控制。

2.x-Rs控制方法統(tǒng)計(jì)變量的計(jì)算基于以上思想，本文改進(jìn)了傳統(tǒng)的單值-移動(dòng)極差控制圖，利用這種控制圖實(shí)現(xiàn)了對(duì)多品種、小批量生產(chǎn)過程的統(tǒng)計(jì)過程質(zhì)量控制。

傳統(tǒng)的單值－移動(dòng)極差控制圖是用所有數(shù)據(jù)的均值作為的估計(jì)值，故只有在數(shù)據(jù)全部收集后才

能進(jìn)行控制圖的繪制和分析，而在實(shí)際生產(chǎn)中，數(shù)據(jù)是一批一批或一個(gè)一個(gè)獲得的。因此改進(jìn)的單值－移動(dòng)極差控制圖在獲得第i個(gè)數(shù)據(jù)后，為充分利用已知信息，用過去i-1個(gè)數(shù)據(jù)來計(jì)算控制界限和統(tǒng)計(jì)變量。并通過統(tǒng)計(jì)變換，消去統(tǒng)計(jì)變量中的平均值和整體方差，實(shí)現(xiàn)對(duì)質(zhì)量信息的充分利用。

(1)單值控制變量的計(jì)算

改進(jìn)的單值變量在每個(gè)控制點(diǎn)，利用進(jìn)行判別。

因?yàn)椋烧龖B(tài)過程平均值的抽樣分布性質(zhì)可知：

由正態(tài)過程的可加性和正態(tài)過程的標(biāo)準(zhǔn)化變換得到：

因?yàn)榭傮w標(biāo)準(zhǔn)差未知，故必須消去表達(dá)式中的。由標(biāo)準(zhǔn)差的抽樣分布的性質(zhì)可知：

根據(jù)student-t分布的定義得到：

化簡(jiǎn)后得到：

(2)

上式表明，服從自由度為i－2的student-t分布，對(duì)于給定的顯著性水平，由student-t分布找出滿足下式的控制界限值使得：

但由于在給定下，隨著n的變化而變化，因此首先作自由度為i－2的student-t分布概率密度積分得（p(t)為t分布概率密度函數(shù)），然后對(duì)積分值進(jìn)行反標(biāo)準(zhǔn)正態(tài)變換得到單值控制圖的統(tǒng)計(jì)變量。

(3)

此時(shí)統(tǒng)計(jì)變量根據(jù)給定的第一類統(tǒng)計(jì)錯(cuò)判的容許概率，由標(biāo)準(zhǔn)正態(tài)分布找出滿足下式的控制界限：

如果把某次檢測(cè)的數(shù)據(jù)代入上式中，使或一段時(shí)間內(nèi)值的排列出現(xiàn)異常趨勢(shì)則意味著工

序已發(fā)生了變化，反之則工序處于統(tǒng)計(jì)控制狀態(tài)。

(2)移動(dòng)極差控制變量的計(jì)算

因?yàn)椋呵?/p>

則可知在生產(chǎn)過程沒有顯著變異的情況下的特征分布規(guī)律服從于的正態(tài)分布規(guī)律。

所以，由正態(tài)過程的基本性質(zhì)可得

且由特征分布的定義可以得到：

由特征分布的概念可以得到：

(4)

由于在給定第一類統(tǒng)計(jì)錯(cuò)判的容許概率的情況下，隨著i的變化而變化，為此特做以下變換。自由

度為的F分布的概率密度積分為，其值為0到1之間，對(duì)進(jìn)行反標(biāo)準(zhǔn)正態(tài)變換得到移動(dòng)極

差控制圖的統(tǒng)計(jì)變量：

(5)

用T2作為統(tǒng)計(jì)變量，新的控制圖的中心線為0，如采用3原則時(shí)，其上下控制界限就是+3和-3。至此，以T1和T2為統(tǒng)計(jì)控制變量，就可畫出改進(jìn)的單值－移動(dòng)極差控制圖了。控制圖的中心線為0，上下控制界限根據(jù)給定的第一類統(tǒng)計(jì)錯(cuò)判的容許概率計(jì)算，不再隨樣本大小和物理特征的變化而變化。

三、異常模式自動(dòng)識(shí)別本研究將前饋型的反向傳播神經(jīng)網(wǎng)絡(luò)算法用于AMT質(zhì)量控制中的異常模式自動(dòng)識(shí)別，采用離線訓(xùn)練與在線識(shí)別相結(jié)合的方法，建立了一個(gè)三層的神經(jīng)網(wǎng)絡(luò)。該網(wǎng)絡(luò)的輸入是經(jīng)過預(yù)處理的二進(jìn)制數(shù)，輸出是一種特定的控制圖表現(xiàn)趨勢(shì)。網(wǎng)絡(luò)由輸入層、隱層和輸出層組成。輸入層有i個(gè)結(jié)點(diǎn)，每個(gè)結(jié)點(diǎn)代表控制圖上按順序排列的一個(gè)質(zhì)量特征，數(shù)值為特征點(diǎn)在控制圖上的位置。輸出層有o個(gè)結(jié)點(diǎn)，結(jié)點(diǎn)輸出值為1或0，代表了o種不同的控制圖異常趨勢(shì)。隱層結(jié)點(diǎn)數(shù)為h，本文采用實(shí)驗(yàn)分析的方法確定隱層結(jié)點(diǎn)數(shù)。整個(gè)網(wǎng)絡(luò)的結(jié)點(diǎn)數(shù)為i+h+o。

人工神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法為有教師的δ學(xué)習(xí)律，其輸入與輸出關(guān)系滿足非線性單調(diào)上升的函數(shù)：

(6)

在實(shí)際研究中，訓(xùn)練數(shù)據(jù)是利用VisualC++中的隨機(jī)數(shù)函數(shù)產(chǎn)生(0,1)上均勻分布的隨機(jī)數(shù)Ri。利用所產(chǎn)生的隨機(jī)數(shù)，并根據(jù)中心極限定理，由式(7)生成標(biāo)準(zhǔn)正態(tài)分布的樣本。變換標(biāo)準(zhǔn)正態(tài)分布的總體生成80組不同作用趨勢(shì)的數(shù)據(jù)，其中20組數(shù)據(jù)為普通的，60組為三種復(fù)雜趨勢(shì)，分別是小波動(dòng)的持續(xù)上升、小波動(dòng)的持續(xù)下降和循環(huán)趨勢(shì)。

(7)

利用這80組數(shù)據(jù)，對(duì)所建立的神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練取得了良好的效果。在對(duì)不同加工過程中所得到的20組實(shí)際數(shù)據(jù)的測(cè)試中，全部正確。對(duì)各種其它方法不易判斷的復(fù)雜趨勢(shì)具有良好的判斷能力。

四、結(jié)論本文在研究SPQC技術(shù)應(yīng)用于先進(jìn)制造環(huán)境下所存在的問題的基礎(chǔ)上，提出了解決AMT生產(chǎn)環(huán)境下質(zhì)量數(shù)據(jù)不足的問題的方法，給出了基于等效工序能力的統(tǒng)計(jì)過程控制圖的控制變量的計(jì)算方法；分析表明這種質(zhì)量控制方法能夠有效地控制先進(jìn)制造生產(chǎn)環(huán)境下生產(chǎn)過程的穩(wěn)定，算法易于編程計(jì)算機(jī)化，是一種適用于AMT環(huán)境的統(tǒng)計(jì)過程質(zhì)量控制技術(shù)。同時(shí)，利用以前饋型的反向傳播神經(jīng)網(wǎng)絡(luò)算法為基礎(chǔ)的模式識(shí)別技術(shù)，開發(fā)了加工過程異常模式的自動(dòng)識(shí)別軟件，應(yīng)用表明具有良好的效果。

參考文獻(xiàn)：

[1]Levy,P.etal.,“OrganizationalStrategyforCIM”,Computer-IntegratedManufacturingSystem,1991,4.

[2]國(guó)家科委科技司情報(bào)司，航空航天部航天科技情報(bào)研究所，“美國(guó)國(guó)家關(guān)鍵技術(shù)”，1991.9.

[3]M.Al-SaltiandA.statham,“AReviewoftheLiteratureoftheUseofSPCinBatchProduction”,QualityandReliabilityEngineeringInternational.Vol.10,pp49-61.

[4]王永信，單件、小批加工質(zhì)量統(tǒng)計(jì)分析方法的研究，西安交通大學(xué)，1991.

[5]GeorgeF.Koons,JefferyJ.Luner,SPCinLow-volumeManufacturing:ACaseStudy,J.ofQualityTechnology,vol.23,No.4,1991.

[6]StephenV.Crowder,“AnSPCModelforShortProductionRuns:MinimizingExpectedCost”,Technometrics1992.2Vol.34pp64-73.

[7]PatricaP.Ramsey,“SimpleTestsofNormalityinSmallSamples”,JounalofQualityTechnology,1990.10,Vol.22,pp299-307.

[8]Shih-YenLin,“Short-RunStatisticalProcessControl:MulticriteriaPartFamilyFormation”,QualityandReliabilityEngineeringInternational,1997,Vol.13,pp9-24.

[9]郎志正，《質(zhì)量控制方法與管理》，國(guó)防工業(yè)出版社，1989.5。

StasiticalProcessQualityControlBasedonAMTXuChong,

Abstract:Inthispaper,thedevelopmentofStatisticalProcessQualityControlinAMTisanalyzedandtheexistentproblemofapplicatedSPQCinAMTisdiscussed.Thenaccordingtotheproblem,theSPQCforlowvolumeproductionmoduleisproposed.TheerrorpatternautomaticdistinctiontechnologyisalsopresentedbyusingBPmodelneuralnetwork.