面向AMT的統計過(guò)程質(zhì)量控制

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

關(guān)鍵詞：先進(jìn)制造技術(shù)，統計過(guò)程質(zhì)量控制，模式識別，質(zhì)量保證

一、引言 八十年代以來(lái)，顧客對產(chǎn)品的需求從單一型向多樣型轉變，國際市場(chǎng)的競爭日趨激烈。據國外的調查表明，企業(yè)之間的競爭焦點(diǎn)已從價(jià)格因素向柔性、質(zhì)量、對市場(chǎng)變化的快速響應等非價(jià)格因素轉移[1]。隨著(zhù)世界工業(yè)市場(chǎng)競爭的不斷加劇，為了生存和發(fā)展，越來(lái)越多的企業(yè)認識到實(shí)施先進(jìn)制造技術(shù)的重要性，并已經(jīng)開(kāi)始引進(jìn)和實(shí)施AMT[2]。在A(yíng)MT的研究和應用不斷取得成功的同時(shí)，也有許多企業(yè)發(fā)現AMT帶來(lái)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。

傳統的統計過(guò)程質(zhì)量控制基于休哈特控制圖，監測控制同一產(chǎn)品的同一質(zhì)量特征的變化規律，使之滿(mǎn)足精度并保持穩定，在剛性自動(dòng)化大生產(chǎn)中得到了廣泛的應用，并取得了巨大的經(jīng)濟效益[3]。但是，在小批量生產(chǎn)方式占主導地位的AMT生產(chǎn)環(huán)境下，傳統的統計模型無(wú)法得到足夠的數據來(lái)建立統計控制關(guān)系。因此，傳統的SPQC卻不能直接被應用在A(yíng)MT生產(chǎn)環(huán)境下，SPQC需要一種新的指導思想。對此，國內外均做了一些研究[4-8]，提出一些解決方案，但均沒(méi)能在根本上解決數據不足的問(wèn)題。

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

基于以上討論，本文提出了基于等效工序能力的統計過(guò)程控制方法，并給出了統計變量的計算方法。而且，以這種統計方法所得到的控制圖的變化趨勢為研究對象，采用人工神經(jīng)網(wǎng)絡(luò )理論設計了控制圖異常狀態(tài)的自動(dòng)識別軟件。

二、基于等效工序能力的統計過(guò)程質(zhì)量控制方法

1. 等效工序能力控制的理論基礎 現代統計過(guò)程質(zhì)量控制的出發(fā)點(diǎn)是在事前控制加工過(guò)程，使其處于正常狀態(tài)；而不是在事后通過(guò)檢驗的方法控制次品的擴散。進(jìn)行的是“過(guò)程控制”而不是“產(chǎn)品控制”�？偟膩�(lái)說(shuō)，只要是無(wú)顯著(zhù)差異的5M1E[9]環(huán)境下生產(chǎn)出來(lái)的產(chǎn)品的質(zhì)量特征值（不一定為同類(lèi)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(guò)對 的標準化變換，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，使統計變量成為服從標準正態(tài)分布的無(wú)量綱量的隨機變量，達到利用歷史數據的目的。不同的統計變量的轉換方法不同，但其基本理論可以由下式表達：

(1)

式(1)是對 的標準化，新得到的統計變量T為服從標準正態(tài)分布的無(wú)量綱量隨機變量，控制界限

在給定第一類(lèi)統計錯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(guò)標準化變換利用同一種統計方法分析，實(shí)現不同但相關(guān)的統計特征之間的統計關(guān)系，達到充分利用一臺機床的歷史數據和部分相關(guān)數據的目的，實(shí)現在中小批量生產(chǎn)中對加工工序的統計過(guò)程質(zhì)量控制。

2. x-Rs 控制方法統計變量的計算 基于以上思想，本文改進(jìn)了傳統的單值-移動(dòng)極差控制圖，利用這種控制圖實(shí)現了對多品種、小批量生產(chǎn)過(guò)程的統計過(guò)程質(zhì)量控制。

傳統的單值－移動(dòng)極差控制圖是用所有數據的均值 作為 的估計值，故只有在數據全部收集后才

能進(jìn)行控制圖的繪制和分析，而在實(shí)際生產(chǎn)中，數據是一批一批或一個(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)數據后，為充分利用已知信息，用過(guò)去i-1個(gè)數據來(lái)計算控制界限和統計變量。并通過(guò)統計變換，消去統計變量中的平均值 和整體方差 ，實(shí)現對質(zhì)量信息的充分利用。

(1) 單值控制變量的計算

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

因為 ，由正態(tài)過(guò)程平均值的抽樣分布性質(zhì)可知：

由正態(tài)過(guò)程的可加性和正態(tài)過(guò)程的標準化變換得到：

因為總體標準差 未知，故必須消去表達式中的 。由標準差的抽樣分布的性質(zhì)可知：

根據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，對于給定的顯著(zhù)性水平 ，由student-t分布找出滿(mǎn)足下式的控制界限值 使得：

但由于 在給定 下，隨著(zhù)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），然后對積分值進(jìn)行反標準正態(tài)變換得到單值控制圖的統計變量 。

【面向AMT的統計過(guò)程質(zhì)量控制】相關(guān)文章：

面向AMT的統計過(guò)程質(zhì)量控制*03-19

面向柔性自動(dòng)化的成組統計質(zhì)量控制技術(shù)03-18

加強內部審計過(guò)程的質(zhì)量控制03-24

臨床檢驗過(guò)程的質(zhì)量控制分析03-29

淺談U型渠道施工過(guò)程質(zhì)量控制11-17

統計數據質(zhì)量控制問(wèn)題研究03-25

基于內部顧客滿(mǎn)足的過(guò)程質(zhì)量控制探討03-20

道路工程的過(guò)程控制11-21

建筑材料檢測過(guò)程中質(zhì)量控制探究論文11-15