現在位置：范文先生網>理工論文>計算機論文>面向AMT的統計過程質量控制*

面向AMT的統計過程質量控制*

時間：2023-02-20 22:34:27 計算機論文我要投稿

相關推薦

面向AMT的統計過程質量控制*

面向AMT的統計過程質量控制* 注意：本文已經在《計算機輔助設計與制造》(1998,10:,39～41)雜志發表
使用者請注明文章內容出處
徐翀馬玉林袁哲俊
(哈爾濱工業大學現代生產技術中心,150001)

摘要：本文在分析先進制造技術(AMT)環境下實施統計過程質量控制技術的發展現狀的同時，討論了將統計過程質量控制(SPQC)技術應用于先進制造環境下所存在的問題。根據所提出的問題，研究了面向先進制造環境，基于等效工序能力的統計過程質量控制方法；開發了基于前饋型BP神經網絡的加工過程異常模式自動識別軟件。

關鍵詞：先進制造技術，統計過程質量控制，模式識別，質量保證

一、引言八十年代以來，顧客對產品的需求從單一型向多樣型轉變，國際市場的競爭日趨激烈。據國外的調查表明，企業之間的競爭焦點已從價格因素向柔性、質量、對市場變化的快速響應等非價格因素轉移[1]。隨著世界工業市場競爭的不斷加劇，為了生存和發展，越來越多的企業認識到實施先進制造技術的重要性，并已經開始引進和實施AMT[2]。在AMT的研究和應用不斷取得成功的同時，也有許多企業發現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。影響先進制造技術成功應用的因素有很多，其中一個重要的因素是產品的質量。

傳統的統計過程質量控制基于休哈特控制圖，監測控制同一產品的同一質量特征的變化規律，使之滿足精度并保持穩定，在剛性自動化大生產中得到了廣泛的應用，并取得了巨大的經濟效益[3]。但是，在小批量生產方式占主導地位的AMT生產環境下，傳統的統計模型無法得到足夠的數據來建立統計控制關系。因此，傳統的SPQC卻不能直接被應用在AMT生產環境下，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，但均沒能在根本上解決數據不足的問題。

此外，在先進制造系統中還存在對控制圖的識別問題。傳統的生產環境下控制圖是否處于統計控制狀態下，是由人對控制圖進行統計狀態的識別。在AMT生產環境下如果繼續沿用這種方法，一方面影響信息反饋的及時性，另一方面工人一直監視控制圖會提高工作強度，降低他們的工作效率。利用模式識別算法對控制圖自動識別，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。然而對于小波動的持續上升或下降或者是循環變化趨勢，則難以用普通方法進行判斷。由于神經計算技術的發展，許多以前計算量很大并耗時較長的問題得到了解決，模式識別就是其中的一項�？紤]到在AMT生產模式中計算機化是基本條件之一，而且生產環境中的計算機只是利用已經訓練好的程序運行識別算法，不需要太大的計算量。因此，利用神經網絡對控制圖的異常模式進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，采用人工神經網絡理論設計了控制圖異常狀態的自動識別軟件。

二、基于等效工序能力的統計過程質量控制方法

1. 等效工序能力控制的理論基礎現代統計過程質量控制的出發點是在事前控制加工過程，使其處于正常狀態；而不是在事后通過檢驗的方法控制次品的擴散。進行的是“過程控制”而不是“產品控制”�？偟膩碚f，只要是無顯著差異的5M1E[9]環境下生產出來的產品的質量特征值（不一定為同類產品）偏離期望值的正常波動服從的分布。等效工

序能力控制圖通過對的標準化變換，使得等效工序能力控制圖的控制界限不隨質量特征的不同

而變化，使統計變量成為服從標準正態分布的無量綱量的隨機變量，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為服從標準正態分布的無量綱量隨機變量，控制界限

在給定第一類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，不同產品的質量特征以及同一產品的不同質量特征就能夠通過標準化變換利用同一種統計方法分析，實現不同但相關的統計特征之間的統計關系，達到充分利用一臺機床的歷史數據和部分相關數據的目的，實現在中小批量生產中對加工工序的統計過程質量控制。

2. x-Rs 控制方法統計變量的計算基于以上思想，本文改進了傳統的單值-移動極差控制圖，利用這種控制圖實現了對多品種、小批量生產過程的統計過程質量控制。

傳統的單值－移動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

能進行控制圖的繪制和分析，而在實際生產中，數據是一批一批或一個一個獲得的。因此改進的單值－移動極差控制圖在獲得第i個數據后，為充分利用已知信息，用過去i-1個數據來計算控制界限和統計變量。并通過統計變換，消去統計變量中的平均值和整體方差，實現對質量信息的充分利用。

(1) 單值控制變量的計算

改進的單值變量在每個控制點，利用進行判別。

因為，由正態過程平均值的抽樣分布性質可知：

由正態過程的可加性和正態過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可知：

根據student-t分布的定義得到：

化簡后得到：

(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），然后對積分值進行反標準正態變換得到單值控制圖的統計變量。

&nbs

p; (3)

此時統計變量根據給定的第一類統計錯判的容許概率，由標準正態分布找出滿足下式的控制界限：

如果把某次檢測的數據代入上式中，使或一段時間內值的排列出現異常趨勢則意味著工

序已發生了變化，反之則工序處于統計控制狀態。

(2) 移動極差控制變量的計算

因為：且

則可知在生產過程沒有顯著變異的情況下的特征分布規律服從于的正態分布規律。

所以，由正態過程的基本性質可得

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計錯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，對進行反標準正態變換得到移動極

差控制圖的統計變量：

(5)

用T2作為統計變量，新的控制圖的中心線為0，如采用3 原則時，其上下控制界限就是+3和-3。至此，以T1和T2為統計控制變量，就可畫出改進的單值－移動極差控制圖了�？刂茍D的中心線為0，上下控制界限根據給定的第一類統計錯判的容許概率計算，不再隨樣本大小和物理特征的變化而變化。

三、異常模式自動識別本研究將前饋型的反向傳播神經網絡算法用于AMT質量控制中的異常模式自動識別，采用離線訓練與在線識別相結合的方法，建立了一個三層的神經網絡。該網絡的輸入是經過預處理的二進制數，輸出是一種特定的控制圖表現趨勢。網絡由輸入層、隱層和輸出層組成。輸入層有i個結點，每個結點代表控制圖上按順序排列的一個質量特征，數值為特征點在控制圖上的位置。輸出層有o個結點，結點輸出值為1或0，代表了o種不同的控制圖異常趨勢。隱層結點數為h，本文采用實驗分析的方法確定隱層結點數。整個網絡的結點數為i+h+o。

人工神經網絡的學習算法為有教師的δ學習律，其輸入與輸出關系滿足非線性單調上升的函數：

(6)

在實際研究中，訓練數據是利用Visual C++中的隨機數函數產生(0,1)上均勻分布的隨機數Ri。利用所產生的隨機數，并根據中心極限定理，由式(7)生成標準正態分布的樣本。變換標準正態分布的總體生成80組不同作用趨勢的數據，其中20組數據為普通的，60組為三種復雜趨勢，分別是小波動的持續上升、小波動的持續下降和循環趨勢。

(7)

利用這80組數據，對所建立的神經網絡進行訓練取得了良好的效果。在對不同加工過程中所得到的20組實際數據的測試中，全部正確。對各種其它方法不易判斷的復雜趨勢具有良好的判斷能力。

四、結論本文在研究SPQC技術應用于先進制造環境下所存在的問題的基礎上，提出了解決AMT生產環境下質量數據不足的問題的方法，給出了基于等效工序能力的統計過程控制圖的控制變量的計算方法；分析表明這種質量控制方法能夠有效地控制先進制造生產環境下生產過程的穩定，算法易于編程計算機化，是一種適用于AMT環境的統計過程質量控制技術。同時，利用以前饋型的反向傳播神經網絡算法為基礎的模式識別技術，開發了加工過程異常模式的自動識別軟件，應用表明具有良好的效果。

參考文獻：

[1] Levy, P. et al., “Organizational Strategy for CIM”, Computer-Integrated Manufacturing System, 1991,4.

[2] 國家科委科技司情報司，航空航天部航天科技情報研究所， “美國國家關鍵技術”， 1991.9.

[3] M.Al-Salti and A.statham, “A Review of the Literature of the Use of SPC in Batch Production”, Quality and Reliability Engineering International. Vol.10, pp 49-61.

[4] 王永信，單件、小批加工質量統計分析方法的研究，西安交通大學，1991.

[5] George F.Koons, Jeffery J.Luner,SPC in Low-volume Manufacturing:A Case Study,J.of Quality Technology,vol.23,No.4,1991.

>[6] Stephen V.Crowder, “An SPC Model for Short Production Runs:Minimizing Expected Cost”, Technometrics 1992.2 Vol.34 pp64-73.

[7] Patrica P.Ramsey, “Simple Tests of Normality in Small Samples”, Jounal of Quality Technology, 1990.10, Vol.22, pp 299-307.

[8] Shih-Yen Lin, “Short-Run Statistical Process Control:Multicriteria Part Family Formation”, Quality and Reliability Engineering International, 1997, Vol.13, pp 9-24.

[9] 郎志正，《質量控制方法與管理》，國防工業出版社，1989.5。

Stasitical Process Quality Control Based on AMT Xu Chong, Ma Yulin, Yuan Zejun
(HarBin Institute of technology advance manufacture center Harbin 150001)

Abstract:In this paper, the development of Statistical Process Quality Control in AMT is analyzed and the existent problem of applicated SPQC in AMT is discussed. Then according to the problem, the SPQC for low volume production module is proposed. The error pattern automatic distinction technology is also presented by using BP model neural network.

keyword: AMT, SPQC, Patterns Distinction, Quality Assurance

【面向AMT的統計過程質量控制*】相關文章：

面向柔性自動化的成組統計質量控制技術08-06

過程控制08-06