面向AMT的统计过程质量控制*毕业论文
2014-11-18 01:03
导读：计算机论文论文，面向AMT的统计过程质量控制*毕业论文样式参考，免费教你怎么写，格式要求，科教论文网提供的这篇文章不错：
面向AMT的统计过程质量控制* 注意：本文已经在《计算机辅助设
面向AMT的统计过程质量控制* 注意：本文已经在《计算机辅助设计与制造》(1998,10:,39～41)杂志发表
使用者请注明文章内容出处
徐 翀 马玉林 袁哲俊
(
哈尔滨工业大学 现代生产技术中心,150001)
摘要：本文在分析先进制造技术(AMT)环境下实施统计过程质量控制技术的发展现状的同时，讨论了将统计过程质量控制(SPQC)技术应用于先进制造环境下所存在的问题。根据所提出的问题，研究了面向先进制造环境，基于等效工序能力的统计过程质量控制方法；开发了基于前馈型BP神经网络的加工过程异常模式自动识别软件。
关键词：先进制造技术，统计过程质量控制，模式识别，质量保证
一、引言 八十年代以来，顾客对产品的需求从单一型向多样型转变，国际市场的竞争日趋激烈。据国外的调查表明，企业之间的竞争焦点已从价格因素向柔性、质量、对市场变化的快速响应等非价格因素转移[1]。随着世界工业市场竞争的不断加剧，为了生存和发展，越来越多的企业认识到实施先进制造技术的重要性，并已经开始引进和实施AMT[2]。在AMT的研究和应用不断取得成功的同时，也有许多企业发现AMT带来的效益并不如所期望的那么大，甚至还有许多失败的例子摆在人们面前。影响先进制造技术成功应用的因素有很多，其中一个重要的因素是产品的质量。
传统的统计过程质量控制基于休哈特控制图，监测控制同一产品的同一质量特征的变化规律，使之满足精度并保持稳定，在刚性自动化大生产中得到了广泛的应用，并取得了巨大的经济效益[3]。但是，在小批量生产方式占主导地位的AMT生产环境下，传统的统计模型无法得到足够的数据来建立统计控制关系。因此，传统的SPQC却不能直接被应用在AMT生产环境下，SPQC需要一种新的指导思想。对此，国内外均做了一些研究[4-8]，提出一些解决方案，但均没能在根本上解决数据不足的问题。
此外，在先进制造系统中还存在对控制图的识别问题。传统的生产环境下控制图是否处于统计控制状态下，是由人对控制图进行统计状态的识别。在AMT生产环境下如果继续沿用这种方法，一方面影响信息反馈的及时性，另一方面工人一直监视控制图会提高工作强度，降低他们的工作效率。利用模式识别算法对控制图自动识别，就可以很好地解决这两方面的问题。有一些工序的失控状态很容易用普通算法识别，例如控制变量超出控制界限以及连续的上升和下降的趋势。然而对于小波动的持续上升或下降或者是循环变化趋势，则难以用普通方法进行判断。由于神经计算技术的发展，许多以前计算量很大并耗时较长的问题得到了解决，模式识别就是其中的一项。考虑到在AMT生产模式中计算机化是基本条件之一，而且生产环境中的计算机只是利用已经训练好的程序运行识别算法，不需要太大的计算量。因此，利用神经网络对控制图的异常模式进行识别是非常合适的。
基于以上讨论，本文提出了基于等效工序能力的统计过程控制方法，并给出了统计变量的计算方法。而且，以这种统计方法所得到的控制图的变化趋势为研究对象，采用人工神经网络理论设计了控制图异常状态的自动识别软件。
二、基于等效工序能力的统计过程质量控制方法
1. 等效工序能力控制的理论基础 现代统计过程质量控制的出发点是在事前控制加工过程，使其处于正常状态；而不是在事后通过检验的方法控制次品的扩散。进行的是“过程控制”而不是“产品控制”。总的来说，只要是无显著差异的5M1E[9]环境下生产出来的产品的质量特征值（不一定为同类产品）偏离期望值的正常波动服从 的分布。等效工
序能力控制图通过对 的标准化变换，使得等效工序能力控制图的控制界限不随质量特征的不同
而变化，使统计变量成为服从标准正态分布的无量纲量的随机变量，达到利用历史数据的目的。不同的统计变量的转换方法不同，但其基本理论可以由下式表达：
