- 相關(guān)推薦
面向AMT的統(tǒng)計(jì)過程質(zhì)量控制*
面向AMT的統(tǒng)計(jì)過程質(zhì)量控制* 注意：本文已經(jīng)在《計(jì)算機(jī)輔助設(shè)計(jì)與制造》(1998,10:,39～41)雜志發(fā)表使用者請(qǐng)注明文章內(nèi)容出處
徐 翀 馬玉林 袁哲俊
(哈爾濱工業(yè)大學(xué) 現(xiàn)代生產(chǎn)技術(shù)中心,150001)
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(lái)，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(lái)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(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(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(wú)法得到足夠的數(shù)據(jù)來(lái)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)�？紤]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”�？偟膩�(lái)說，只要是無(wú)顯著差異的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(wú)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(wú)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(lái)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)?，由正態(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 。 &nbs
p; (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?且 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�？刂茍D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Visual C++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. et al., “Organizational Strategy for CIM”, Computer-Integrated Manufacturing System, 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-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(zhì)量統(tǒng)計(jì)分析方法的研究，西安交通大學(xué)，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(zhì)量控制方法與管理》，國(guó)防工業(yè)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(tǒng)計(jì)過程質(zhì)量控制*】相關(guān)文章：
面向柔性自動(dòng)化的成組統(tǒng)計(jì)質(zhì)量控制技術(shù)08-06
血液發(fā)放過程質(zhì)量控制的體會(huì)08-05
過程控制08-06
論審計(jì)質(zhì)量的控制08-08
過程裝備與控制工程就業(yè)前景07-20
論審計(jì)質(zhì)量的控制 論文08-08