面向柔性自動化的成組統計質量控制技術

摘要：針對柔性自動化生產環境下實施統計質量控制(SQC－Statistical Quality Control)的難點－質量數據不足的問題，本研究將成組思想引入統計質量控制，以提高質量數據的先驗性和質量數據之間的相關關系，提出了基于工序質量數據成組的成組統計質量控制(GSQC-Group Statistical Quality Control)技術。通過對柔性自動化理論的研究和對實際生產環境的分析，證明了GSQC技術存在良好的制造技術基礎。提出了以p分位數不變為原則，以這一原則為基礎建立了基于統計變換的成組統計質量控制圖的數學模型，給出了計算工序質量數據成組的均值－方差質量控制圖控制變量的計算過程。

長久以來，統計質量控制一直是面向大批量生產的質量保證技術，已有統計質量控制方法的基礎都是基于大數定理的弱先驗性和非先驗性的統計理論，這些統計質量控制方法很難被直接引入柔性自動化的小批量生產環境。但SQC低投入、高產出的技術特質和在大批量生產中產生過的巨大經濟效益[1,2]，使學術界一直沒有放棄將SQC技術引入基于柔性自動化的多品種、小批量的生產環境中的努力[3,4]。本文亦致力于這方面的研究 1. 成組統計質量控制技術的提出 目前，國際上對小批量生產環境下實施統計質量控制的研究主要集中在提高算法精度和提出新的質量控制圖[5][6]，但無論什么樣的統計算法都需要足夠的樣本來統計，這方面的研究無法解決質量數據不足的根本問題，在柔性自動化生產環境下實施SQC需要更有效的解決方法。成組思想不僅已被公認為是提高FMS有效性和經濟性的重要基礎，而且有充分理由說明成組技術是發展基于柔性自動化生產系統的具有廣泛適用性的基礎性理論。有鑒于此，本文將成組技術引入統計質量控制研究，提出了面向柔性自動化的成組統計質量控制(GSQC－Group Statistical Quality Control)技術，以解決柔性自動化生產環境下被統計質量不足的問題。 1.1 GSQC技術的工作原理 在柔性自動化生產環境下實施統計質量控制的難點在于，質量數據的不足。引入了成組思想的GSQC技術利用工序質量數據的特點，將具有相似的工序質量變異的工序質量數據歸類成組，變小批量、分散的質量數據為成組的大批量的質量數據，利用統計變換的方法，將其簡化為服從同一種抽樣分布的統計子樣，之后利用同一種統計方法進行統計分析。這樣就擴大了被統計樣本的容量，從根本上解決柔性自動化生產環境下質量數據不足的問題。 基于這種觀點，本研究在工序相似性的基礎上對加工過程實現標準變換處理，消除被控質量特征的量綱對控制界限和統計變量的影響，將反映相同或相似工序質量變異情況的不同質量數據轉化成服從相同統計分布的數據形式，再利用同一種統計方法進行分析，實現不同但相關的統計特征之間的統計關系，達到充分利用同一種加工環境的歷史數據和部分相關數據的目的，從根本上解決了數據不足對中小批量生產中的統計過程質量控制的限制。 不同統計量的標準化方法不同，但其基本理論可以通過一種最簡單的標準化過程說明，公式(1)是在假設正態分布的平均值 和整體方差 都已知的情況下對正態分布的標準化變換： (1) 式(1)中新得到的統計變量T為服從標準正態分布的無量綱隨機變量，控制界限在給定了第一類統計錯判的容許概率的情況下為固定不變的數值[7]。 1.2 GSQC技

[1] [2] [3] [4] 

【面向柔性自動化的成組統計質量控制技術】相關文章：

成組技術基本介紹及應用05-01

基于柔性測試技術的系統設計04-27

成組技術在裝備維修中的應用初探04-28

面向飛機結構劃分的CBR技術04-28

柔性面技術在新概念潛艇中的應用05-01

面向敏捷制造的動態工藝規劃技術04-26

面向深空通信的噴泉編碼技術05-01

高速柔性轉子動力特性及平衡技術試驗研究04-26

路橋過渡段楔形柔性搭板處治技術04-29

焊接類導管數字化柔性制造技術05-01