CN107255999A

CN107255999A - 基于模糊规则衡量制造过程质量能力的算法

Info

Publication number: CN107255999A
Application number: CN201710395371.8A
Authority: CN
Inventors: 金平艳
Original assignee: Sichuan Yonglian Information Technology Co Ltd
Current assignee: Sichuan Yonglian Information Technology Co Ltd
Priority date: 2017-05-27
Filing date: 2017-05-27
Publication date: 2017-10-17

Abstract

基于模糊规则衡量制造过程质量能力的算法，收集制造过程中质量特性的原始数据，进行数据预处理，在之前算法的基础上，对参数进行置信区间计算，把此参数的准确率也综合到之前算法当中对关键工序的质量特性进行过程分析，根据控制图记录的数据判稳以及是否出现异常现象，查找出过程异常源。本发明过程能力系数条件严谨、判定状态准确，算法复杂度低，处理的时间快，参数处理更加严谨，表征过程能力函数更好的符合实际情况，为后续制造过程诊断技术奠定了较好的基础。

Description

基于模糊规则衡量制造过程质量能力的算法

技术领域

本发明涉及机械产品加工制造过程质量控制技术领域，具体涉及基于模糊规则衡量制造过程质量能力的算法。

背景技术

产品的制造过程能力是指过程处于受控状态或稳定状态下在加工精度方面的实际能力，过程能力体现了过程稳定地实现加工质量的范围。现代制造型企业中，产品制造质量的定量评价对企业的持续改进有着重要的作用，这种重要性主要体现在通过定量评价企业可以向具有竞争力的标杆企业学习，由于产品质量在现代工业中的重要地位,统计过程控制(SPC)在机械、纺织、电子产品、汽车灯离散制造业中取得了很大成功,并逐渐向造纸、炼油、化工、食品等间歇工业和连续制造业渗透。通过对造成过程异常的数据的统计分析，进而对制造过程中出现的正常波动和异常波动进行区分，能够达到在异常初显时，在造成加工产品不合格之前及时预警，山此来指导管理操作者及时采取正确的解决措施查找出异常原因，最终能够准确排除异常因素，由此确保制造过程始终处于受控状态。从而极大地减少不合格产品的产生，确保生产顺利进行，使生产效率提高。基于上述需求，本发明提供了基于模糊规则衡量制造过程质量能力的算法。

发明内容

针对传统车间质量控制方面存在的问题，本发明提供了基于模糊规则衡量制造过程质量能力的算法。

为了解决上述问题，本发明是通过以下技术方案实现的：

步骤1：收集制造过程中质量特性的原始数据，并对该数据进行必要的整理、简化及计算。

步骤2：对关键工序的质量特性进行过程分析；

步骤3：把观测到的数据记录到己经画好控制限的控制图上，根据判稳规则判断过程是否出现异常现象；

步骤4：根据识别结果，查找出过程异常源所在；

步骤5：相关人员针对质量问题提出并实施改善的措施，解决过程异常情况；

步骤6：在改善实施后，继续使用控制图对过程质量进行验证确认，观测是否仍有异常，若有则返问至(3)，若无则继续利用控制图对制造过程进行监控。

本发明有益效果是：

1、过程能力系数条件更严谨，判定状态结果更加准确。

2、算法复杂度低，处理的时间短，得到了较好的结果准确度。

3、为后续制造过程诊断技术奠定了较好的基础。

4、在参数优化方面处理的更加严谨、表征过程能力函数更好的符合实际情况，得到的判定结果更加准确。

附图说明

图1制造过程控制与诊断技术的结构流程图

图2本发明车间数据采集方案图

具体实施方式

为了解决传统车间质量控制方面存在的问题，结合图1-图2对本发明进行了详细说明，其具体实施步骤如下：

步骤2：对关键工序的质量特性进行过程分析，其具体计算过程如下：

在生产过程中，当工序不存在系统性误差时，产品的质量特性值X符合正态分布，X∈N(ν，σ²），其中X是质量特性值，μ是总体均值，σ²是总体方差。当质量特性值服从正态分布时，其均值也服从正态分布，其中，n为样本容量。依照正态分布的特性，则

P(μ-3X＜X＜μ+3σ)＝99.73％

即，无论μ和σ取何值，X落在之间的概率是99.73％，也就是说，落在这个分布范围之外的概率只有0.27％。

错判误差的概率分为两类，一是受控状态判为失控状态，概率即为P₁，二是失控状态判为受控状态，概率即为P₂。

样本X，当处于受控状态时。设其分布为正态分布X∈N(μ，σ²)；过程处于失控状态时，其分布发生了变化，变化后的分布函数为F(x)。

记控制图的上、下控制限分别为U、L；

P₁＝2(1-Φ-(λ))

P₂＝F(U)-F(L)

总误差概率为P₁+P₂

上式Φ(λ)为标准正态分布的分布函数在点λ处的值，λ为控制图中实际参数，这个具体情况可以具体确定。

参数偏差为|λ-μ|

表征过程能力函数如下：

由于机器、设备故障等因素的影响，σ不可能一直不变，所有需对σ进行置信度的计算，只有找到这样的置信区间，才能更为精准的提现制造过程能力。

一般用样本标准差s作为对σ的估计，即

所以其置信区间为置信度为1-α；

只有上式C′_P两式同时满足C′_P≥0.9973，那么加工过程的潜在能力是满足要求的。加工过程若满足C′_P≥0.9973，如图2所示转入步骤3，否则进行质量改进，直至达到是工序能力指数满足要求。

步骤3：把观测到的数据记录到己经画好控制限的控制图上，根据判稳规则判断过程是否出现异常现象，其具体描述如下：

如果过程处于非统计过程受控状态时用样本点建立的控制图控制后续的生产过程，不仅起不到良好的控制效果，反而会给企业带来错误的预报，给企业造成损失。

步骤4：根据识别结果，查找出过程异常源所在；

Claims

1.基于模糊规则衡量制造过程质量能力的算法，本发明涉及机械产品加工制造过程质量控制技术领域，具体涉及基于模糊规则衡量制造过程质量能力的算法，

其特征是，包括如下步骤：

步骤1：收集制造过程中质量特性的原始数据，并对该数据进行必要的整理、简化及计算

步骤2：对关键工序的质量特性进行过程分析；

如果过程处于非统计过程受控状态时用样本点建立的控制图控制后续的生产过程，不仅起不到良好的控制效果，反而会给企业带来错误的预报，给企业造成损失

步骤4：根据识别结果，查找出过程异常源所在；

步骤5：相关人员针对质量问题提出并实施改善的措施，解决过程异常情况；步骤6：在改善实施后，继续使用控制图对过程质量进行验证确认，观测是否仍有异常，若有则返问至（3），若无则继续利用控制图对制造过程进行监控。

2.根据权利要求1中所述的基于模糊规则衡量制造过程质量能力的算法，其特征是，以上所述步骤2中的具体计算过程如下：

在生产过程中，当工序不存在系统性误差时，产品的质量特性值符合正态分布，，其中是质量特性值，是总体均值，是总体方差，当质量特性值服从正态分布时，其均值也服从正态分布，其中，n为样本容量，依照正态分布的特性，则



即，无论和取何值，落在之间的概率是，也就是说，落在这个分布范围之外的概率只有

错判误差的概率分为两类，一是受控状态判为失控状态，概率即为，二是失控状态判为受控状态，概率即为

样本，当处于受控状态时，设其分布为正态分布；过程处于失控状态时，其分布发生了变化，变化后的分布函数为

记控制图的上、下控制限分别为、；

总误差概率为

上式为标准正态分布的分布函数在点处的值，为控制图中实际参数，这个具体情况可以具体确定

参数偏差为

表征过程能力函数如下：

由于机器、设备故障等因素的影响，不可能一直不变，所有需对进行置信度的计算，只有找到这样的置信区间，才能更为精准的提现制造过程能力

一般用样本标准差作为对的估计，即

所以其置信区间为，置信度为；

只有上式两式同时满足，那么加工过程的潜在能力是满足要求的，加工过程若满足，如图2所示转入步骤3，否则进行质量改进，直至达到是工序能力指数满足要求。