CN107256002A - 新的衡量制造过程多元质量能力的算法 - Google Patents
新的衡量制造过程多元质量能力的算法 Download PDFInfo
- Publication number
- CN107256002A CN107256002A CN201710396055.2A CN201710396055A CN107256002A CN 107256002 A CN107256002 A CN 107256002A CN 201710396055 A CN201710396055 A CN 201710396055A CN 107256002 A CN107256002 A CN 107256002A
- Authority
- CN
- China
- Prior art keywords
- quality
- control
- multivariate
- distribution
- algorithm
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
- G05B19/408—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by data handling or data format, e.g. reading, buffering or conversion of data
- G05B19/4083—Adapting programme, configuration
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/35—Nc in input of data, input till input file format
- G05B2219/35356—Data handling
Landscapes
- Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Manufacturing & Machinery (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- General Factory Administration (AREA)
- Feedback Control In General (AREA)
Abstract
新的衡量制造过程多元质量能力的算法,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,协方差矩阵表征多元质量之间相关性,应用规格修正体积与过程体积之比来表征过程质量能力系数,另外应用改进统计方法来表征过程质量能力系数,综合上述两方法,得到最合适表征过程质量能力系数函数,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,修正系数处理更好,又综合了多元质量间的相关性、误判因子、主成分分析方法,则表征过程能力函数准确度得到更好提升,也更符合实际情况,为后续制造过程诊断技术奠定了较好的基础。
Description
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,具体涉及一种新的衡量制造过程多元质量能力的算法。
背景技术
21世纪,伴随着全球经济一体化的发展,国际市场的竞争日趋激烈,与时间和成本一样,质量己成为企业生存与发展的主要制胜因素。广泛应用国内外先进的质量方法和质量技术对于企业改进产品质量、提高产品竞争力具有重要意义。好的质量是低成本、高效率、低损耗、高收益的保证也是长期赢得顾客忠诚度,企业获得可持续发展的基石。尽管中国企业界最近的热点似乎集中在并购、资本经营、市场拓展、多元化等方面,但事实上,对任何一家生产制造企业来讲,质量的管理、生产流程的控制,乃是企业发展的最为重要的“内功”之一。如何练好“内功”,不仅需要有质量管理的思想、方法和手段,更需要有质量工程技术的支持。如何利用质量工程技术,设计并生产出低成本、短周期、高质量、高可靠性的产品,由此获得竟争优势,己成为国内外广大理论研究者和实际工作者广泛关注的问题。而提高质量的一个主要技术手段就是进行有效的过程监控。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。由于传统的过程能力分析大多是针对一元生产过程的,一般不考虑生产过程中多元质量特性的情况,而在现实生产过程中存在多个质量特性值的情况并不少见,传统的一元过程能力分析已不适于这样的多元质量特性生产过程,因此,如何度量和计算多元过程能力指数,通过单个数值来评价多元过程能力,进行过程能力分析,进而预测过程生产能力具有重要的理论意义和实际价值。基于上述需求,本发明提供了一种新的衡量制造过程多元质量能力的算法。
发明内容
针对传统车间质量控制方面存在的问题,本发明提供了一种新的衡量制造过程多元质量能力的算法。
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:对关键工序的多元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,维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、考虑了质量间的多元特性,算法适应性更强,更符合实际的应用。
5、参数因子处理的更加规范合理,得到的值更符合经验判定的结果。
6、考虑了误判因子、又结合主成分分析方法,结果准确度得到的进一步提升。
7、数据处理更完善,减低了误判的概率。
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
图3二维过程修正的规格区域与实际分布区域示例图
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3对本发明进行了详细说明,其具体实施步骤如下:
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:对关键工序的多元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(μ,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-3σ<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%。
由于影响质量的多元特性,对多元特性间应进行比重分配;
比重计算如下:
假设t维正态分布Nt(μ,∑),即Xt~Nt(μ,∑),其中μ为总体均值向量,∑为协方差矩阵,由于∑t×t为对称矩阵,因此存在对称矩阵P,使得
其中λ1,λ2,…,λt为协方差矩阵的特征值,其满足(λ1,λ2,…,λt)>0,即t维多元质量的权重分配可以表示为下式:
对于过程修正的规格区域是一个椭球体,其体积计算公式为:
Ui、Li分别为控制图上第i元质量因子的上下限。
多元过程在(1-α)置信度下实际分布区域的椭球体为:
|Σ|为多元质量因子的协方差行列式。
设其修正系数为k;
ε=[(M1-μ1)2+(M2-μ2)2+…+(Mt-μt)2]1/2
Mi、μi分别为规格图、和实际过程的均值位置,ε为t维均值差值。
另一影响因子为(Uj、Lj)为规格上下限的交点。
即
综上所述,表征过程能力函数如下:
为了完善上式的结果,这里整合下面的方法,具体过程如下:
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。
一元修正系数k′:
β1、β2分别为中心距离差值|λ-μ|、误判概率的权重分配值,这里β1+β2=1,(β1,β2)>0。
表征过程能力函数CP:
CP=min(CPU,CPL)
多元表征过程能力函数MC′P:
综上所述,得到完整的多元表征过程能力函数WMC′P:
只有上式WMC′P满足WMC′P≥ω,那么加工过程的潜在能力是满足要求的。加工过程若满足WMC′P≥ω,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。
ω为专家设定的合适阈值,这个可以由实验反复测试得出。
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;
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,维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。
Claims (2)
1.新的衡量制造过程多元质量能力的算法,本发明涉及机械产品加工制造过程质量控制技术领域,具体涉及一种新的衡量制造过程多元质量能力的算法,
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:对关键工序的多元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,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;
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,维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中所述的新的衡量制造过程多元质量能力的算法,其特征是,以上所述步骤2中的具体计算过程如下:
步骤2:对关键工序的多元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
由于影响质量的多元特性,对多元特性间应进行比重分配;
比重计算如下:
假设维正态分布,即,其中为总体均值向量,为协方差矩阵,由于为对称矩阵,因此存在对称矩阵,使得
其中为协方差矩阵的特征值,其满足,即维多元质量的权重分配可以表示为下式:
对于过程修正的规格区域是一个椭球体,其体积计算公式为:
、分别为控制图上第元质量因子的上下限
多元过程在置信度下实际分布区域的椭球体为:
为多元质量因子的协方差行列式
设其修正系数为;
、分别为规格图、和实际过程的均值位置,为t维均值差值
另一影响因子为,为规格上下限的交点
即
综上所述,表征过程能力函数如下:
为了完善上式的结果,这里整合下面的方法,具体过程如下:
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
一元修正系数:
、分别为中心距离差值、误判概率的权重分配值,这里,
表征过程能力函数:
多元表征过程能力函数:
综上所述,得到完整的多元表征过程能力函数:
只有上式满足,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
为专家设定的合适阈值,这个可以由实验反复测试得出。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710396055.2A CN107256002A (zh) | 2017-05-27 | 2017-05-27 | 新的衡量制造过程多元质量能力的算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710396055.2A CN107256002A (zh) | 2017-05-27 | 2017-05-27 | 新的衡量制造过程多元质量能力的算法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107256002A true CN107256002A (zh) | 2017-10-17 |
Family
ID=60028000
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710396055.2A Pending CN107256002A (zh) | 2017-05-27 | 2017-05-27 | 新的衡量制造过程多元质量能力的算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107256002A (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101266487A (zh) * | 2008-04-22 | 2008-09-17 | 武汉理工大学 | 基于网络的制造过程产品质量控制系统及方法 |
CN101847247A (zh) * | 2010-05-13 | 2010-09-29 | 苏州卫生职业技术学院 | 一种卫生技术人才培养系统 |
CN102117365A (zh) * | 2011-03-04 | 2011-07-06 | 北京科技大学 | 一种适用于焦化粗苯回收的在线建模与优化方法 |
CN102801279A (zh) * | 2011-05-23 | 2012-11-28 | 苑炳明 | 齿轮传动发电装置 |
CN102830618A (zh) * | 2012-08-16 | 2012-12-19 | 西北工业大学 | 多工序加工过程质量波动预测方法 |
CN103971022A (zh) * | 2014-05-26 | 2014-08-06 | 北京航空航天大学 | 基于t2控制图的飞机零部件质量稳定性控制算法 |
CN104700200A (zh) * | 2014-12-18 | 2015-06-10 | 西安交通大学 | 一种面向数字化车间的产品多元质量监控方法 |
CN105676817A (zh) * | 2016-01-14 | 2016-06-15 | 西安电子科技大学 | 不同大小样本均值-标准偏差控制图的统计过程控制方法 |
CN105719322A (zh) * | 2016-01-27 | 2016-06-29 | 四川用联信息技术有限公司 | 一种基于自乘矩阵变换的多光谱图像压缩方法 |
CN105761223A (zh) * | 2016-02-16 | 2016-07-13 | 四川用联信息技术有限公司 | 一种基于图像低秩性的迭代降噪方法 |
CN106249709A (zh) * | 2016-07-21 | 2016-12-21 | 郑州航空工业管理学院 | 动态的过程质量控制图和定龄维修联合设计优化控制方法 |
CN106341325A (zh) * | 2016-10-12 | 2017-01-18 | 四川用联信息技术有限公司 | 移动云计算中一种离散数据均匀量化算法 |
CN106357796A (zh) * | 2016-10-12 | 2017-01-25 | 四川用联信息技术有限公司 | 移动云计算下移动应用的最优服务分配算法 |
-
2017
- 2017-05-27 CN CN201710396055.2A patent/CN107256002A/zh active Pending
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101266487A (zh) * | 2008-04-22 | 2008-09-17 | 武汉理工大学 | 基于网络的制造过程产品质量控制系统及方法 |
CN101847247A (zh) * | 2010-05-13 | 2010-09-29 | 苏州卫生职业技术学院 | 一种卫生技术人才培养系统 |
CN102117365A (zh) * | 2011-03-04 | 2011-07-06 | 北京科技大学 | 一种适用于焦化粗苯回收的在线建模与优化方法 |
CN102801279A (zh) * | 2011-05-23 | 2012-11-28 | 苑炳明 | 齿轮传动发电装置 |
CN102830618A (zh) * | 2012-08-16 | 2012-12-19 | 西北工业大学 | 多工序加工过程质量波动预测方法 |
CN103971022A (zh) * | 2014-05-26 | 2014-08-06 | 北京航空航天大学 | 基于t2控制图的飞机零部件质量稳定性控制算法 |
CN104700200A (zh) * | 2014-12-18 | 2015-06-10 | 西安交通大学 | 一种面向数字化车间的产品多元质量监控方法 |
CN105676817A (zh) * | 2016-01-14 | 2016-06-15 | 西安电子科技大学 | 不同大小样本均值-标准偏差控制图的统计过程控制方法 |
CN105719322A (zh) * | 2016-01-27 | 2016-06-29 | 四川用联信息技术有限公司 | 一种基于自乘矩阵变换的多光谱图像压缩方法 |
CN105761223A (zh) * | 2016-02-16 | 2016-07-13 | 四川用联信息技术有限公司 | 一种基于图像低秩性的迭代降噪方法 |
CN106249709A (zh) * | 2016-07-21 | 2016-12-21 | 郑州航空工业管理学院 | 动态的过程质量控制图和定龄维修联合设计优化控制方法 |
CN106341325A (zh) * | 2016-10-12 | 2017-01-18 | 四川用联信息技术有限公司 | 移动云计算中一种离散数据均匀量化算法 |
CN106357796A (zh) * | 2016-10-12 | 2017-01-25 | 四川用联信息技术有限公司 | 移动云计算下移动应用的最优服务分配算法 |
Non-Patent Citations (3)
Title |
---|
肖承杭: ""基于决策树的多元过程控制与异常识别方法研究"", 《中国优秀硕士学位论文全文数据库 基础科学辑》 * |
赵凯: ""多元制造过程能力分析及质量诊断"", 《中国博士学位论文全文数据库 工程科技II辑》 * |
马义中: ""减小和控制多元质量特性波动的理论和方法"", 《中国优秀博硕士学位论文全文数据库(博士) 工程科技II辑》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10814448B2 (en) | Comprehensive performance evaluation method for CNC machine tools based on improved pull-off grade method | |
JP6285494B2 (ja) | サンプリングレート決定機構付きの測定サンプル抽出方法及びそのコンピュータプログラム製品 | |
CN107256003A (zh) | 一种模糊支持向量机的制造过程多元质量诊断分类器 | |
CN103345200B (zh) | 一种基于广义区间的切削加工颤振辨识方法 | |
Riaz | Monitoring process variability using auxiliary information | |
CN110162746A (zh) | 一种多参数融合相似度的健康预警及故障诊断方法 | |
CN105868164A (zh) | 一种基于有监督的线性动态系统模型的软测量建模方法 | |
CN108445867A (zh) | 一种基于分散式icr模型的非高斯过程监测方法 | |
CN107346122A (zh) | 改进模糊支持向量机的制造过程多元质量诊断分类器 | |
CN110874509A (zh) | 一种高端数控装备多维信息融合状态评价方法 | |
CN114757269A (zh) | 一种基于局部子空间-邻域保持嵌入的复杂过程精细化故障检测方法 | |
Ghute et al. | A multivariate synthetic control chart for process dispersion | |
CN102136038A (zh) | 基于状态空间的多特征设备状态评价方法及应用 | |
CN107357167A (zh) | 基于主成分分析方法的制造过程质量异常的特征提取算法 | |
CN107256002A (zh) | 新的衡量制造过程多元质量能力的算法 | |
CN101780488B (zh) | 内螺纹冷挤压加工质量在线预测方法 | |
CN107992006A (zh) | 基于svm的制造过程多元质量诊断分类器 | |
CN107272611A (zh) | 一种衡量制造过程质量能力的算法 | |
CN107390647A (zh) | 一种混合的衡量制造过程多元质量能力的算法 | |
CN107390667A (zh) | 基于决策树的制造过程多元质量诊断分类器 | |
CN108170648A (zh) | 一种基于已知数据回归的非高斯过程监测方法 | |
CN107203198A (zh) | 改进的制造过程多元质量诊断分类器 | |
CN107291065A (zh) | 改进的基于决策树的制造过程多元质量诊断分类器 | |
CN107122609A (zh) | 一种基于质量特性基因理论的机电产品质量评价方法 | |
CN108037744A (zh) | 基于统计方法的制造过程多元质量诊断分类器 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20171017 |
|
WD01 | Invention patent application deemed withdrawn after publication |