面向AMT的统计过程质量控制-_第1页
面向AMT的统计过程质量控制-_第2页
面向AMT的统计过程质量控制-_第3页
全文预览已结束

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

Word第第页面向AMT的统计过程质量控制*一、引言八十年月以来，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。据国外的调查说明，企业之间的竞争焦点已从价格因素向柔性、质量、对市场改变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，为了生存和进展，越来越多的企业熟悉到实施先进制造技术的重要性，并已经开头引进和实施AMT[2]。在AMT的讨论和应用不断取得胜利的同时，也有很多企业发觉AMT带来的效益并不如所期望的那么大，甚至还有很多失败的例子摆在人们面前。影响先进制造技术胜利应用的'因素有许多，其中一个重要的因素是产品的质量。传统的统计过程质量掌握基于休哈特掌握图，监测掌握同一产品的同一质量特征的改变规律，使之满意精度并保持稳定，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掌握关系。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，国内外均做了一些讨论[4-8]，提出一些解决〔方案〕，但均没能在根本上解决数据缺乏的问题。此外，在先进制造系统中还存在对掌握图的识别问题。传统的生产环境下掌握图是否处于统计掌握状态下，是由人对掌握图进行统计状态的识别。在AMT生产环境下假如连续沿用这种方法，一方面影响信息反馈的准时性，另一方面工人始终监视掌握图会提高工作强度，降低他们的工作效率。利用模式识别算法对掌握图自动识别，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简单用一般算法识别，例如掌握变量超出掌握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改变趋势，则难以用一般方法进行推断。由于神经计算技术的进展，很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，利用神经网络对掌握图的异样模式进行识别是特别合适的。基于以上商量，本文提出了基于等效工序力量的统计过程掌握方法，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掌握图的改变趋势为讨论对象，采纳人工神经网络理论设计了掌握图异样状态的自动识别软件。二、基于等效工序力量的统计过程质量掌握方法1.等效工序力量掌握的理论基础现代统计过程质量掌握的动身点是在事前掌握加工过程，使其处于正常状态；而不是在事后通过检验的方法掌握次品的扩大。进行的是“过程掌握"而不是“产品掌握"。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〔不肯定为同类产品〕偏离期望值的正常波动听从的分布。等效工序力量掌握图通过对的标准化变换，使得等效工序力量掌握图的掌握界限不随质量特征的不同而改变，使统计变量成为听从标准正态分布的无量纲量的随机变量，到达利用历史数据的目的。不同的

人人文库> 全部分类> 教育资料 > 课设设计

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论