论文部分内容阅读
制造过程质量管控是保证产品质量的关键措施,也是实施全面质量管理的核心所在。智能制造“十三五”发展规划以及《中国制造2025》的提出,对制造过程质量管控提出了更高的要求。现代化、智能化的背景下,复杂装备制造过程的自动化水平日益提升,工艺过程复杂程度也不断增加。如果只是根据统计过程控制(Statistical Process Control,SPC)进行制造过程质量管控已较难满足现实需求。近年出现了诸如支持向量机(Support Vector Machine,SVM)以及最小二乘支持向量回归机(Least Square Support Vector Regression,LSSVR)等一些机器学习方法,以及如经验模态分解(Empirical Mode Decomposition,EMD)等一些自适应数据预处理方法,相较之前的技术有了一定的提升。本文针对复杂装备制造过程批量大、生产节拍快、工艺过程较为复杂,生产过程具有复杂性,异常因素具有不确定性,生产数据具有采样率高、更新速度快、样本量大、易受干扰等特点,基于EMD、SVM等技术研究了复杂装备制造过程质量管控的理论和方法。首先,介绍了过程质量控制模式,分析了多年来一直被广泛使用于制造过程质量控制的以控制图为基本工具的SPC,指出目前SPC控制图的局限;然后针对过程质量管控研究领域日益增加的人工智能技术进行了综述,重点介绍了人工智能技术在SPC控制图模式识别、过程质量参数预测的研究情况,以及数据预处理技术在处理过程质量数据的应用情况。其次,在总结前人对质量控制和质量改进模型与方法的基础上,针对复杂装备制造过程的特点与实际情况,提出了一种结合制造过程质量模式识别、制造过程质量参数预测与推断规则的过程质量管控模型。再次,基于数据预处理技术和机器学习算法分别给出了实现过程质量管控的两个关键模型,即基于混合特征的制造过程质量模式识别模型,基于EMD聚类特征的过程质量异常模式参数预测模型。最后,以某机车集团柴油机分公司的凸轮轴生产为例,运用所提过程质量管控模型对柴油机凸轮轴制造过程质量进行管控,通过实例应用证明了本文所提过程质量管控模型的有效性和可行性。