论文部分内容阅读
随着生产发展的需要,复杂机电产品出现在各种生产制造过程中,因此对于复杂机电产品的研究也就越发重要。复杂机电产品结构复杂、质量特性数量大等特点,使得生产的监测控制的难度系数大,在生产管理中提取关键质量特性并对其进行监控,可以有效的保证产品质量。为了提高复杂机电产品的关键质量特性提取精度,研究关键质量特性数量对质量控制的影响,将马田系统与BP神经网络进行结合,构建BP-MTS的关键质量特性提取方法。将平均运行链长(Average Running Length,ARL)作为Hotelling T2控制图的性能评价指标,分析关键质量特性数量对于Hotelling T2控制图的性能影响,以及不同数量关键质量特性下的质量损失。以发动机的气缸为例,与传统马田系统进行对比分析,结果表明:(1)BP-MTS方法可以根据不同生产需要给出相应的关键质量特性数量;(2)当过程均值偏移量较小时,选择相应较少的关键质量特性利于生产监控且造成更小的质量损失;当过程均值偏移量较大时,需选择较多的关键质量特性以达到有效监控的目的。针对复杂机电产品的日常生产控制,分析了相应的控制图。并将Q统计量与EWMA控制图进行结合,使用排序集采样(Ranked Set Sampling,RSS)对EWMA改进并构造 RS S-QEWMA 控制图,以提高 EWMA(Exponentially Weighted Moving Average)控制图在复杂机电产品不同数量质量特性下的监控性能。使用平均运行链长以及平均报警时间(Average Time to Signal,ATS)进行控制图性能分析,并与EWMA、CUSUM、Hotelling T2控制图的监控性能进行比较,改进后的RSS-QEWMA在质量特性数量p=1、且过程均值偏移量δ≤0.7时,监控效果优于EWMA、Hotelling T2控制图;当p=1且δ>0.7时,RSS-QEWMA控制图监控效果优于CUSUM控制图;当p>1时,RSS-QEWMA控制图依然能保持良好的监控性能。为实现特定生产条件下提高MEWMA控制图经济统计性,构建了基于排序集采样的RSS-MEWMA控制图。构建相应的成本模型并使用田口损失函数对其进行修正,分析该控制图的统计性能,构建基于马尔科夫链的平均报警时间,以过程失控时的ATS 作为评价指标,与传统 MEWMA(Multivariate Exponentially Weighted Moving Average)控制图的经济性与统计性进行对比分析,证实了基于经济统计性分析的RSS-MEWMA控制图既能识别生产过程中的偏移报警,又降低了相应的控制成本。