制造過程質(zhì)量控制中SPC的改進.pdf

1、統(tǒng)計過程控制(Statistical Process Control，簡稱SPC)已經(jīng)在全球各行各業(yè)獲得了廣泛的應用。SPC不僅可以提高產(chǎn)品或服務的質(zhì)量，還可以減少變差，不斷改善過程水平。制造過程的SPC控制也稱為統(tǒng)計質(zhì)量管理，通常以產(chǎn)品的某質(zhì)量特性值為分析對象，因此本文主要討論單變量統(tǒng)計過程控制在制造過程質(zhì)量管理中的應用。 控制圖作為SPC實施的重要工具之一，更是得到了廣泛的應用。然而，經(jīng)典控制圖在應用中逐漸顯露出一些問題。控

2、制圖存在多種異常模式，而異常模式識別的自動化、智能化是CIMS發(fā)展的必然趨勢；傳統(tǒng)控制圖均為單個尺度上最優(yōu)，不能滿足制造加工過程多頻率特性的需要；傳統(tǒng)控制圖局限于正態(tài)獨立同分布(Normal，Independent，and IdenticallyDistributed，簡稱NIID)過程，然而許多化工、制藥等連續(xù)工業(yè)過程的特性值卻往往表現(xiàn)出自相關(guān)特性，此外，一些強烈依賴于原料、專用機器等離散加工過程也會受溫度等過程固有因素的影響而呈現(xiàn)自

3、相關(guān)性。當質(zhì)量特性值不滿足正態(tài)分布以及獨立性要求時，傳統(tǒng)的控制圖、過程能力分析等SPC方法就遇到了障礙；SPC控制下的過程質(zhì)量特性值相對于目標值的波動是被看成是服從一定統(tǒng)計分布的隨機現(xiàn)象，過程輸出(質(zhì)量特性值)相對于目標值的偏差也是一定存在的，從對偏差的處理角度講，經(jīng)典SPC只是一個開環(huán)控制。 本文針對以上問題，提出了一些改進方法： 首先針對當需要識別的類別數(shù)以及質(zhì)量特性值的統(tǒng)計分布皆為未知情況，提出了一種基于ART神經(jīng)

4、網(wǎng)絡的控制圖異常模式識別系統(tǒng)，并運用Monte-Carlo模擬分析了該方法的平均運行鏈長(Average Run Length，簡稱ARL)特性。它不僅解決了BP神經(jīng)網(wǎng)絡對新模式的泛化能力不足問題，還解除了NIID對經(jīng)典SPC的約束，實現(xiàn)了對各種未知分布特性的過程的統(tǒng)計監(jiān)控； 接著運用多尺度小波分析解決了制造過程以及其他工業(yè)工程中經(jīng)常出現(xiàn)的多頻率特性問題； 針對自相關(guān)問題，本文分別提出了開環(huán)和閉環(huán)兩種SPC控制。開環(huán)SP