本發(fā)明涉及機械產(chǎn)品加工制造過程質(zhì)量控制技術領域，具體涉及基于模糊規(guī)則衡量制造過程質(zhì)量能力的算法。

背景技術：

產(chǎn)品的制造過程能力是指過程處于受控狀態(tài)或穩(wěn)定狀態(tài)下在加工精度方面的實際能力，過程能力體現(xiàn)了過程穩(wěn)定地實現(xiàn)加工質(zhì)量的范圍。現(xiàn)代制造型企業(yè)中，產(chǎn)品制造質(zhì)量的定量評價對企業(yè)的持續(xù)改進有著重要的作用，這種重要性主要體現(xiàn)在通過定量評價企業(yè)可以向具有競爭力的標桿企業(yè)學習，由于產(chǎn)品質(zhì)量在現(xiàn)代工業(yè)中的重要地位,統(tǒng)計過程控制(spc)在機械、紡織、電子產(chǎn)品、汽車燈離散制造業(yè)中取得了很大成功,并逐漸向造紙、煉油、化工、食品等間歇工業(yè)和連續(xù)制造業(yè)滲透。通過對造成過程異常的數(shù)據(jù)的統(tǒng)計分析，進而對制造過程中出現(xiàn)的正常波動和異常波動進行區(qū)分，能夠達到在異常初顯時，在造成加工產(chǎn)品不合格之前及時預警，山此來指導管理操作者及時采取正確的解決措施查找出異常原因，最終能夠準確排除異常因素，由此確保制造過程始終處于受控狀態(tài)。從而極大地減少不合格產(chǎn)品的產(chǎn)生，確保生產(chǎn)順利進行，使生產(chǎn)效率提高?；谏鲜鲂枨?，本發(fā)明提供了基于模糊規(guī)則衡量制造過程質(zhì)量能力的算法。

技術實現(xiàn)要素：

針對傳統(tǒng)車間質(zhì)量控制方面存在的問題，本發(fā)明提供了基于模糊規(guī)則衡量制造過程質(zhì)量能力的算法。

為了解決上述問題，本發(fā)明是通過以下技術方案實現(xiàn)的：

步驟1：收集制造過程中質(zhì)量特性的原始數(shù)據(jù)，并對該數(shù)據(jù)進行必要的整理、簡化及計算。

步驟2：對關鍵工序的質(zhì)量特性進行過程分析；

步驟3：把觀測到的數(shù)據(jù)記錄到己經(jīng)畫好控制限的控制圖上，根據(jù)判穩(wěn)規(guī)則判斷過程是否出現(xiàn)異?，F(xiàn)象；

步驟4：根據(jù)識別結果，查找出過程異常源所在；

步驟5：相關人員針對質(zhì)量問題提出并實施改善的措施，解決過程異常情況；

步驟6：在改善實施后，繼續(xù)使用控制圖對過程質(zhì)量進行驗證確認，觀測是否仍有異常，若有則返問至(3)，若無則繼續(xù)利用控制圖對制造過程進行監(jiān)控。

本發(fā)明有益效果是：

1、過程能力系數(shù)條件更嚴謹，判定狀態(tài)結果更加準確。

2、算法復雜度低，處理的時間短，得到了較好的結果準確度。

3、為后續(xù)制造過程診斷技術奠定了較好的基礎。

4、在參數(shù)優(yōu)化方面處理的更加嚴謹、表征過程能力函數(shù)更好的符合實際情況，得到的判定結果更加準確。

附圖說明

圖1制造過程控制與診斷技術的結構流程圖

圖2本發(fā)明車間數(shù)據(jù)采集方案圖

具體實施方式

為了解決傳統(tǒng)車間質(zhì)量控制方面存在的問題，結合圖1-圖2對本發(fā)明進行了詳細說明，其具體實施步驟如下：

步驟1：收集制造過程中質(zhì)量特性的原始數(shù)據(jù)，并對該數(shù)據(jù)進行必要的整理、簡化及計算。

步驟2：對關鍵工序的質(zhì)量特性進行過程分析，其具體計算過程如下：

在生產(chǎn)過程中，當工序不存在系統(tǒng)性誤差時，產(chǎn)品的質(zhì)量特性值x符合正態(tài)分布，x∈n(ν，σ²），其中x是質(zhì)量特性值，μ是總體均值，σ²是總體方差。當質(zhì)量特性值服從正態(tài)分布時，其均值也服從正態(tài)分布，其中，n為樣本容量。依照正態(tài)分布的特性，則

p(μ-3x＜x＜μ+3σ)＝99.73％

即，無論μ和σ取何值，x落在之間的概率是99.73％，也就是說，落在這個分布范圍之外的概率只有0.27％。

錯判誤差的概率分為兩類，一是受控狀態(tài)判為失控狀態(tài)，概率即為p1，二是失控狀態(tài)判為受控狀態(tài)，概率即為p2。

樣本x，當處于受控狀態(tài)時。設其分布為正態(tài)分布x∈n(μ，σ²)；過程處于失控狀態(tài)時，其分布發(fā)生了變化，變化后的分布函數(shù)為f(x)。

記控制圖的上、下控制限分別為u、l；

p1＝2(1-φ-(λ))

p2＝f(u)-f(l)

總誤差概率為p1+p2

上式φ(λ)為標準正態(tài)分布的分布函數(shù)在點λ處的值，λ為控制圖中實際參數(shù)，這個具體情況可以具體確定。

參數(shù)偏差為|λ-μ|

表征過程能力函數(shù)如下：

由于機器、設備故障等因素的影響，σ不可能一直不變，所有需對σ進行置信度的計算，只有找到這樣的置信區(qū)間，才能更為精準的提現(xiàn)制造過程能力。

一般用樣本標準差s作為對σ的估計，即

所以其置信區(qū)間為置信度為1-α；

只有上式c′p兩式同時滿足c′p≥0.9973，那么加工過程的潛在能力是滿足要求的。加工過程若滿足c′p≥0.9973，如圖2所示轉入步驟3，否則進行質(zhì)量改進，直至達到是工序能力指數(shù)滿足要求。

步驟3：把觀測到的數(shù)據(jù)記錄到己經(jīng)畫好控制限的控制圖上，根據(jù)判穩(wěn)規(guī)則判斷過程是否出現(xiàn)異?，F(xiàn)象，其具體描述如下：

如果過程處于非統(tǒng)計過程受控狀態(tài)時用樣本點建立的控制圖控制后續(xù)的生產(chǎn)過程，不僅起不到良好的控制效果，反而會給企業(yè)帶來錯誤的預報，給企業(yè)造成損失。

步驟4：根據(jù)識別結果，查找出過程異常源所在；

步驟5：相關人員針對質(zhì)量問題提出并實施改善的措施，解決過程異常情況；

步驟6：在改善實施后，繼續(xù)使用控制圖對過程質(zhì)量進行驗證確認，觀測是否仍有異常，若有則返問至(3)，若無則繼續(xù)利用控制圖對制造過程進行監(jiān)控。

技術特征：

技術總結
基于模糊規(guī)則衡量制造過程質(zhì)量能力的算法，收集制造過程中質(zhì)量特性的原始數(shù)據(jù)，進行數(shù)據(jù)預處理，在之前算法的基礎上，對參數(shù)進行置信區(qū)間計算，把此參數(shù)的準確率也綜合到之前算法當中對關鍵工序的質(zhì)量特性進行過程分析，根據(jù)控制圖記錄的數(shù)據(jù)判穩(wěn)以及是否出現(xiàn)異常現(xiàn)象，查找出過程異常源。本發(fā)明過程能力系數(shù)條件嚴謹、判定狀態(tài)準確，算法復雜度低，處理的時間快，參數(shù)處理更加嚴謹，表征過程能力函數(shù)更好的符合實際情況，為后續(xù)制造過程診斷技術奠定了較好的基礎。

技術研發(fā)人員：金平艷
受保護的技術使用者：四川用聯(lián)信息技術有限公司
技術研發(fā)日：2017.05.27
技術公布日：2017.10.17