个人档案

<2021年8月>
25262728293031
1234567
891011121314
15161718192021
22232425262728
2930311234

最近来访

留言簿(0)

文章分类

文章档案

相册


最新评论

1. re: 产品质量特性值波动的原因有哪些
这个 可以学习一下!--wuhuabamen
2. re: SPC控制图的分类及注意事项
学习了 很好啊!--wuhuabamen
3. re: 大数据时代:用制造业智能(MI)技术唤醒沉睡数据
不错的文章,值得分享!http://www.balilan.com http://blog.e-works.net.cn/626381/ 条码、质量追溯系统、仓库管理软件、移动物联、条码软件、RFID -- 白绿蓝信息科技--mydesoft
4. re: SPC控制图详解之均值极差图
不错的文章,值得分享!http://www.balilan.com http://blog.e-works.net.cn/626381/ 条码、质量追溯系统、仓库管理软件、移动物联、条码软件、RFID -- 白绿蓝信息科技--mydesoft
5. re: 大数据时代:用制造业智能(MI)技术唤醒沉睡数据
不错的文章,值得分享!http://www.balilan.com http://blog.e-works.net.cn/626381/ 条码、质量追溯系统、仓库管理软件、移动物联、条码软件、RFID -- 白绿蓝信息科技--mydesoft
6. re: SPC控制图详解之均值极差图
不错的文章,值得分享!http://www.balilan.com http://blog.e-works.net.cn/626381/ 条码、质量追溯系统、仓库管理软件、移动物联、条码软件、RFID -- 白绿蓝信息科技--mydesoft

阅读排行榜

评论排行榜

    关键词:SPC,多品种小批量

导语:结合国内外学者从不同的角度提出的一些解决问题的方法和策略,本文通过对国内外一些比较有代表性的思想和方法进行分析和总结,大致把这些方法归为4种。

随着多品种、小批量的制造环境越来越多的被制造企业所选择,针对多品种、小批量模式下如何利用统计方法控制质量成为制造企业的质量改进难题。目前,总体来说,还没有哪一种方法能够具有传统的SPC那样有广泛的应用价值。结合国内外学者从不同的角度提出的一些解决问题的方法和策略,并将这些思想和方法融入到实际的工厂操作中。为此,本文通过对国内外一些比较有代表性的思想和方法进行分析和总结,大致把这些方法归为:

SPC在多品种、小批量质量控制中的应用

【图示】SPC在多品种、小批量质量控制中的应用

1. 精确控制界限,改善控制图

这种方法是力求在原来休哈特控制图的基础上作一些改进,提高控制图的灵敏度。通过调整控制图的控制界限或对数据进行统计变换,使第1类统计错误的概率达到所希望的规定值。F.S.Hiller和杨中浩是这种方法的代表,提出了基于小样本数据量控制方法,给出了当样本组数(m)较少时X。R控制图有效控制界限的建立方法,所提出的有效控制界限不受样本组的限制,确保了当工序受控时,下一点落在控制界限内的概率为规定值。F.S.Hiller推荐m大于等于5。但此方法对均值X拔偏移反应不太灵敏,特别是当样本组数(m)很小时。

在国内,有人提出一种基于现场实际数据的自助(Bootstrap)控制图,Bootstrap控制图特别适用于样本数据较少的场合,无须质量特征的正态分布假设、无须预先知道或估计质量特性的分布状况或分布参数,能够准确地计算出控制限的值,而且具有不随样本数量变化的稳定性,能够在Internet上运行,适用于下一代制造系统中多品种、小批量生产,满足其敏捷性和分布性要求.但应用时应注意,自助样本数不能过小(推荐取10000),原始样本数不能小于1组。

这种精确控制界限的方法只是在算法上有所改进,仍然没有从根本上解决数据不足的问题。所以从目前的应用情况看来,以上方法的统计控制效果多不是很理想。

2.数据变换法

由于单纯的通过提高控制图界限的精度和灵敏度的方法仍然受到现场环境和数据量不足的影响,因此,一些学者试图通过其它的统计手段来解决多品种、小批量制造环境下样本数据不足的问题,提出了很多不同的数据变换的方法在不同环境下的应用,大致可以归为两大类:无历史信息的数据变换方法和有历史信息的数据变换方法。

(1) 无历史信息的数据变换方法

在多品种、小批量的制造环境中,有时一些被加工对象是新产品或者是很少加工,以及两次加工之间的时间间隔比较长,当在加工这些产品时,没有过程的历史信息可以借鉴,很难直接引用传统的SPC方法,为此,一些学者提出一些基于统计数据变换的质量控制方法,其中最有影响的是美国质量专家C.P.Quesenberry提出的被称为Q.Chart控制图。Quesenberry提出的控制图的主要思想是:假定被分析的质量特征值数据完全独立、正态相关和来自相同母体的基础上。对质量特征值的数据进行标准正态变换,将来自不同总体的质量数据转化为标准的正态总体,通过这种方法使得来自不同总体的质量特征值数据可以利用同一种统计方法来进行分析。Q.Chart是第一种基于统计变换的统计质量控制图,对于在多品种、小批量生产环境下实施统计质量控制研究具有里程碑的意义。但也有一些不完善的方面:它主要研究控制图的基本变换;该研究只是对数学可行性的讨论,没有说明在制造过程中的意义等问题;因此,这种统计质量控制方法也有待于进一步完善。

(2)有历史信息的数据变换方法

在有相似制造过程的质量特征信息的情况下,利用成组技术,根据制造过程的相似性,也既工序的相似性,将不同零件的工序分组,在同一组内构造样本,通过数据变换构造成服从同一分布的统计量以增加样本容量,克服小批量统计数据不足的问题,从而直接使用传统的SPC方法对制造过程进行控制。

3.过程建模法

传统的控制图把生产过程视为独立的过程,缺乏对过程本身固有的、对产品质量有影响的本质规律的描述。由于小批量产品数据的不足,很难在质量控制方面有突破性的进展,这也促使SPC的研究改变了趋势:把质量控制从“结果”转向研究产生质量问题的根源,把分析和处理质量问题的焦点放在生产过程的监视和控制上。基于过程的质量控制技术有比较大的进展,比较有代表性的是累计和控制图、指数加权移动平均控制图EWMA等方法。这类控制图的控制理论是建立在控制系统的时域特征基础上的。根据控制论的观点,一个控制系统整个过程在时域上具有相关性,历史状态对系统的当前状态是有影响的。基于过程的建模方法主要考虑生产过程的历史信息,提高了对过程识别的能力,利用模型可以很好的解决过程数据的相关性。

4.基于贝叶斯统计理论的方法

基于数据变换的SPC方法以及基于过程建模的SPC方法在用于监视多品种、小批量生产过程的质量波动时,对信息的利用大多仅体现于工序历史质量数据的分析、整理以及运用这些信息和数据来创建控制图方面,而缺乏对监视过程的动态跟踪与调整,缺乏对人的主观判断信息的直接参与。基于贝叶斯预测的统计过程质量控制图将有关生产过程的历史检验数据与人们对过程的主观评价、预测和判断相结合,通过综合主、客观信息来建立过程的动态模型,对过程变化作出预测,从而在保证预测精度的同时,大大减少了对样本容量的要求。

以上有关SPC的几类方法在特定的制造环境中获得成功,但也可以看出每类方法都有一定的局限性。由于在多品种、小批量的制造环境下,加工对象规格要求繁多,影响加工质量的因素也很多,而且关系复杂。所以从目前的研究现状来看,还没有哪一种方法能解决在多品种、小批量制造环境中质量控制的所有问题。因此,在更多情况下,制造企业更偏向于借助实时质量软件软件来更好的应对多品种、小批量的生产环境。

以上内容摘自盈飞无限(InfinityQS)咨询中心。


了解 更多SPC及质量管理专业知识,欢迎登陆盈飞无限官方网站www.infinityqs.cn查询


或扫描二维码关注“品质人生质量开讲”(WeChat ID:Quality-Now)

发表于: 2017-08-02 11:31 阅读(192) 评论(0) 收藏 好文推荐

发表评论(网友发言只代表个人观点,不代表本网站观点或立场。)

您尚未登录,请先【登录或注册