【摘要】：小批量生產(chǎn)過程主要特點是信息缺乏,而傳統(tǒng)的SPC統(tǒng)計技術適用于大批量的連續(xù)生產(chǎn),因此無法對其進行質(zhì)量控制。本文基于貝葉斯理論對小批量生產(chǎn)環(huán)境下的統(tǒng)計過程控制進行研究,提出了貝葉斯控制圖和貝葉斯過程能力指數(shù),能有效解決小批量生產(chǎn)環(huán)境下因樣本量少無法建立有效質(zhì)量控制模型的難題。一般情況下,當生產(chǎn)過程穩(wěn)定受控時,同一條生產(chǎn)線上或相同生產(chǎn)條件下生產(chǎn)的相同規(guī)格產(chǎn)品質(zhì)量特性的先驗信息與后驗信息均服從同一正態(tài)分布�；诖�,本文根據(jù)貝葉斯理論推導出均值、極差和標準差的迭代計算公式,并將其運用于統(tǒng)計過程控制,進而得到控制圖控制線以及過程能力指數(shù)和不合格品率的計算公式。在實證部分,一方面利用Matlab仿真技術比較休哈特方法和貝葉斯方法應用于均值-極差(RX?)控制圖和均值—標準差(SX?)控制圖的差異性,結果顯示隨著批次的增加,基于貝葉斯方法的統(tǒng)計控制圖控制線比休哈特方法更接近控制線的實際值;另一方面,選用實際案例,分別用貝葉斯方法和常規(guī)方法計算某電子企業(yè)小批量制造過程的過程能力指數(shù)和不合格品率,通過與過程能力指標和不合格品率指標的比較來驗證貝葉斯方法的可靠性,結果表明隨著批次的增加,常規(guī)方法計算的過程能力指數(shù)Cpk在1.33和1.67之間,過程能力處于理想狀態(tài),而貝葉斯方法計算的Cpk卻小于1.33,生產(chǎn)線需發(fā)出警告;同時貝葉斯方法計算的不合格品率相較于常規(guī)方法大大提高,因此將貝葉斯方法運用于過程能力分析,更能準確預警生產(chǎn)線不合格品的產(chǎn)生,比傳統(tǒng)SPC技術更加可靠、有效。
[Abstract]:The main feature of the small batch production process is the lack of information, but the traditional SPC statistical technology is suitable for the continuous production of large quantities, so it is impossible to control the quality of the small batch production process. In this paper, based on Bayesian theory, the statistical process control in small batch production environment is studied, and the Bayesian control chart and Bayesian process capability index are proposed. It can effectively solve the problem of establishing an effective quality control model because of the small sample size in small batch production environment. In general, when the production process is stable and controlled, the prior information and the posterior information of the same specification products produced on the same production line or under the same production conditions are subject to the same normal distribution. Based on this, the iterative formulas of mean value, range deviation and standard deviation are derived according to Bayesian theory, and applied to statistical process control, and then the control line of control chart and the calculation formulas of process capability index and unqualified product rate are obtained. In the empirical part, on the one hand, the Matlab simulation technology is used to compare the Heinhart method and Bayesian method in the mean range (RX?). Control Chart and Mean-Standard deviation (SX?) The difference of control chart shows that with the increase of batches, the control line of statistical control chart based on Bayesian method is closer to the actual value of control line than that of Shewhart method. On the other hand, the Bayesian method and the conventional method are used to calculate the process capability index and unqualified product rate of a small batch manufacturing process in an electronic enterprise. The reliability of Bayesian method is verified by comparing with process capability index and nonconforming product rate index. The results show that the process capability index (Cpk) calculated by conventional method is between 1. 33 and 1. 67 with the increase of batches. The process capability is in ideal condition, but the Cpk calculated by Bayesian method is less than 1.33, so the production line should be warned. At the same time, the rate of unqualified products calculated by Bayesian method is much higher than that of conventional method. Therefore, applying Bayesian method to process capability analysis is more reliable and effective than traditional SPC technology.
【學位授予單位】：中國計量學院
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：F224;F407.63;F273

【相似文獻】

相關期刊論文 前10條

1 閔素芹;李群;;分層線性模型中的經(jīng)驗貝葉斯與完全貝葉斯方法及其比較[J];統(tǒng)計與決策;2010年11期

2 丁東洋;劉希陽;;風險分析中的穩(wěn)健貝葉斯方法[J];內(nèi)蒙古財經(jīng)學院學報;2011年04期

3 徐立;;預案分析的貝葉斯網(wǎng)絡方法[J];價值工程;2012年08期

4 張暉;貝葉斯方法在證券市場中的應用[J];浙江統(tǒng)計;1996年10期

5 黃曉榕;;經(jīng)濟信息價格評估以及貝葉斯方法的應用[J];莆田學院學報;2006年01期

6 馮為民;朱俊;李嘉榮;;貝葉斯方法在房地產(chǎn)風險決策中的應用研究[J];重慶建筑大學學報;2006年02期

7 錢正培;賀學強;;公司信用風險研究的貝葉斯方法[J];蘭州學刊;2010年09期

8 胡學鋒;論貝葉斯方法在我國城鄉(xiāng)儲蓄存款統(tǒng)計預測中的應用[J];財經(jīng)理論與實踐;1991年04期

9 鄒林全;貝葉斯方法在會計決策中的應用[J];常州技術師范學院學報;1998年04期

10 鐘誠;;貝葉斯方法在房地產(chǎn)風險決策中的應用[J];時代經(jīng)貿(mào)(中旬刊);2007年SA期

相關會議論文 前10條

1 David Z.D'Argenio;;貝葉斯方法在實驗室研究向臨床的轉(zhuǎn)化以及辨識隱含亞群體中的應用(英文)[A];中國藥理學會臨床藥理學專業(yè)委員會會議暨第十次全國臨床藥理學學術會議論文集[C];2007年

2 姜峰;高文;姚鴻勛;;貝葉斯網(wǎng)絡的推理和學習[A];全國網(wǎng)絡與信息安全技術研討會'2005論文集（下冊）[C];2005年

3 丁東洋;劉希陽;;風險分析中的穩(wěn)健貝葉斯方法[A];2011年全國電子信息技術與應用學術會議論文集[C];2011年

4 周桃庚;沙定國;;貝葉斯可靠性序貫驗證試驗方法[A];中國儀器儀表學會第三屆青年學術會議論文集（下）[C];2001年

5 陳曉懷;程真英;劉春山;;動態(tài)測量誤差的貝葉斯建模預報[A];第二屆全國信息獲取與處理學術會議論文集[C];2004年

6 杜鵬英;羅小平;何志明;;貝葉斯網(wǎng)絡的發(fā)展及理論應用[A];第三屆全國虛擬儀器大會論文集[C];2008年

7 楊麗;武海濱;李康;;無金標準診斷試驗評價的貝葉斯方法及應用[A];2011年中國衛(wèi)生統(tǒng)計學年會會議論文集[C];2011年

8 寧鵬達;;貝葉斯方法在風險投資項目決策中的應用[A];第四屆中國科學學與科技政策研究會學術年會論文集（Ⅰ）[C];2008年

9 朱永生;;貝葉斯方法確定泊松變量的置信上限[A];中國物理學會高能物理分會第七屆學術年會實驗分會場論文集[C];2006年

10 王增忠;柳玉杰;施建剛;;建筑工程項目全壽命安全管理決策的貝葉斯方法[A];中國優(yōu)選法統(tǒng)籌法與經(jīng)濟數(shù)學研究會第七屆全國會員代表大會暨第七屆中國管理科學學術年會論文集[C];2005年

相關博士學位論文 前10條

1 賈海洋;貝葉斯網(wǎng)學習若干問題研究[D];吉林大學;2008年

2 黃友平;貝葉斯網(wǎng)絡研究[D];中國科學院研究生院（計算技術研究所）;2005年

3 朱允剛;貝葉斯網(wǎng)學習中若干問題研究及其在信息融合中的應用[D];吉林大學;2012年

4 董立巖;貝葉斯網(wǎng)絡應用基礎研究[D];吉林大學;2007年

5 李小琳;面向智能數(shù)據(jù)處理的貝葉斯網(wǎng)絡研究與應用[D];吉林大學;2005年

6 江敏;貝葉斯優(yōu)化算法的若干問題研究及應用[D];上海大學;2012年

7 胡笑旋;貝葉斯網(wǎng)建模技術及其在決策中的應用[D];合肥工業(yè)大學;2006年

8 何巖;統(tǒng)計稀疏學習中的貝葉斯非參數(shù)建模方法及應用研究[D];浙江大學;2012年

9 范敏;基于貝葉斯網(wǎng)絡的學習與決策方法研究及應用[D];重慶大學;2008年

10 張什永;貝葉斯網(wǎng)不確定性推理研究[D];中國科學技術大學;2010年

相關碩士學位論文 前10條

1 張路路;貝葉斯網(wǎng)絡系統(tǒng)可靠性分析及故障診斷方法研究[D];山東建筑大學;2015年

2 徐冰;基于貝葉斯網(wǎng)絡的傳染病時空預警模型研究[D];長安大學;2015年

3 李艷強;基于不確定理論的酸洗線和鍍鋅線的視情維修策略研究[D];河北工程大學;2015年

4 王蕓;貝葉斯AGARCH模型在我國商業(yè)銀行利率風險度量中的應用[D];南京財經(jīng)大學;2015年

5 侯歡歡;基于貝葉斯網(wǎng)絡城市埋地燃氣管線風險評價研究[D];首都經(jīng)濟貿(mào)易大學;2015年

6 王宇;貝葉斯參數(shù)更新在可靠性分析中的應用[D];南京航空航天大學;2014年

7 李福偉;貝葉斯壓縮感知理論與技術[D];電子科技大學;2015年

8 李景囡;基于依賴分析的貝葉斯網(wǎng)絡結構學習算法研究[D];西安電子科技大學;2014年

9 楊祥睿;基于貝葉斯網(wǎng)絡的船撞橋風險評估研究[D];重慶交通大學;2015年

10 湯玉利;貝葉斯反問題的MAP估計及其一致性[D];上海交通大學;2015年

，

本文編號：2306176