【摘要】：當(dāng)今由于市場的激烈競爭,質(zhì)量變得更加重要。為了贏得市場,企業(yè)必須確保其產(chǎn)品質(zhì)量并能預(yù)測產(chǎn)品質(zhì)量,這樣才可以最小化生產(chǎn)中的浪費,實現(xiàn)低成本高質(zhì)量。在加工過程中,影響因素不是單一作用,它們可能共同作用,這樣就存在組合效應(yīng)。而且過程參數(shù)不是始終如一,它們因為受被加工件的影響而改變,如加工工具和夾具且其他相關(guān)的事物隨著加工會磨損,甚至損壞。工序質(zhì)量和過程因素的復(fù)雜性使得產(chǎn)品質(zhì)量更加難以控制。如果我們能夠發(fā)現(xiàn)其中的關(guān)聯(lián),則會比較容易控制產(chǎn)品質(zhì)量,實現(xiàn)質(zhì)量改善、贏得更大的市場。 由于多工序生產(chǎn)中有多個質(zhì)量因素及其復(fù)雜的相互作用,以及各因素對工序質(zhì)量特性的影響程度的數(shù)據(jù)不充分,所以很難建立一個精確的數(shù)學(xué)模型,且所創(chuàng)建的模型不夠直觀。數(shù)據(jù)挖掘是一種知識發(fā)現(xiàn)的技術(shù),其中聚類分析技術(shù)是常用的一種挖掘方法,該方法可以根據(jù)某些原則在無監(jiān)督和有監(jiān)督的情況下將樣本分成幾類,所得聚類結(jié)果的解釋性比較好。考慮到工序質(zhì)量特性數(shù)據(jù)的龐大性,以及5M1E中各因素對工序質(zhì)量的影響程度的不確定性、數(shù)據(jù)的動態(tài)性,我們利用數(shù)據(jù)挖掘的技術(shù)方法和動態(tài)統(tǒng)計過程控制技術(shù)研究工序質(zhì)量。 論文旨在研究工序質(zhì)量的異常預(yù)測與診斷方法。質(zhì)量控制圖是統(tǒng)計過程控制技術(shù)中一個重要的方面�？梢愿鶕�(jù)控制圖判斷質(zhì)量特性數(shù)據(jù)的異常情況,進而判斷過程異常,但不能定位異常質(zhì)量因素。 本文采取模式識別方法識別質(zhì)量控制圖,利用數(shù)據(jù)挖掘中的聚類技術(shù)對識別出的控制圖模式進行聚類,利用統(tǒng)計過程控制技術(shù)對質(zhì)量特性數(shù)據(jù)進行分析診斷。文中給出質(zhì)量異常的定義,以及質(zhì)量預(yù)測的過程步驟、異常判斷的原理、控制圖判斷異常的優(yōu)缺點、聚類方法判斷異常的流程及注意事項。利用異常預(yù)測模型研究質(zhì)量控制圖的模式,得出質(zhì)量特性與質(zhì)量影響因素之間的關(guān)系,分析了質(zhì)量因素變化對質(zhì)量特性波動的影響。研究質(zhì)量特性異常與故障元數(shù)據(jù)的關(guān)系,分析了概念驅(qū)動的異常診斷原理與診斷過程步驟,以及概念提取理論方法,實現(xiàn)概念驅(qū)動的質(zhì)量診斷。為此確定了數(shù)據(jù)挖掘技術(shù)方法、統(tǒng)計過程控制指標(biāo)、控制圖的模式識別方法、聚類方法的選擇、聚類度量標(biāo)準(zhǔn)的選擇和聚類有效性的檢驗,并利用聚類技術(shù)確定了質(zhì)量特性與質(zhì)量影響因素之間的關(guān)系。 在預(yù)測之前,利用控制圖得出質(zhì)量特性數(shù)據(jù)的模式,初步判定了過程的異常情況。通過有序樣本聚類方法分析過程異常情況與正常情況下的數(shù)據(jù)模式,得出質(zhì)量影響因素的組合簇。這種方法實際上是對質(zhì)量影響因素變量進行聚類。Fisher判別算法是典型的有序樣本聚類算法,用作本文的聚類標(biāo)準(zhǔn),且歐氏距離用作度量標(biāo)準(zhǔn),分析簇間相異性與簇內(nèi)相似性得出質(zhì)量影響因素之間的差異,Hurst指數(shù)可用作質(zhì)量測量值時間序列的自相似性度量,根據(jù)各時間序列模式可判斷質(zhì)量組合因素隨著時間的變化量。文中通過分析質(zhì)量影響因素之間的差異以及Hurst指數(shù),獲得了質(zhì)量影響因素對質(zhì)量特性的影響。 通過分析質(zhì)量異常的表現(xiàn),給出質(zhì)量異常的預(yù)測方法、模型。為了實現(xiàn)質(zhì)量預(yù)測,首先明確了質(zhì)量影響因素,分析了質(zhì)量影響因素及其變化對質(zhì)量特性的影響。首先對質(zhì)量特性數(shù)據(jù)利用控制圖劃分模式,再利用數(shù)據(jù)挖掘技術(shù)中的聚類技術(shù)方法對控制圖上各模式進行聚類,聚類標(biāo)準(zhǔn)為控制圖模式相似性,將產(chǎn)生同一類模式質(zhì)量特性的質(zhì)量影響因素進行比較分析,找出控制圖模式與質(zhì)量影響因素的關(guān)聯(lián)關(guān)系,最后根據(jù)當(dāng)前質(zhì)量影響因素的狀態(tài)預(yù)測質(zhì)量。 為了實現(xiàn)質(zhì)量控制、質(zhì)量改善、質(zhì)量穩(wěn)定,有必要減少質(zhì)量特性的波動,即加工所得的值與所要求的值之間的偏差變化范圍。關(guān)鍵的是找到波動源并確定其對質(zhì)量特性的影響。聚類度量標(biāo)準(zhǔn)是評估聚類質(zhì)量的關(guān)鍵因素。本文中,引入了Pearson相關(guān)系數(shù)作為相關(guān)聚類的度量標(biāo)準(zhǔn)。通過這個聚類度量標(biāo)準(zhǔn),可以自動進行聚類,無須指定聚類數(shù)。方差和均值之間的差異顯著性作為相同因素形成的數(shù)據(jù)聚類的度量。利用該方法進行實現(xiàn)質(zhì)量診斷。 在質(zhì)量診斷之前首先對質(zhì)量特性數(shù)據(jù)和故障元數(shù)據(jù)進行分析。采用數(shù)據(jù)挖掘技術(shù)中的概念聚類技術(shù)對質(zhì)量特性數(shù)據(jù)進行聚類,聚類標(biāo)準(zhǔn)為控制圖模式相關(guān)性,將質(zhì)量特性數(shù)據(jù)與故障元數(shù)據(jù)對比,找出它們之間的關(guān)系,之后根據(jù)質(zhì)量特性數(shù)據(jù),診斷出問題所在。最后以變速箱殼體加工為例,通過統(tǒng)計過程分析得出各質(zhì)量影響因素的最佳組合,以及各質(zhì)量影響因素組合隨時間變化的Hurst指數(shù)。并利用數(shù)據(jù)挖掘技術(shù)中的logistic回歸模型得出各質(zhì)量影響因素對質(zhì)量特性數(shù)據(jù)的影響大小,之后利用聚類技術(shù)對控制圖模式識別出的新數(shù)據(jù)樣本進行聚類,利用Pearson相關(guān)系數(shù)作為度量標(biāo)準(zhǔn),根據(jù)利用貝葉斯方法提取的條件概率概念推出了質(zhì)量特性與故障元的對應(yīng)關(guān)系。實現(xiàn)了質(zhì)量特性與故障元的對應(yīng)關(guān)系,驗證了本文所給的研究方法的合理性。
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2011
【分類號】：TH161

【引證文獻】

相關(guān)期刊論文 前3條

1 李勇;;質(zhì)量控制點在金塘大橋鋼箱梁防腐涂裝工程中的應(yīng)用[J];公路工程;2012年03期

2 孫莉;;淺談機械制造現(xiàn)場質(zhì)量管理問題[J];中國新技術(shù)新產(chǎn)品;2013年03期

3 單龍艷;吉衛(wèi)喜;余杰;;高性能零件制造過程質(zhì)量控制方法研究[J];現(xiàn)代制造工程;2013年12期

本文編號：2795403