工序質(zhì)量異常預(yù)測(cè)系統(tǒng)的設(shè)計(jì)與研發(fā)

薛彥

摘要：制造業(yè)生產(chǎn)過程的信息統(tǒng)計(jì)過程是工序質(zhì)量分析與控制的重要手段，通過控制圖的方法，運(yùn)用了均值控制圖、均值-標(biāo)準(zhǔn)差控制圖、均值-極差控制圖、殘差控制圖、累積和控制圖以及自相關(guān)分析，設(shè)計(jì)并搭建了工序質(zhì)量異常預(yù)測(cè)系統(tǒng)，實(shí)現(xiàn)了制造過程中工序質(zhì)量的分析與控制。

關(guān)鍵詞：控制圖；工序質(zhì)量；異常預(yù)測(cè)；系統(tǒng)

中圖分類號(hào)：U466 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1007-9416（2018）09-0115-03

1 引言

目前的實(shí)際制造業(yè)生產(chǎn)過程中，很多質(zhì)量特性數(shù)據(jù)只是用報(bào)表記錄下來(lái)，沒有挖掘這些數(shù)據(jù)的有效信息，特別是運(yùn)用到工序質(zhì)量異常預(yù)測(cè)領(lǐng)域。因此，設(shè)計(jì)和開發(fā)了工序質(zhì)量異常預(yù)測(cè)系統(tǒng)，可以盡早的發(fā)現(xiàn)制造過程中的異常，及時(shí)檢查和發(fā)現(xiàn)問題，從而來(lái)提高產(chǎn)品質(zhì)量。

2 工序質(zhì)量異常預(yù)測(cè)的方法

SPC（統(tǒng)計(jì)過程控制）在產(chǎn)品加工制造領(lǐng)域中特別是某些質(zhì)量特性可以維持在穩(wěn)定的情況非常的適用。一個(gè)產(chǎn)品在經(jīng)過設(shè)計(jì)、制造檢驗(yàn)后，才可以將合格的產(chǎn)品銷售給顧客，而傳統(tǒng)的抽樣檢查的方法來(lái)判斷一批產(chǎn)品是否合格的方法，通過對(duì)不合格品的分析，得以發(fā)現(xiàn)產(chǎn)品在設(shè)計(jì)及制造中的問題，從而進(jìn)行相對(duì)應(yīng)的反饋或者改進(jìn)。但是這個(gè)時(shí)候不合格品已經(jīng)產(chǎn)生即已經(jīng)造成了既定的損失。如果要降低或者避免這種損失，就必須在產(chǎn)品加工過程中對(duì)每個(gè)工序或者關(guān)鍵工序進(jìn)行監(jiān)測(cè)，對(duì)產(chǎn)品后續(xù)的質(zhì)量特性的是否異常進(jìn)行預(yù)測(cè)，在不合格品加工出之前發(fā)現(xiàn)問題從而達(dá)到盡早糾正并且不讓不合格品流向下一個(gè)工序，可以很大程度上避免出現(xiàn)大量的不合格品。SPC控制圖就是比較簡(jiǎn)單易行的控制系統(tǒng)，來(lái)監(jiān)測(cè)每個(gè)工序的加工過程。

產(chǎn)品在加工的過程中，沒有兩個(gè)完全相同的產(chǎn)品或者零件即存在著差異，這種差異往往是通過某些或者某個(gè)質(zhì)量特性的波動(dòng)體現(xiàn)出來(lái)的，而這些質(zhì)量特性的波動(dòng)是存在波動(dòng)源的，波動(dòng)源有很多同時(shí)在多數(shù)情況下是隨機(jī)的，以無(wú)法預(yù)測(cè)的方式來(lái)影響著質(zhì)量特性。正常波動(dòng)就是這些波動(dòng)源是微小的且服從正態(tài)分布的也就是說(shuō)在統(tǒng)計(jì)學(xué)上是可以預(yù)測(cè)的，這樣的過程也就是受控狀態(tài)。反之，存在強(qiáng)的波動(dòng)源，使分布改變了，不符合原來(lái)的正態(tài)分布就屬于異常波動(dòng)，即不處于統(tǒng)計(jì)控制狀態(tài)（失控狀態(tài)）。本文中的質(zhì)量異常預(yù)測(cè)即期望預(yù)測(cè)出這樣的異常波動(dòng)。

2.1 基于常規(guī)控制圖的工序質(zhì)量異常預(yù)測(cè)

常規(guī)控制圖應(yīng)用的基本前提是當(dāng)工序生產(chǎn)過程處于受控狀態(tài)時(shí)，那么采集到的質(zhì)量特性的數(shù)據(jù)應(yīng)該是相互獨(dú)立的，并且屬于均值為μT，方差為σT2的正態(tài)分布或者近似正態(tài)分布，通過3σ原理，繪制預(yù)測(cè)用控制圖。在實(shí)際預(yù)測(cè)中，當(dāng)圖中的點(diǎn)超過了上控限或下控限時(shí)，或者落在上控限或下控限之間的排列不隨機(jī)，就認(rèn)為生產(chǎn)過程出現(xiàn)異常。

常規(guī)控制圖對(duì)工序質(zhì)量異常的預(yù)測(cè)是應(yīng)用范圍較廣的，尤其是在大批量生產(chǎn)中。大多數(shù)的質(zhì)量過程的輸出的質(zhì)量特性是具有可計(jì)量性的，所以在工序質(zhì)量異常預(yù)測(cè)中可以較準(zhǔn)確地判斷質(zhì)量異常情況，也更易于調(diào)查異常波動(dòng)。在實(shí)際生產(chǎn)活動(dòng)中，常規(guī)控制圖進(jìn)行工序質(zhì)量預(yù)測(cè)可以滿足顧客需求對(duì)虛發(fā)錯(cuò)誤和漏報(bào)錯(cuò)誤的概率進(jìn)行定制，從而更好地運(yùn)用到生產(chǎn)實(shí)踐中。

2.2 基于累積和控制圖的工序質(zhì)量異常預(yù)測(cè)

常規(guī)的控制圖在針對(duì)一些系統(tǒng)因素較小的波動(dòng)，發(fā)現(xiàn)它的靈敏程度是較差的，即發(fā)現(xiàn)整個(gè)工序質(zhì)量異常預(yù)測(cè)是遲鈍和延遲的，并且這樣的延遲可能會(huì)錯(cuò)失發(fā)現(xiàn)問題最好的時(shí)機(jī)。在整個(gè)預(yù)測(cè)模型建立初期，通過加大模擬的樣本和縮小控制限的范圍來(lái)降低漏報(bào)率，但是實(shí)踐發(fā)現(xiàn)這樣會(huì)使錯(cuò)報(bào)率急劇上升，導(dǎo)致整個(gè)預(yù)測(cè)效果的下降。

累積和控制圖主要是針對(duì)產(chǎn)品的微小變量，很多時(shí)候當(dāng)產(chǎn)品向同一個(gè)方向持續(xù)變化，產(chǎn)品的整個(gè)生產(chǎn)過程就出現(xiàn)了異常，即累積和到達(dá)一定的程度，就可以發(fā)出工序質(zhì)量異常警報(bào)。通過設(shè)定參考值、目標(biāo)值、偏離值來(lái)給出決策空間，從而繪制預(yù)測(cè)工序質(zhì)量異常的累積和控制圖。

2.3 基于時(shí)間序列分析改進(jìn)控制圖

在連續(xù)的生產(chǎn)過程中，采集到的質(zhì)量特性的數(shù)據(jù)往往具有一定的自相關(guān)過程。抽樣原因是自相關(guān)過程產(chǎn)生的主要原因。為解決由于自相關(guān)性導(dǎo)致的提早報(bào)警或者沒有發(fā)出報(bào)警，通過分析其過程采集到的觀測(cè)值數(shù)據(jù)，可以得到一個(gè)按時(shí)間次序排列的一系列觀測(cè)值，在實(shí)際問題中所得到的數(shù)據(jù)一般是指時(shí)間序列的有限個(gè)觀測(cè)樣本。

通過時(shí)間序列模型進(jìn)行擬合，擬合出的殘差序列模型被認(rèn)為是相互獨(dú)立且服從同分布的，可以結(jié)合常規(guī)控制圖和累積和控制圖，建立新的工序質(zhì)量異常預(yù)測(cè)控制圖。用簡(jiǎn)單的一階自回歸模型AR（1）：

Xn=φ0+φ1 Xn-1+εn

式中： εn～N（0，σε2）。建立過程殘差en=Xn-=εn，累積和殘差Sn=（en-μe），可以繪制殘差控制圖與殘差累積和控制圖。

3 工序質(zhì)量異常預(yù)測(cè)系統(tǒng)

3.1 系統(tǒng)總體結(jié)構(gòu)

系統(tǒng)設(shè)計(jì)的總結(jié)結(jié)構(gòu)圖如圖1所示。

圖1中，“分析數(shù)據(jù)”是在系統(tǒng)正式開始工序的統(tǒng)計(jì)過程控制之前的實(shí)時(shí)測(cè)量值（即該工序處于受控狀態(tài)時(shí)的一系列測(cè)量值，為之后的統(tǒng)計(jì)過程設(shè)定參考）， “數(shù)據(jù)分析”過程用于獲取該工序受控的特征值（如均值、極差、標(biāo)準(zhǔn)差上下控線等），可以用函數(shù)表達(dá)式“NORMINV（RAND（），10，0.06）”生成均值為10，標(biāo)準(zhǔn)差為0.06的24組數(shù)據(jù)，每組5個(gè)，用于模擬受控的加工工序測(cè)量值。

“統(tǒng)計(jì)數(shù)據(jù)”是在系統(tǒng)正式開始工序的統(tǒng)計(jì)過程控制之后的實(shí)時(shí)測(cè)量值。用函數(shù)表達(dá)式“NORMINV（RAND（），10，0.06）”生成30組數(shù)據(jù)，每組5個(gè)。其中前20組數(shù)據(jù)均值為10，標(biāo)準(zhǔn)差為0.06，用于模擬受控的加工工序測(cè)量值。后20組采用AR（1）模型 Xn=0.6Xn-1+εn，模擬生成加工工序不受控的測(cè)量值。

3.2 分析與提取特征值

在正式進(jìn)入工序質(zhì)量的“統(tǒng)計(jì)過程控制”之前，必須獲取該工序在受控狀態(tài)下的特征值，才能進(jìn)行工序工作過程的統(tǒng)計(jì)控制。產(chǎn)生的一組正態(tài)分布的數(shù)據(jù)，用來(lái)模擬實(shí)際加工過程的受控狀態(tài)，然后提取該狀態(tài)的特征值，包括過程均值、標(biāo)準(zhǔn)差、標(biāo)準(zhǔn)差均值、極差、極差均值等，通過圖形化展示出來(lái)，并通過參數(shù)形式傳遞給下一步的統(tǒng)計(jì)控制過程，特征參數(shù)提取流程圖如圖2所示。

3.3 工序質(zhì)量異常預(yù)測(cè)

在接收上一步的工序測(cè)量特征值后，開始正式進(jìn)入工序統(tǒng)計(jì)過程控制階段。在前文生產(chǎn)一組正態(tài)分布的數(shù)據(jù)，用來(lái)模擬實(shí)際加工過程的受控狀態(tài)，以及在后一部分添加一些擾動(dòng)的數(shù)據(jù)，可以測(cè)試系統(tǒng)能否檢測(cè)出工序的非受控狀態(tài)。

“常規(guī)控制圖”是基于常規(guī)控制圖的工序質(zhì)量異常預(yù)測(cè)界面，適合運(yùn)用在大批量的生產(chǎn)過程的質(zhì)量異常預(yù)測(cè)中，該方法的工序質(zhì)量異常預(yù)測(cè)主要針對(duì)生產(chǎn)過程中產(chǎn)生的較大的異常波動(dòng)，如圖3所示。

“累積和控制圖”是基于累積和控制圖的工序質(zhì)量預(yù)測(cè)界面，適合運(yùn)用在小批量的生產(chǎn)過程的質(zhì)量異常預(yù)測(cè)中，該方法的工序質(zhì)量異常預(yù)測(cè)主要針對(duì)生產(chǎn)過程中產(chǎn)生的較小的異常波動(dòng)，如圖4所示。

“殘差控制圖”是基于殘差的控制圖的工序質(zhì)量異常預(yù)測(cè)界面，適合用在大批量、按時(shí)間監(jiān)測(cè)生產(chǎn)過程中的質(zhì)量特性數(shù)據(jù)的工序質(zhì)量異常預(yù)測(cè)中，該方法能消除時(shí)間序列的自相關(guān)性，針對(duì)較大的異常波動(dòng)進(jìn)行預(yù)測(cè)，如圖5所示。

“殘差累積和控制圖”是基于殘差的累積和控制圖的工序質(zhì)量異常預(yù)測(cè)界面，適合用在小批量、按時(shí)間監(jiān)測(cè)生產(chǎn)過程中的質(zhì)量特性數(shù)據(jù)的工序質(zhì)量異常預(yù)測(cè)中，該方法能消除時(shí)間序列的自相關(guān)性，針對(duì)較小的異常波動(dòng)進(jìn)行預(yù)測(cè)，如圖6所示。

4 結(jié)語(yǔ)

本文運(yùn)用常規(guī)控制圖、均值累積和控制圖和基于時(shí)間序列分析改進(jìn)控制圖，基于獨(dú)立正態(tài)分布和自相關(guān)平穩(wěn)兩種過程模擬數(shù)據(jù)，進(jìn)行的工序質(zhì)量異常預(yù)測(cè)，并分析不同的預(yù)測(cè)方法的適用情況及評(píng)價(jià)。同時(shí)設(shè)計(jì)和開發(fā)了工序質(zhì)量預(yù)測(cè)系統(tǒng)，并且用數(shù)據(jù)進(jìn)行了系統(tǒng)的功能驗(yàn)證。

參考文獻(xiàn)

[1]孫小素.四種自相關(guān)模式控制圖的比較研究[J].統(tǒng)計(jì)與決策，2018，34（9）：19-23.

[2]王海濤，陳友明，陳永康，秦建英.用殘差CUSUM控制圖檢測(cè)自相關(guān)過程中的故障[J].振動(dòng).測(cè)試與診斷，2012，32（1）：73-77.

[3]魏興龍，宋向東.基于二階自相關(guān)過程殘差控制圖的改進(jìn)[J].價(jià)值工程，2018，37（3）：192-195.

[4]成琴.關(guān)于CUSUM控制圖的一些應(yīng)用研究[D].四川師范大學(xué)，2017.