论文部分内容阅读
随着现代制造系统的发展,无论是连续生产过程,还是已实现自动数据采集的离散生产过程,面向过程的输入或输出质量都具有多元性、自相关性、非线性、嵌套性等特性,违背了独立同分布的假设,不能再采用传统的统计过程控制方法。国内外很多学者分别对具有自相关性的单变量制造过程和无自相关性的多变量制造过程的统计过程控制进行了大量研究,但对于具有自相关性的多变量制造过程的质量控制与诊断问题研究很少,尤其对具有嵌套性的自相关过程的质量控制问题的研究未见报道。 并且,现有质量诊断技术大都是以过程输出为研究对象,只能从多个输出质量指标中找出失控的因子,工程师还是只能根据经验判断出现问题的过程输入参数并进行调整,无法直接找到导致过程失控的真正原因,过程恢复稳态的时间长,质量损失仍然较大。导致过程失控的真正原因是影响过程输出质量的输入参数出现了变化,找到导致过程失控的输入参数对质量调整和改进非常关键。因此,研究面向过程输入的多元自相关过程的质量诊断方法对于提高现代工业制造企业的质量水平和竞争力有着十分重要的意义。 此外,对于批加工过程除了具有多元性和自相关性外,都具有嵌套性的特征,作者将同时具有嵌套性和自相关性的制造过程称为嵌套自相关过程。对于这种过程的统计过程控制研究目前还未见报道,因此十分有必要对嵌套自相关过程的质量控制方法展开研究,以提高批加工过程的质量控制能力。 基于此,本文一是研究一种新型的自相关过程的多元质量诊断方法,解决对输入质量进行诊断的问题;二是研究嵌套自相关过程的质量控制方法,解决批加工过程的质量控制问题。主要工作如下: 1.提出了基于持续质量改进的自相性过程的多元质量诊断总体方案,以解决同时对过程输出与输入进行诊断的问题,实现质量的闭环控制、诊断和持续改进,并提出了多元自相关过程的质量诊断实施步骤。此方案能够及时发现问题(过程失控报警)、找到原因(导致过程失控的输出和输入因素)并调整过程参数,缩短从发现问题到过程调整的时间,减少质量损失,提高产品质量。 2.建立了基于神经网络的自相关过程输入与输出的关系模型。利用神经网络建立过程输入与输出之间的非线性映射关系模型,为质量控制与质量诊断提供支撑。为了提高神经网络的泛化能力,采用基于增加动量项和改变学习率的BP算法改进方法;为了消除网络输入变量之间的相关性,降低网络的复杂性,采用基于PCA-BP神经网络的集成建模方法。 3.建立了基于神经网络的多元自相关过程的质量控制模型。利用神经网络模型预测输出质量,并求解残差,建立残差T2控制图,实现对多元自相关过程的质量控制。由于神经网络模型是过程输入与输出的关系模型,求取的T2统计量中包含了过程输入的信息,为过程输入质量诊断提供了依据。 4.提出了面向过程输出和输入的多元自相关过程的质量诊断方法。以质量预测和质量控制为基础,利用MYT正交分解法对T2统计量进行分解,实现对过程输出的诊断;同时,提出了面向过程输入的基于神经网络和灵敏度分析法的集成诊断方法,实现对过程输入的诊断,找到导致过程失控的直接原因。 5.提出了嵌套自相关过程的质量控制方法。将同时具有嵌套性和自相关性的制造过程定义为嵌套自相关过程,并根据监控的对象和过程的自相关性,将嵌套自相关过程划分为批内数据自相关和批均值自相关两种类型,提出了这两种类型的控制图设计方法和建立步骤,并通过实例验证了方法的有效性。针对多元嵌套自相关过程,提出了结合神经网络、嵌套分布、T2控制图的建模思路。首先利用神经网络模型计算残差,以消除自相关性;其次计算残差T2统计量,在计算过程中根据过程的嵌套分布特征对协方差的计算方式进行改进;最后建立T2控制图,实现对具有多元性、嵌套性和自相关性的复杂过程的监控。 6.以烟叶复烤生产过程为例,按照质量诊断方案的实施步骤,一一验证了过程识别、过程建模、质量控制、质量诊断等方法的可行性及有效性。首先,通过对烟叶复烤过程的物理描述,确定了影响烟叶复烤质量的12个输入质量和2个输出质量,并通过数据分析确定了数据的自相关性:然后,建立了影响因素与输出质量之间神经网络模型;以神经网络模型为基础,建立了残差T2控制图,并结合MYT分解法和灵敏度分析法,能够准确诊断出导致过程失控的输出质量和输入变量。