论文部分内容阅读
社会经济水平的提高和个人收入的增加,推动着产品市场由卖方市场向买方市场转变,消费者在产品市场上变得更加具有话语权。消费者对产品多样化、个性化的需求促使企业不得不转向多品种、小批量的生产模式。鉴于多品种、小批量生产模式下产品品种过多、生产批量较小的特点,传统过程质量控制方法已不再适用。因此,亟需找到一个适用于多品种、小批量生产模式的过程质量控制方法。本文以提高过程质量控制能力,增强过程质量稳定性为目的,从多品种、小批量生产模式的特点入手,在分析总结多品种、小批量生产模式特点的基础上,引入T、K统计量来建立用于过程质量分析的T-K控制图;另外,采用MC(Monte Carlo)方法与BP(Back Propagation)人工神经网络相结合的方法对T-K控制图的模式进行识别,一方面克服多品种、小批量生产模式下样本量有限的缺点,一方面提高控制图模式识别的速度和准确性;最后,在分析过程质量波动源影响因素的基础上,以两种质量诊断理论为指导,根据前后两道工序的先后顺序,对过程质量进行分解,然后以此为基础建立三图诊断系统,从而对过程质量的波动源进行诊断。文章最后分别用一个实例对上述方法进行了验证。本文主要有如下一些研究成果:(1)通过引入T、K统计量,建立T-K控制图,解决了多品种、小批量生产模式的特殊性给传统统计过程质量控制所带来的限制,使得采用统计过程控制方法就能够对多品种、小批量生产模式下的过程质量进行控制。(2)采用BP人工神经网络技术,对所建立的T-K控制图模式进行识别,不仅提高了控制图模式识别的速度,同时也改善了模式识别的精确度,使得质量管理人员对过程质量的判断更加准确,经识别,过程质量总体处于受控状态。(3)以两种质量诊断理论为基础,通过建立三图诊断系统,提高了过程质量波动源诊断的准确性,同时使得过程质量波动源诊断更具有导向性,并增强了诊断方法的可操作性。经实证分析,主要是当前工序即后一道工序存在异常趋势。