多工序制造过程计算机辅助误差诊断控制系统.pdf

《多工序制造过程计算机辅助误差诊断控制系统.pdf》由会员分享，可在线阅读，更多相关《多工序制造过程计算机辅助误差诊断控制系统.pdf（75页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、摘要摘要质量管理伴随企业管理的实践而不断发展和完善，现在已经成为-f-j 独立的学科。其中，统计过程控制(S t a t i s t i c a lP r o c e s sC o n t r o l，S P C)是目前企业中广泛采用的质量管理手段。它通过对关键质量参数和关键工序的样本采集和统计分析，以概率论和数理统计为基础，采用统计控制图、统计描述、统计相关分析、实验设计、回归分析等方法，分析处理与产品质量相关的生产过程数据。传统的统计过程控制采用单变量统计过程控制方法，只对生产过程中某个工序的一些重要指标单独地实施统计过程控制。如果需要分析多变量、多工序系统，传统的统计过程控制方法显然无能

2、为力。研究多工序、多变量生产过程质量分析和评价方法，对正确实施多工序生产过程质量控制具有现实意义。减少产品制造过程中出现的各种波动，正确找出制造过程中的波动源，是多工序、多变量生产系统实施质量控制和质量改进的基础。多元质量控制是同时对多个质量特性进行控制的一种方法。r 2 控制图的优点是能够全面地考虑各元之间的相关性，并能在变量相关的条件下精确地给出第一类错误的概率口，但它最大的缺点就是不能诊断。当涉及到的变量数目很多时，在寻找样本的分布规律时工作量很大且样本之间关系容易分辨，另外由于各指标的数据信息之间不可避免的存在重叠。需要用少数变量对若干个指标进行综合，以期既能降低指标的维数，又能充分反

3、映指标的信息。采用主成分分析(P C A)作为主要多元统计方法，把多个指标转化为少数几个独立指标分析。结合丁2 控制图控制图与主成分分析两者的优点，本文提出T 2 一P C A 方法，在丁2 控制图的基础上，对所有因素作主成分分析，并绘制相应的主成分单值控制图与单变量控制图，作为对r 2 控制图的诊断手段。在多工序加工过程(M M P)中，最终产品的变异是各工序中变异的积累或者累积。建模并控制故障传播，对提高产品空间质量非常必要。采用两种质量的三图诊断系统，借助选控图将上下工序责任分离，以达到诊断目的。编写多工序制造过程的计算机辅助诊断系统，实现对多变量、多工序制造过程的数据处理，并输出相应的

4、处理结果，以此诊断。关键词：T 2 一P C A 方法、多工序、多变量、r 2 图、两种质量A b s t r a c tA b s t r a c tI n19 2 0 s，t h ec o n c e p to fQ u a l i t yC o n t r o lw a sp u tf o r w a r d S i n c et h e n，i th a sb e e nd e v e l o p e da n di m p r o v e da l o n gw i t hp r a c t i c e so fc o r p o r a t i o nm a n a g e m e

5、 n t，a n dh a sb e c o m ea ni n d e p e n d e n ts u b j e c t A m o n ga l lm e t h o d so fQ u a l i t yC o n t r o l，S t a t i s t i c a lP r o c e s sC o n t r o l(S P C)i sm o s tw i d e l yu s e di nc u r r e n te n t e r p r i s e s，w h i c hh a si m p r o v e dt h el e v e lo fc o r p o r a

6、 t i o nm a n a g e m e n tc o n s i d e r a b l y T h r o u g hs a m p l ec o l l e c t i n ga n ds t a t i s t i c a la n a l y s i so fk e yq u a l i t yp a r a m e t e r sa n dk e yw o r k i n gp r o c e d u r e s，w i t ht h ea i mo fi m p r o v i n gq u a l i t yl e v e l，S P Cc a na n a l y z

7、ep r o d u c i n gp r o c e s sd a t ar e l a t e dt oq u a l i t yo fp r o d u c t s C o m m o n l yu s e dS P CC a l lo n l ys t a t i s t i c a l l ya n a l y z ei m p o r t a n ti n d e x e so fc e r t a i nw o r k i n gp r o c e d u r e so n eb yo n e，f o re x a m p l e，d r a w i n gS h e w h a

8、 r tc h a r t sf o re v e r yo n e F a c e dw i t hs y s t e m so fm u l t i v a r i a b l e s，m u l t i s t a g e s，t r a d i t i o n a lS P Ci sn o tc o m p e t e n t F o rq u a l i t yc o n t r o li nm u l t i s t a g ep r o c e s s，i ti sj u s tn e c e s s a r yt oc a r r yo u tt h es t u d yo n

9、a n a l y t i c a la n de v a l u a t i n gs t a n d a r d si nm u l t i v a r i a b l e，m u l t i s t a g em a n u f a c t u r i n gp r o c e s s R e d u c i n gf l u c t u a t i n ga n df i n d i n go u tf l u c t u a t i n gr e s o u r c e si nm a n u f a c t u r i n gp r o c e s si st h eb a s e

10、o fc o n d u c t i n gq u a l i t yc o n t r o la n di m p r o v e m e n ti nm u l t i-v a r i a b l e，m u l t i-s t a g ep r o c e s s M u l t i v a r i a b l eq u a l i t yc o n t r o li sam e t h o do fc o n t r o l l i n gs e v e r a lq u a l i t yc h a r a c t e r ss i m u l t a n e o u s l y D

11、 e s p i t eo ft h ee x i s t i n gn u m e r o u sm u l t i v a r i a b l ec o n t r o lt h e o r i e s，m u l t i。v a r i a b l eq u a l i t yc o n t r o lc h a r t sa r es t i l lp r e f e r r e db e c a u s eo ft h e i rt r e n c h a n c ya n di n t u i t i o n i s t i cc h a r a c t e r s T 2c h

12、a r td e s i g n e db yH H o t e l l i n gw i l lb ea p p l i e dh e r et oa c c o m p l i s hq u a l i t yc o n t r o lo fm u l t i v a r i a b l ep r o c e s s P r i n c i p l eC o m p o n e n tA n a l y s i s，f i t sa l li m p o r t a n tm u l t i v a r i a b l es t a t i s t i c a lm e t h o d i

13、 su s e dh e r et ot r a n s f o r ml o t so fi n d e x e si n t ol e s sc o m p r e h e n s i v ei n d e x e s，w h i l ef a c i n gt h ep r o b l e mo fc o m p l i c a t e ds a m p l ed a t aa n dr e t i c u l ar e l a t i o n s h i pa m o n gt h e m T h eT 2 一P C Am e t h o di sp u tf o r w a r db

14、 yc o m b i n i n gT 2c h a ra n dP C A，w h i c hi su s e df o rt h es i n g l ep a r a m e t e rc h a r t sa n dp r i n c i p l ec o m p o n e n tc h a r t s，a s s i s t i n gd i a g n o s i st h ef a u l te x i t i n gi nt h es t a g e I nam u l t i s t a g ep r o c e s s，t h ef i n a lv a r i a t

15、 i o ni sa c c u m u l a t e df r o mp r e v i o u ss t a g e s M o d e l i n ga n dc o n t r o l l i n gf a u l t ss p r e a di se s s e n t i a lf o ri m p r o v e m e n to fp r o d u c t i o nq u a l i t y T w o。q u a l i t yD i a g n o s i sT h e o r yi sa p p l i e dt w od i s t i n g u i s hf

16、a u l t sr e s o u r c e Ac o m p u t e r-a i d e dq u a l i t yc o n t r o ls y s t e mi sd e s i g n e dt od e a lw i t hd a t af r o mm u l t i v a r i a b l e，m u l t i-s t a g ep r o c e s sa n do u t p u tr e s u l t s K e yw o r d s：T h eT 2 一P C Am e t h o d，T w o-q u a l i t yD i a g n o s

17、i sT h e o r y,m u l t i-s t a g ep r o c e s s，m u l t i v a r i a b l e-s t a g e，T 2c h a r t，P r i n c i p l eC o m p o n e n tA n a l y s i sI I?独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含本人为获得江南大学或其它教育机构的学位或i a-4 s 而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已

18、在论文中作了明确的说明并表示谢意签名：关于论文使用授权的说明本学位论文作者完全了解江南大学有关保留、使用学位论文的规定：江南大学有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅和借阅，可以将学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文，并且本人电子文档的内容和纸质论文的内容相一致保密的学位论文在解密后也遵守此规定签名：才瞧倍导师签名：至匦日期：譬r 2 晓一乎j-冯?第一章绪论第一章绪论2 1 世纪是“质量的世纪”，产品质量是企业最终赢得竞争和市场占有率的最关键因素。制造过程的质量控制是产品全生命周期质量控制中至关重要

19、的一个环节。现有的质量控制与误差诊断理论大都面向单变量、单工序：从众多质量因素中挑选需要控制的因素，逐个作质量控制图分析，忽略了因素之间的相关性。另外，生产过程中，各个工序不是独立的，而是相互影响相互关联。传统的质量控制理论只能把工序过程作为独立因素分析，不能顾及到相邻工序之间的关联。研究多工序、多变量制造过程的质量控制与误差诊断方法，具有重要而紧迫的现实意义。1 1 课题研究背景及意义1 1 1 研究背景自2 0 世纪2 0 年代提出质量管理的概念以来，质量管理的概念伴随企业管理的实践而不断地发展和完善，现在已经成为_ r-j 独立的学科。质量管理理论已经经历了质量检验管理阶段、统计质量控制

20、阶段和全面质量管理阶段。三个阶段的基本理论在我国企业中不同程度地得到了推广和应用。但是，客观地评价中国企业的质量管理水平，大多仍然停留在以检验控制为主的质量管理阶段，辅助简单的统计分析和数据处理技术。目前企业质量记录普遍采用纸质记录的方式，各部门分散管理各自直接相关的质量记录。这就给质量信息的共享、查询和追溯造成不便。质量信息的不规范记录给统计分析带来困难，质量信息的大量丢失也隐藏了巨大的质量隐患。同时，检验把关仍然是许多制造业企业质量管理的主要手段。鉴于检验过程人的因素的不稳定性，使得质量控制的严格性和有效性得不到有效的保证。制造过程工艺流程的复杂性和产品质量参数的高精度要求，是传统的检验过

21、程管理所难以胜任的。没有系统化平台的辅助和监控，检验过程的质量打了不少的折扣。上世纪八十年代以来，统计过程控制(S P C)技术的推广使企业的质量管理水平上了一个台阶。它通过对关键质量参数和关键工序的样本采集和统计分析，利用控制图原理识别过程的异常，通过消除异常最终实现对生产过程的分析和监控，达到预防不合格、提高生产合格率的目的。然而传统的统计过程控制(S P C)方法更侧重的是一种“事后控制”理念，在发现产品或过程出现异常后才发挥作用。而在多源多工序的加工、装配过程中，误差种类繁多，且相互耦合，S P C 技术不能够用于揭示过程变异源(S o u r c eo fV a r i a t i

22、o n)，无法真正实现对多工序中多变异源所形成的误差流(S t r e a mo fV a r i a t i o n，S O V)的源头控制，导致目前的控制成为一种对结果的控制(事后控制)，而非过程影响因素的控制(事前控制)，因而效果不佳。在这样的背景下，多工序情形下制造过程质量诊断与控制方法的研究与应用就非常必要。江南大学硕十学位论文1 1 2 课题研究的意义探索多工序、多变量制造过程的误差分析与诊断方法符合现代质量诊断预测与控制的发展趋势。现阶段的关于质量控制的研究绝大多数还停留在单工序过程的研究阶段，关于多工序过程质量控制的研究很少，并且内容比较分散，因而在理论和实际应用方面有很多地方

23、需要继续深入研究和探索。研究、总结出一套完整的制造过程质量测量、诊断与控制的有效方法体系，把制造过程的质量控制从事后控制转为事先控制和事中控制相结合，这对于多工序复杂制造过程的质量问题分析诊断尤其重要和适用。在此基础上，将进一步丌发计算机辅助误差分析控制系统，实现多因素耦合制造过程误差诊断与控制理论的应用，实现面向过程的质量分析和控制，为提高产品的质量水平和市场竞争力提供保障。1 2 国内外研究现状质量定义为反映实体满足明确和隐含需要的能力的特征总和。所谓实体是指可以单独描述和研究的事物如产品、活动或过程、组织、体系或人以及上述各项的任何组合。质量管理是指确定质量方针、目标和职责，并通过质量体

24、系中的质量策划、控制、保证和改进来使其实现的所有管理职能的全部活动。1 2 1 质量管理的发展阶段质量管理的发展，大约经历了质量检验到统计质量控制及全面质量管理三个阶段。(1)质量检验，大约在2 0 世纪初到3 0 年代末是质量管理的初级阶级，其特点是以事后检验为主体，强调检验人员的质量监督职责，把检验作为保证质量的主要手段。质量检验人员根据产品的技术标准，对零部件和成品进行检查，作出合格与不合格的判断。不允许不合格品进入下一工序或出厂，起到了质量把关的作用。但这一阶段只能被动地事后检验，对不合格的产生缺乏控制手段。(2)统计过程控制(S P C)阶段，大致从二次世界大战开始到5 0 年代末，

25、休哈特等科学家将数理统计方法引入质量管理，发明了控制图、抽样检验表等，使质量控制成为一门独立的学科，使质量管理由单纯依靠质量检验事后把关，发展到工序质量控制，强调质量的预防性控制与事后检验相结合，从而使制造企业降低了不合格率和生产费用。然而，影响产品质量的因素是多种多样的，制造仅是产品形成的一个中间环节，产品设计才是产品质量形成的首要环节，从而促进了全面质量管理思想的形成。(3)全面质量管理阶段。这一阶段从6 0 年代开始一直延续至今。6 0 年代初美国通用电气公司A V F e i g e n b a u m 5】提出“总体质量控制 的思想，接着J M J u r a n 1 0】提出“全面

26、质量管理(T o t a lq u a l i t yc o n t r o l，简称T Q C)的概念。其特点是充分利用数理统计学作为控制生产过程的手段，同时还结合运筹学、价值分析、系统工程、线性规划等科学对企业进行组织。质量控制工作不仅限于产品的制造过程，也包括决策、设计、使用、服务等环节，把现代科2第一章绪论学管理、科学技术和统计方法密切结合起来，建立一套完善的工作体系和方法，以保证最经济地生产出满足用户要求的优质产品。全面质量管理突出了管理中人的因素，强调计算机支持的质量信息管理，使质量控制进入了以预防为主的事先控制新时期。所以I S 0 8 4 0 2 1 9 9 4 质量管理和质量

27、保证术语中将全面质量管理定义为：一个组织以质量为中心，以全员参与为基础，目的在于通过让顾客满意和本组织所有成员及社会受益而达到长期成功的管理途径。自6 0 年代以来，全面质量管理的观念逐步被世界各国所接受，在实践中得到了丰富和发展，形成了一整套的理论、技术和方法。回顾质量控制的发展历程，可以看到：人们在解决质量问题中的观念和所运用的技术和方法，是在不断发展和完善的，三个阶段不是互相孤立和互相排斥的，后一阶段并不是对前一阶段质量职能的否定和取消，而是在前一阶段基础上的继承和发展。1 9 9 3 年日本第3 1 次高层质量管理大会上明确提出，T Q M(全面质量管理)的基础是s P c(统计过程控

28、制)，S P C 和T Q M 两者不能偏离，同样重要。1 2 2 统计过程控制(S P C)技术的发展与局限2 0 世纪初，为满足大规模生产的需要，要求不同工人生产的各种零部件能达到高度的一致性和协调性。正是这种对产品质量高度一致性的需求，促成了统计过程控制即S P C(S t a t i s t i c a lP r o c e s sC o n t r 0 1)技术的出现。1、S P C 技术的发展早在2 0 世纪2 0 年代，贝尔电话实验室(B e l lT e l e p h o n eL a b o r a t o r y)就成立了以休哈特(W A S h e w h a r t)

29、为学术领导人的过程控g l J(P r o c e s sC o n t r 0 1)以及道奇(H I E D o d g e)为领导人的产品控制(P r o d u c tC o n t r 0 1)研究组。经研究，休哈特提出了过程控制理论以及监控过程的工具控制图。世晃上第一张控制图是在1 9 2 4 年5 月提出的P 控制图。道奇则与罗米格(H G R o m i g)提出了抽样检验理论以及抽样检验表。这两个研究组的研究工作的影响是深远的。在他们之后，虽然有大量的研究论文出现，但至今无人能出其巢臼。由于在过程控制方面主要应用休哈特过程控制理论，而现今的S P C 理论与休哈特理论并无根本的

30、区别。休哈特的贡献就在于，应用他所提出的工程控制理论能够在生产线上科学的保证预防原则的实现。在产品的制造过程中，产品质量特性总是波动的。按照休哈特的观点，这种波动可以分为两类，即偶然波动与异常波动。偶然波动由偶然因素(简称：偶因)造成，异常波动由异常因素(简称：异因)造成。前者在生产过程中始终存在，是不可避免的，对产品质量影响甚小，相当于背景噪音，可以听之任之；后者对产品质量影响甚大，在产品生产过程中时有时无，是可以避免的。因此，在生产过程中，我们要时刻关注就是异常波动。应用控制图能够及时发现异常波动，当发现异常波动时应该尽快采取措施除去异因，并保证不再出现。如此最终可以达到只有偶因没有异因的

31、状态，称为稳定状态(稳态)。若一条生产线的所有工序都达到稳态，则称之为全稳生产线。S P C 能够实现全过程的预防靠的就是全稳生产线。从一开始，S P C 就被看作一种提高产品质量和生产效率的技术手段。从质量控制的角度江南人学硕十学位论文来看，统计过程控制又被称为统计质量控制S Q C(S t a t i s t i c a lQ u a l i t yC o n t r 0 1)。由于产品质量在现代工业中的重要地位，使统计过程控制己经在机械、纺织、汽车、电子产品等离散制造业得到了广泛应用，并J 下逐渐向造纸、炼油、化工、食品等间歇工业和连续制造业渗透。当控制图显示异常，表示存在异因后，在生产

32、线真J 下起到预防作用的是执行下列2 0 字方针：“查t 匕片因，采取措施，加以消除，不再出现，纳入标准”。每消灭一个异因都纳入标准，真正起到预防作用。随着统计学在过程控制领域应用的深入，关于统计控制的商业软件也逐渐增多。美国特征向量研究公司(E i g e n v e c t o rR e s e a r c h)出的在M a t l a b 环境下运行的P L S 软件包 W i s eBM，G a U a g h e l NB，1 9 9 6 就是一个很好的进行统计分析的软件包。瑞典的U M E T R I C S 公司也推出了可用于在线多变量统计过程控制的S I M C A 4 0 0

33、 0 软件包。另外还有一些优秀的统计过程控制的软件如美国L y l e K e a r s l e yS y s t e m sI n c 开发的I n f i n i t yQ SS P C 系列软件、美国S A SI n s t i t u t eI n c 研制的S A S Q C、加拿大Q u a l i t r a nP r o f e s s i o n a lS e r v i c e sI n c 开发的S P C P I+系列软件等。2、S P C 技术的局限性与多工序、多变量系统传统的统计过程控制以概率论和数理统计为基础，以提高产品质量水平为目标，采用统计控制图、统计描述、

34、统计相关分析、实验设计、回归分析等方法，分析处理与产品质量相关的生产过程数据。由于多变量生产过程本身的复杂性，其产品质量往往涉及到具有相关关系的几十、甚至上百个变量，这些变量在一段时间的采样数据量之大，使得传统S P C 在该领域的应用受到限制。传统的S P C 采用单变量统计过程控制方法，只对生产过程中的一些重要指标单独地实施统计过程控制，比如为这些指标单独地建立S h e w h a r t 控制图。在统计过程控制的应用早期，受测量技术以及数据存储和分析技术的限制，人们只能测量生产过程中少数几个重要指标，并对这几个指标单独进行统计过程控制。这在某种程度上能够改进产品质量。但只让所测量的少数

35、几个重要指标分别保持在规定的范围内，这只是过程控制的一部分，并不能真正保证产品的高质量和高性能。随着测量技术的发展，人们已经能够对越来越多的产品性能指标进行测量，同时用户对产品性能的定量要求也越来越严格。这就要求对多个产品性能指标和过程变量进行监视。如果需要监视的多个产品性能指标或多个过程变量之间存在相关关系，则仅靠分别对它们采用单变量统计过程控制，其结果往往不太可靠，需要采用变量关联图作进一步的监视。若某个装置的生产过程有1 0 0 个测量变量，就需要监视1 0 0 个变量趋势图，如果还想要监视变量间的关联图，这1 0 0 个测量变量的两两关联图就有4 9 5 0 幅!过程操作人员很难同时监

36、视这么多图形中变量的变化，需要引入多变量统计过程控制技术来改进对过程的监视。多工序、多变量系统(m u l t i o p e r a t i o na n dm u l t i i n d e xs y s t e m)在现场多元情况下普遍存在。可以说，几乎每一个工厂的生产线都是一个多工序、多变量系统。具体的说：多工序系统是指产品经过多于一道生产线加工的系统。产品只经过一道工序加工就能完成的情况是少有的。多变量系统是指至少有一道工序的指标数目多于一个的系统。这里，质量指标和技术参数统称为指标。由于每道工序至少有一个技术参数和一个质量指标，故多变4第一章绪论量系统总是存在的。目前，针对单一工序

37、的质量分析和评价方法已经发展的比较完善，但是针对多工序生产过程质量分析和评价的方法还比较少。研究多工序生产过程质量分析和评价方法，对正确实旌多工序生产过程质量控制具有现实意义。提高产品制造质量的核心是减少产品制造过程中出现的各种波动。正确找出制造过程中的波动源，是多工序生产系统实施质量控制和质量改进的基础。研究多工序生产系统质量波动的传递规律，探索波动的根源，是实旌多工序生产过程质量控制的关键内容。针对传统的统计过程统计技术的不足，以及现实生产中提出的对于多工序、多变量系统制造系统的控制需求，还有对存在多个控制变量的生产过程的控制，已经有许多学者进行了大量研究。下面将大略介绍现存的在这两个领域

38、的研究方法。1 2 3 多工序、多变量制造过程质量控制研究现状1、多工序过程误差诊断研究现状制造过程中，误差诊断一直是质量保证领域的热点问题，但人们对于多工序制造过程的误差建模、分析及控制的研究还处于萌芽阶段。多数现有的文献均集中于某个特定应用领域的误差相关问题，很少有研究人员探讨多工序制造过程误差的普遍特性。近年来，一些基于工程知识的解析模型相继提出。M a n t r i p r a g a d aR a m a k r i s h n a,W h i t n e yD a n i e lE I l l】提出用矩阵变换来表达相邻工件问的误差传递，以此为基础，考虑不同工件间的联系及其对产品误

39、差的影响，将该模型改进成一种更具一般意义的模型状态转换模型(S t a t eT r a n s i t i o nM o d e l)。O h k a w aS c h i i c h i，A o k iM a s a k a z u,M a s u d aH i r o o 比】等提出通过设备参数的变化矩阵来反映下工序的质量。G r z e s i kw B r o lS f l 3】采用数字化参数设计的方法，运用神经网络模型对多工序机械加工工件的表面质量进行评估。一些学者从误差流(S t r e a mo fV a r i a t i o n)的角度出发进行了研究，这里，误差流指的是产品

40、质量特性误差以产品为载体随工艺路线在不同工序上传递、变化的过程，表现了制造过程产品的形态变化。他们将整个制造过程看成一个动态系统并建立数学模型，采用控制理论中的概念和数学工具对多因素耦合问题进行研究，从而对制造过程进行定量的分析、预测与控制以保证和提高产品质量。密西根大学的D C c 西a r e k、史建军1 2 硝等遵循制造过程的特点，明确提出利用状态空间模型对多工序制造过程进行S O Y(S t r e a mo f V a r i a t i o n)建模，采用向量公差描述过程参数和产品质量特性的误差，诊断分析多工序制造过程中存在的多因素耦合质量问题，并将该理论在汽车白车身装配和汽车发

41、动机盖加工过程中的应用进行了尝试，这一研究得到了美国自然科学基金的资助。清华大学的罗振壁【2 3】等建立了基于迭代映射表征加工误差流动态特性的迭代模型，并应用突变论的方法构造了加工误差的突变模型。通过对上述两种模型的分析，得到了加工误差的控制原理、策略和方法。张公纠6】延续统计过程控制的思想，指出任何一道工序都存在两种质量：总质量和分质量。总质量反映该工序的实际质量，而分质量反映该工序的固有质量，将两种质量相比较即江南大学硕十学位论文可对该工序进行诊断。将相邻两工序作为诊断单元，分别对两个工序做选控图以及全控图，对比控制图的结果即可实现对相邻工序的诊断。由此，对休哈特控制图进行扩展和改进，于8

42、 0 年代初提出两种质量理论和选控图概念。目前，该理论正在向多元化、小批量和模糊化的方向发展。亓四华【2 2】利用两种质量多元诊断理论进行了柱塞套多工序内孑L 加工过程的质量诊断。唐晓青【2 l】等基于节约覆盖集理论的概率因果诊断模型，利用基因算法求解策略，给出了机械加工过程质量故障诊断问题的解决方案。一些研究者注意到统计方法和工程知识融合的优势，提出了一些新的多工序质量模型。F e r m e rJ o e lS，J e o n gM y o n gKL uJ y e c h y i 9】提出了一种统计数据模型，能在线同步采集多个工序的质量数据，研究各工序数据的统计特征，同时监视工序间的异常

43、情祝，以此为基础提出了一种能自动调节工序漂移的交叉控制方法。有的研究者也分别从降低成本和提高成品率两个方面对多工序制造过程进行研究，并取得了一些进展。李淑娟【2 4 1，李言，洪伟等结合工程实践，以最低加工成本为目标，根据各工序中加工成本与公差间的函数关系，提出了一个适合多工序加工公差综合优化的成本公差模型，并采用遗传算法解决了多零件多工序非线性公差综合优化问题。王向东，陈咏梅【2 5】等以提高半导体生产线的成品率为目标，利用神经网络对半导体芯片生产过程进行了建模和优化，首先使用神经网络方法建立模型，确定生产线上工艺参数和成品率之间的映射关系，构造多维映射函数曲面；随后对多维映射函数曲面进行搜

44、索，搜索成品率最高的最优点，据此确定工艺参数的规范值；最后，根据优化后的工艺参数规范进行实际生产。但是，上述模型均未能进一步揭示工序间误差的传递规律。2、多变量过程误差诊断研究现状随着近年来计算机系统、数据库系统的普及应用，使工厂拥有了相当丰富的生产数据资源，提出了采用多变量统计分析方法对大量测量控制数据、产品质量数据等进行处理的应用需求，目的是通过生产数据分析来揭示、反映过程的内在变化，为提高产品质量提供有用信息，从而把数据资源的拥有优势转化为生产效益和产品质量优势。通过运用多变量统计分析方法来对生产过程进行监控，可以及时找出产生不正常运行的原因、故障，及时排除这些故障，可以提高过程能力和产

45、品质量的一致性。目前所报道的多变量统计控制在工业生产中的应用主要集中在北美和欧洲，这和多变量统计过程控制的研究主要集中在北美和欧洲有关。将多变量统计分析方法融入传统的统计过程控制，形成了多变量统计过程控制M S P C 的基本框架。它采用多元投影方法，将过程数据和质量数据从高维数据空间投影到低维特征空间，所得到的特征变量保留了原始数据的特征信息，摒弃了冗余信息，是一种高维数据分析处理的有效工具。在数据量大、数据维数高、变量间具有相关性的连续过程中，M S P C 主要用于实现统计质量控制、过程监控、生产数据的分析挖掘、故障诊断等。多变量统计分析方法包括有主元分析P C A(P r i n c

46、i p a lC o m p o n e n tA n a l y s i s)、部分最d x-乘(P a r t i a lL e a s tS q u a r e s)、主元回归P C R(P r i n c i p a lC o m p o n e n tR e g r e s s i o n)等。由于在实际的连续6第一章绪论过程中，变量1 8 J 的非线性关系普遍存在，由此又发展到把非线性多变量分析方法引入到多变量统计过程控制之中，致使今天的M S P C 已经形成为一个具有众多研究热点的学科方向。可以认为，多变量统计过程控制是把主元分析、部分最小二乘等多元统计投影方法融入传统的统计过

47、程控制而形成的、对存在多个相关变量的生产过程进行监控、分析、控制的方法与技术。统计过程控制经过了从单变量到多变量的发展，目前，多元统计过程控制已经能够较好的为故障诊断技术提供理论依据。人们通过计算机控制系统可以采集和存储大量的过程变量数据。许多有用的信息往往被掩盖在这些数据中。这种现象被称之为“数据丰富但信息缺乏。当一些过程的机理知识难以得到，过程的测量数据将是人们对过程进行深入了解的重要途径。通过对这些数据进行多变量统计分析，可以实现对过程的故障诊断。1 9 4 7 年H H o t e l l i n g 提出了M S P C 图，简称为H o t e l l i n gT 2 图、r 2

48、 图，统计过程控制进入了一个崭新的发展阶段。此后，人们又开发出多变量累积和控制图以及多变量指数加权移动平均图等。但是，r 2 图仍是基础。到目前为止，M S P C 的研究和实践大多还局限在对过程的均值向量进行控制方面。特别是当控制图发出警告信号表明过程失控时，Z 2 图不能解释过程失控的原因，是M S P C 被广泛采用的一大障碍，因而成为M S P C 的研究重点。我们知道，S h e w h a r t 图的研究对象是单变量正态过程，并且假设均值和方差是独立的，因此，S h e w h a r t 图上的警告信号很容易解释。而M S P C 的研究对象是多变量正态过程，且各变量间往往不是

49、独立而是相关的，一个或几个变量的均值和或方差和或变量间的相关关系偏离总体，过程都会失控，监控该过程的控制图都会发出警告信号。查明过程是否失控，特别是查明究竟是哪个(些)变量的变化导致过程失控，正是多变量统计过程控制诊断技术所要研究和解决的问题。近几十年来这一方面的研究情况分类介绍如下。(1)单变量控制图法 B o n f e r r o n i 不等式分析法A l t 利用B o n f e r r o n i 不等式分析法对多元T2 控制图的诊断问题进行了研究。为P 个变量的每一个独立地绘制S h e w h a r t 图，规定每一张S h e w h a t 图犯第一类错误的概率为口=口

50、P，这样规定的口有可能使总的犯第一类错误的概率不超过口。当T 2 控制图显示异常时，对每个原始变量应用一元休哈特控制图进行判断，以找出异常的变量。但是，常常出现这样的情况：r 2 图发出警告信号表明过程失控时，在各单变量S h e w h a r t 图上却没有失控信号发生。为此，D o g a n a k s o y、F 面锄和T u c k e 建议采用口=l 一口，会使该方法更加有效。这种做法的缺点是显然的，最大问题是忽略了变量的相关性。多元情形不能简单的分为一元情形来处理，否则可导致错误的结论。7江南大学硕十学位论文多边形图法B l a z e k、N o v i c 和S c o t