多品種小批量生產模式下的工序質量控制方法研究實踐.pdf

1、在激烈的市場競爭環(huán)境下，產品質量水平已成為影響企業(yè)競爭力的關鍵因素，而工序質量是形成產品最終質量的關鍵。在先進制造模式下，如何有效地提高工序質量成為當前產品質量控制領域的研究熱點。本文以提高企業(yè)的工序質量控制的能力，完善企業(yè)的質量管理為目的，對工序質量控制進行了深入的研究，并結合當今制造業(yè)面臨的多品種、小批量生產模式，提出了基于多品種、小批量的動態(tài)工序質量控制的解決方案，并對該方案進行了系統(tǒng)、深入的理論及應用研究。本文主要完成了以下幾個

2、方面的研究:
　　 分析了多品種、小批量生產模式的主要特點，并結合動態(tài)工序質量控制的現(xiàn)狀及需求，提出了一種適用于多品種、小批量生產模式下的動態(tài)工序質量控制方法，構建了動態(tài)工序質量控制方法的體系結構及基本流程，包括從工序質量預防——分析——診斷——調整的整個過程。
　　 在研究SPC控制圖、數(shù)理統(tǒng)計、工序過程能力指數(shù)等方法的基礎上，建立了面向多品種、小批量的動態(tài)工序質量分析模型。提出了改進的統(tǒng)計數(shù)據變換算法，通過該算法結合

3、相似工序數(shù)據來擴充樣本數(shù)據容量來建立控制圖，并對控制圖的控制界限進行了變換，實現(xiàn)了多品種、小批量產品的動態(tài)工序質量分析，解決了將傳統(tǒng)的SPC控制圖應用在多品種、小批量生產條件下生產數(shù)據量不足和工序質量分析實時性、動態(tài)性不強的問題。
　　 通過研究人工神經網絡理論及其應用領域，提出了使用人工神經網絡來對異常模式控制圖進行識別，構建了6種特殊異常模式控制圖的識別網絡，并使用Matlab對該網絡進行訓練及仿真分析，用實例驗證了使用人工