止推片加工過程質量監測與診斷技術的研究

錢曉耀 錢家維 汪 偉 孫長敬 徐新勝

1.中國計量學院，杭州，310018 2.西南自動化研究所長三角分所，嘉善，314100

0 引言

隨著專家系統在農業、醫療、機械等領域的廣泛應用，質量專家們更加注重構建SPC（統計過程控制）專家系統。國內外現有SPC專家系統的構建方法主要有三種：①基于規則推理和知識庫來構建SPC專家系統；②利用神經網絡與人工智能的集成來構建SPC專家系統（可有效地實現控制圖模式識別）；③利用計算機仿真技術來構建SPC專家系統（可實現對質量成本的預測）［1－2］。

隨著專家系統理論的不斷發展，專家系統在測量領域也有了一些應用研究，如尺寸的合格性研究、零件的缺陷研究等。如今在線檢測技術已得到廣泛應用，根據在線測量數據而建立的專家系統也將得到發展。在產品加工過程質量監測與診斷系統中，結合SPC控制圖的異常模式及其判斷方法，構建質量診斷專家知識系統，并對其中涉及的控制圖異常類型識別、專家系統知識表示和推理機等關鍵技術進行分析，給出相應的糾正措施以使過程受控是一個重要研究方向［3－4］。加工過程質量監測與診斷技術正是在這樣一種背景下提出的。本文在運輸車所用止推片加工過程中構建了質量監測和診斷系統，提出從工藝過程中人、機、料、環、法方面進行因果圖分析以獲取推理機知識，從而搭建SPC專家系統模塊的方法，并采用止推片厚度、平面度在線檢測和利用SPC專家系統診斷推理，尋求解決止推片加工過程中出現的質量問題。

1 檢測系統設計

運輸車所用止推片的厚度、平面度是影響整機裝配精度的兩個重要的幾何量參數，在止推片產品加工中通常將其厚度、平面度作為關鍵點加以檢測和控制。止推片自動檢測分選裝置由上位機和下位機構成，上位機主要實現對數據的采集、處理和分析，下位機主要控制機械運動以及和上位機之間的通信。檢測系統的構成框圖見圖1。

圖1 檢測系統總體框圖

在該系統中，止推片的厚度、平面度通過5個傳感器測量后得到5路模擬信號，分別通過采集卡的5個模擬通道，經A／D轉化后將數字信號傳入上位機，上位機對數據進行處理分析并將結果反饋給PLC，由PLC執行分選動作，同時上位機將測量數據繪制成控制圖，通過專家診斷實現對過程的監控和報警。

2 診斷系統設計

2.1 SPC專家系統結構

統計過程控制實施的目的是對止推片厚度、平面度進行測量并繪制控制圖，在利用控制圖對止推片加工過程進行監測的基礎上，應用SPC專家系統實現對控制圖異常模式的識別，并針對加工過程的異常現象進行診斷分析，以協助解決加工過程中出現的質量波動問題。圖2所示為該SPC專家系統的結構［5］。

2.2 知識的獲取

圖2 SPC專家系統的結構

在構建SPC專家系統過程中，知識工程師從領域專家和有關技術文獻中獲取知識，并通過某種知識編輯器將其輸入到知識庫中。其中質量診斷系統中異常診斷知識的來源主要由止推片加工過程工藝信息、經驗規則以及環境等構成。止推片加工過程的主要工藝流程如圖3所示。

圖3 工藝流程圖

每個工藝都有其技術要求，如果在加工過程中不滿足技術要求就會產生質量問題，在止推片加工過程中引起止推片厚度、平面度不合格的工藝主要有落料、粗車合金面、精磨鋼背面和精切削合金面。因此，在分析工序質量問題時，主要分析這些工序是否達到技術要求。

止推片在加工過程中的質量問題不只由工序質量引起，在分析質量問題時應該從人、機、料、環、法等方面入手，采用因果圖的方法去挖掘產生質量問題的各個因素。圖4所示為止推片在精切削合金面后，發現平面度不合格，通過因果圖來確定其主要因素的分析過程［6］。

圖4 精切削合金面因果圖分析圖

根據因果分析圖，知識工程師通過實驗研究以及經驗知識來確定質量問題發生的主要因素和次要因素，并賦予相應的概率值，為推理做準備。

2.3 推理機的設計

常用的推理方式有正向推理、反向推理和正反向混合推理。對控制圖異常模式識別采用的是正向推理機制。正向推理的基本思想是［7］：①用戶事先提供一組初始數據，并將其放入動態數據庫；②推理開始后，推理機根據動態數據庫中的己有事實，到知識庫中尋找當前匹配的知識，形成一個當前匹配的知識集，然后按照沖突消解策略，從該知識集中選擇一條知識作為啟用知識進行推理，并將推出的事實加入動態數據庫，作為后面繼續推理時可用的己知事實；③重復這一推理過程，直到目標出現或知識庫中再無可用的知識為止。圖5所示為正向推理的流程。

圖5 正向推理流程圖

3 質量監測與診斷系統的實現及其應用

質量監測與診斷系統需要對檢測數據進行存儲、分析、處理，為了能夠實現對止推片加工過程的質量控制，系統將檢測數據繪制成控制圖以實現對過程的監控，同時，系統建立SPC專家系統模塊，該模塊能夠識別控制圖異?，F象，并對異?，F象作出糾正措施。質量監測與診斷系統的功能結構如圖6所示。

3.1 SPC模塊

圖6 質量監測與診斷系統的功能結構圖

在軟件設計過程中，SPC模塊主要實現對數據的采集、處理、存儲，并且將采集的數據繪制成控制圖，同時對控制圖上的點的排列進行異?，F象識別。通過在控制圖［8］編輯框中增加四條折線來分別代表控制圖的上限（UCL）、下限（LCL）、中線（CL）以及樣本連線（Sample）?？刂茍D中包括分析用控制圖及控制用控制圖，分析用控制圖是用來分析過程是否穩定的，只有在過程處于穩定時才能應用控制用控制圖對過程進行監控。

3.2 診斷專家系統模塊

診斷專家系統模塊的主要功能是進行手動知識獲取以及系統的診斷推理，主要包括知識庫的實現、知識管理以及診斷推理的實現。

3.2.1 知識庫

系統在知識庫的設計過程中包含了異常現象、異常原因、糾正措施以及診斷規則4張表。異?，F象表用于存儲控制圖上的8類異常模式，并對異?，F象進行編號。異常原因表記錄存儲加工工序中各工藝的故障信息以及對應的先驗概率，故障信息是根據各工藝中的設備進行編號的。糾正措施表主要描述解決故障信息的方案，糾正措施的編號應與故障信息的編號一一對應。診斷規則表用于存儲異?，F象和異常原因之間的條件概率。4張表之間的相互關系如圖7所示。

圖7 知識庫各表之間的關系

根據知識庫各表之間的關系，在Access中設計的數據表如圖8所示。

圖8 Access中設計的數據表

3.2.2 知識庫管理

在知識庫管理模塊中要對異?，F象、異常原因、糾正措施、診斷規則等這些知識進行添加、修改和刪除，通過選擇知識表來確定知識類型，圖9所示為知識庫的管理界面，圖中選擇的為異常原因知識，在質量診斷系統知識庫中全部顯示該知識庫的所有知識，對于添加、刪除、修改知識等功能可以直接在DataGrid控件上完成，也可通過上面的按鈕進行操作。

圖9 知識庫的管理界面

3.2.3 診斷推理

系統診斷推理的實現分兩步走，首先是根據控制圖異常模式知識庫中的規則知識來判斷是否產生異常，采用IF THEN的推理方法，根據異?，F象的點的排列建立如下規則：

規則1：IF 1點落在UCL線或LCL線以外THEN異常報警1。

規則2：IF連續9點落在中心線上側OR連續9點落在中心線下側THEN異常報警2。

規則3：IF連續6點遞增OR連續6點遞減THEN異常報警3。

規則4：IF連續14點中相鄰點交替上下THEN異常報警4。

將檢測數據作為事實輸入到數據庫中，搜索知識庫中的異常規則，確定一條規則的前提是否與輸入的事實匹配，如果匹配，則結束推理，反之，繼續另一條異常規則，確定其前提是否與事實相匹配，反復進行，直到推理成功［11］。

然后針對異常現象來進行推理，屬于自底向上的診斷推理，其推理流程如圖10所示。

圖10 診斷推理流程

在此推理前要判斷概率計算是否具備條件，首先需要用戶輸入異常現象，根據該現象來查詢相應的原因和概率值，只有在所有的知識都完備后才可進行推理得到異常原因及其概率值，否則需要完善其知識直至概率可計算。其計算模型（舉例）如下：

設P（R1｜T1）為精切削合金面工藝的異常是電磁吸盤有污物、吸力不正常引起的概率，其中T1表示精切削合金面工藝，R1表示電磁吸盤有污物、吸力不正常，則P（R1｜T1）的計算過程如下：

又因為P（R1｜T1）＋P（R1｜T1）＝1，可推出

所以得到

簡化有

4 系統應用

實驗時選擇一批次加工過程中的止推片，經質量檢測產生上述的點的超界異常，可能的異常工序為精切削合金面工序和精磨鋼背面工藝。將數據輸入到知識庫中后，用戶可以通過診斷界面得到相應的概率值，如圖11所示（其中，R2表示砂輪有缺陷、刀具未磨好，R3表示合金面有汗漬，R4表示未清除毛刺，R5表示光線不好、員工操作失誤）。選擇異常現象，系統會自動推理可能產生異常的工序，通過知識搜索，將知識庫中相應的異常原因和診斷規則顯示出來，然后進行診斷推理，得出相應的概率值。通過對比，表明與生產中發現問題后分析得到的結論基本一致，軟件系統的診斷推理結果能夠達到預期的目的。

圖11 診斷界面

5 結束語

本文在止推片自動檢測分選裝置的基礎上，設計了質量監測與診斷系統，該系統能夠對加工過程實現監控，對加工異常進行報警，及時防止加工過程的失控，減少生產過程中的廢品，提高企業質量管理水平。該系統對過程中的異常，能夠協助操作者找出失控原因并及時加以糾正。最后，在止推片自動檢測分選裝置上進行實驗，對系統進行驗證，以確定其推理的準確性。

［1]Stumpff M A.Statistical Process Control will Improve Your Quality and Profits［C］／／Ceramic Engineer and Science Proceedings.Indianapolis，USA，1991：437－448.

［2]Guh R S，Tannock J D.IntelliSPC：a Hybrid Intelligent Tool for On－line Economical Statistical Process Control［J］.Expert Systems with Applications，1999，17：195－212.

［3]于濤，王高山.先進制造環境中工序質量統計過程控制的地位與作用［J］.中國機械工程，2004，15（23）：2103－2110.

［4]Liau L C K，Yang T C K，Tsai M T.Expert System of a Crude Oil Distillation Unit for Process Optimization Using Neural Networks［J］.Expert Systems with Applications，2004，26（2）：247－255.

［5]武波，馬玉祥.專家系統［M］.北京：北京理工大學出版社，2001.

［6]路春光，孟麗麗，王振中，等.統計過程控制SPC系統的設計與實現［J］.組合機床與自動化加工技術，2010，52（1）：108－112.

［7]崔萌.專家系統推理機核心設計［J］.中國高新技術企業，2008，15（22）：298－299.

［8]劉寶龍，王學俊，李寶營，等.基于SPC的產品質量監測系統的研究與開發［J］.大連輕工業學院學報，2005，24（4）：289－292.

［9]張根保.現代質量工程［M］.北京：機械工業出版社，2005.

［10]Zhang Wu，Yu Tian.Control Charts and Process Capability［C］／／IEEE International Conference on Management of Innovation and Technology Proceedings.Singapore，2000：904－909.

［11]曾鐵軍，宋曉玨，裴仁清，等.基于協同式專家系統的SPC診斷系統研制［J］.中國機械工程，2002，13（21）：1852－1855.