多品種小批量制造環境下產品質量控制綜述

(鄭州大學 河南 鄭州 450001)

在大批量生產環境下，基于休哈頓圖的傳統統計過程控制(SPC)在大批量生產中取得了巨大經濟效益。但其是以大量檢測數據為前提，在以單件小批量生產模式為主的CMS環境下，由于在相同工況下加工同一規格的零件數目有限,很難獲得足夠的檢測數據來建立控制界限，傳統的統計質量控制方法不適用單件小批量生產環境的產品質量控制。面向單件小批質量控制可從其他途徑加以考慮,如采用高精度的自動化柔性加工設備；直接分析加工誤差法減少加工系統中的不穩定因素；采用100%檢驗等。然而都不及SPC方法那樣是一種花費低廉而且通用的質量控制方法。為此，國內外學者對多品種小批量生產模式下的產品質量控制展開積極的研究。對現有研究方法進行梳理分類，大致可以將其研究思路歸納為三類：數據變換法、過程建模法和貝葉斯方法。

一、數據變換法

數據變換法的基本思想是通過數據變換手段構造服從同一分布的統計量以增加樣本容量,從而直接使用傳統的SPC方法對各生產工序進行控制。數據變換法涉及兩大關鍵技術，首先是相似工序的構建。

余忠華等人從相似學的基本原理出發，通過引入相似元，來揭示相似性系統存在的本質,并實現相似性定量化從而建立了一套定性與定量相結合的工序相似性分析方法。影響因素考慮全面，既包括影響因素，也考慮到影響因素之間的交互作用和影響因素的時變特性；通過層次分析的科學方法確定各級權重，是主客觀的綜合度量；操作復雜，計算量大。王麗穎等人建立了工序質量特征編碼系統。確定了相似要素(5M1E)和明確的相似性標準，基于相似制造論中的編碼分類法，對加工工件質量特征和加工過程中質量要素進行編碼。將編碼相同的工序劃分為同一個虛擬工序,從而構成虛擬批量,解決了質量特征值數據量少的難題,為運用SPC技術進行工序質量控制打下了基礎。其屬于定性分析的方法，操作簡單，計算量小；質量要素劃分較粗。

數據變換法涉及的第二大關鍵技術是數據轉換方法的選擇。M.AL-SALTI等歸納了七種數學變換方法,并對其適用條件進行說明。金廣林等建立了“相對公差”K管理圖。其在對質量特征值標準化時，均值和方差均是全部數據計算的結果，實際生產中,數據是一個或一批獲得的。高清等針對此問題，提出利用實時均值代替總體均值，并找出了短期單值一移動極差控制圖和長期控制均值一方差控制圖的統計量。

二、過程建模法

休哈特控制圖進行質量控制的焦點在于工序輸出的質量特征,僅把工序過程視為獨立的過程,缺乏對過程本身固有的變化規律的描述。因此休哈特控制圖對微小偏差的檢出能力弱，不能夠滿足當今的6西格瑪管理。

休哈特控制圖進行質量控制的焦點在于工序輸出的質量特征,僅把工序過程視為獨立的過程,缺乏對過程本身固有的變化規律的描述。因此休哈特控制圖對微小偏差的檢出能力弱，不能夠滿足當今的6西格瑪管理。1954年Page提出了累積和控制圖(CUSUM)，CUSUM控制圖中的統計量是實際值與目標值的差值的累積和。Roberts提出的指數加權移動平均控制圖(EWMA)也是一種聚焦于加工過程的控制圖。CUSUM控制圖和EWMA控制圖均考慮了過程的歷史信息,提高了識別工序質量波動的能力，對小的過程質量漂移更加敏感。同時,還可利用模型解決過程質量特征數據的相關性或局部數據斷缺。因此,在中、小批量制造過程的質量控制中有較好的應用。在運用CUSUM控制圖和EWMA等過程建模法時，仍需要足夠的樣本來估計過程均值方差等統計參數，需要與數據變換法結合起來使用。

三、貝葉斯法

P.J.Harrison等人于1989年提出了貝葉斯預測理論。它的特點之一就是重視專家的經驗和判斷,通過建立過程的動態模型,綜合考慮客觀歷史數據、模型和主觀經驗來對過程作出預測,從而使得在保證預測精度的前提下降低了對數據量的要求。余忠華等將貝葉斯動態預測理論運用到小批量產品質量控制中，根據貝葉斯常均值模型建立了工序質量的動態數學模型。預測者的主觀觀點體現在先驗分布中,并通過折扣系數實現初始先驗對后續過程的作用程度。而且預測者可以在整個過程中的任何時候對模型進行初始先驗修正活動。該動態模型能夠很好的適用于復雜的多品種小品量的產品生產質量控制中。張玉磊等改進了貝葉斯理論動態線性模型中的常均值模型的參數。狀態誤差方差控制著模型的穩定性，本文利用指數加權回歸法對狀態誤差方差進行改進。對觀測值序列按時間先后順序排序，以指數規律對它們分配不同的權數，充分利用先驗信息，提高模型的穩定性。