第
37
卷第
8
期
2011
年
8
月
北京工业大学学报
JOURNAL
OF
BEIJING UNIVERSITY OF TECHNOLOGY
Vo
l. 37 No.8
Aug. 2011
无先验信息的小批量,生产质量控制图动态优化
孙群赵颖潘全科
2
(1.聊城大学汽车与交通工程学院,山东聊城
252059;
2
聊城大学计算机学院,山东聊城
252059)
摘
要:针对日益发展的小批量生产模式的质量控制,在样本数据无先验信息条件下,提出了→种基于随机加
权法的质量控制图参数优化方法.采用随机加权法对样本数据进行再抽样,估计样本数据的分布参数(样本均
值和方差)
,经假设检验,动态优化质量控制图的控制参数弥补了小样本条件下传统控制图的不足,实现了无先
验信息下小批量生产过程的质量控制.实验表明,优化后的控制图的控制参数更加逼近于理论值,优于传统控
制图的控制参数,适合用于小批量生产环境下的质量控制.
关键词:小批量;控制图;随机加权方法;质量控制
中图分类号:
TH
165
文献标志码
:A
文章编号:
0254
一
0037(2011)08
一
II48
一 07
质量控制是产品在制造阶段的质量保证,其主要方法之一便是控制图.控制图是按照经典的统计理
论建立起来的,要求质量特征数据为大样本(至少
20
组、样本容量大于
5)
时才能有效
[1]
然而,目前的生
产方式已经由单品种大规模生产向多品种小批量生产转变.在小批量生产环境下,采用传统的控制图方
法,导致发生第一类错误和第二类错误的概率增加,无法满足小批量生产的质量过程控制需求.对于小批
量生产下的柔性制造方式,国内外学者提出了许多实施小批量生产质量过程控制的方法,如
Bayes
方法、
概率变换方法等[川其中,
Bayes
方法是受关注和易于接受的一种方法.
Bayes
方法利用历史信息作为先
验信息,融合样本数据,适合用于小批量问题[叫.然而,对于无先验信息下的小批量质量控制问题却研究
较少.
F. S.
Hiller
等提出的小批量
X-R
控制图、
X-s
控制图及
C.
P.
Quesenbery
提出的小批量
Q
图诚然
是解决该问题的途径
L
叫,但是由于它们避免了样本数据的参数估计,因此它们对异常的检出率远远低于
样本数据分布参数已知的控制图.
针对这一问题,本文以多数生产过程服从的正态分布为例,提出一种无先验信息下的小批量控制图建
立方法,通过自助(
Bootstrap
)方法和随机加权法充分利用样本数据的自身特征,估计样本数据的分布参
数,使之逼近于理论值,从而优化控制图的控制参数.
1
质量控制图参数优化思想
1. 1
样本数据预处理
假设质量特征样本数据有
m
组,每组样本容量为
n
,
其计量特性服从正态分布,可以表示为
(X
II
x
12
IX
呐
X"
X ,
V)
= I
\ x
ml
x
m2
X
1n
ì
z
句
l
… 1
(i=1
,2 , … , m
jj
= 1 ,2
,…
,
n)
X
mn
J
、、,,/
咽
'A
(
收稿日期:
2009-03-26.
基金项目:国家自然科学基金资助项目
(60874075)
.
作者简介:孙
群
(1979
一)
,男,山东淄博人,博士,副教授田