面向柔性制造的新型统计质量控制方法
需积分: 6 156 浏览量
更新于2024-09-05
收藏 169KB PDF 举报
"这篇论文是关于面向柔性制造系统的统计质量控制的研究,由杨晓慧、宋士龙和谷德义三位作者共同完成,发表在2003年2月的《系统工程理论与实践》期刊上。论文探讨了传统控制图在应用到柔性制造系统时遇到的问题,并提出了一种新的单值控制图方法,该方法采用了可变的控制界限,适用于小批量生产质量控制。"
论文中,作者首先指出,传统的质量控制图在面对高度灵活和自动化程度高的柔性制造系统时存在一定的局限性。由于柔性制造系统通常处理小批量、多品种的产品,传统的控制图基于固定样本数量的统计假设可能不再适用,这可能导致误判或无法有效识别过程中的异常。
为了克服这些挑战,论文提出了一种创新的单值控制图。这种控制图的一个关键特性是其控制界限可以根据实际的样本数量动态调整,这意味着它不再受制于固定的样本大小,从而提高了对生产过程变化的敏感性和适应性。这种方法的引入使得在小批量生产环境中也能实现高效的质量控制,减少了由于传统控制图不适应而产生的控制误差。
此外,论文还可能涉及了如何确定这些可变控制界限的具体算法,以及如何在实际生产环境中实施这一新方法的细节。作者可能通过模拟实验或实际案例研究来验证新方法的有效性,展示了在柔性制造系统中采用这种控制图可以提高产品质量,减少浪费,以及提升整体生产效率。
关键词如“柔性制造系统”、“质量”和“控制图”揭示了论文的核心研究领域,即在制造业的现代发展趋势下,如何利用统计方法优化质量控制过程,特别是在小批量、高灵活性的生产模式中。
这篇论文对工业工程师、质量管理人员以及制造系统研究人员具有很高的参考价值,它提供了在不断演变的制造环境中改进质量控制策略的新思路。通过应用文中提出的控制图方法,企业可以更好地适应市场变化,确保产品品质,同时降低生产成本。
点击了解资源详情
点击了解资源详情
点击了解资源详情
2019-09-20 上传
2019-09-20 上传
2019-09-20 上传
2019-09-20 上传
2019-09-26 上传
2019-07-22 上传
weixin_38744153
- 粉丝: 348
- 资源: 2万+
最新资源
- Elasticsearch核心改进:实现Translog与索引线程分离
- 分享个人Vim与Git配置文件管理经验
- 文本动画新体验:textillate插件功能介绍
- Python图像处理库Pillow 2.5.2版本发布
- DeepClassifier:简化文本分类任务的深度学习库
- Java领域恩舒技术深度解析
- 渲染jquery-mentions的markdown-it-jquery-mention插件
- CompbuildREDUX:探索Minecraft的现实主义纹理包
- Nest框架的入门教程与部署指南
- Slack黑暗主题脚本教程:简易安装指南
- JavaScript开发进阶:探索develop-it-master项目
- SafeStbImageSharp:提升安全性与代码重构的图像处理库
- Python图像处理库Pillow 2.5.0版本发布
- mytest仓库功能测试与HTML实践
- MATLAB与Python对比分析——cw-09-jareod源代码探究
- KeyGenerator工具:自动化部署节点密钥生成