一种基于多源感知的产品质量特性误差溯源分析方法技术

技术编号:20364733 阅读:24 留言:0更新日期:2019-02-16 17:21
一种基于多源感知的产品质量特性误差溯源分析方法,包括:利用历史数据建立工序之间的因果关系;对所述历史数据进行筛选,从而将筛选后的历史数据组成样本空间;以所述样本空间作为分析标准,采用T

【技术实现步骤摘要】
一种基于多源感知的产品质量特性误差溯源分析方法
本法明涉及工艺分析、模型静态和/或动态分析领域,特别涉及了一种基于多源感知的产品质量特性误差溯源分析方法,用于工序问题的溯源。
技术介绍
统计过程控制(StatisticalProcessControl)概念源于20世纪20年代,以美国休哈特博士提出控制图为主要标志。自这一概念提出之后,在工业和服务业得到了广泛的应用。其借助数理统计知识,对生产过程的波动进行分析和监控,提出防范措施,使生产过程处在仅受随机因素影响的受控状态。控制图是统计过程控制中最重要的工具,按照使用目的的不同,可以分为分析用控制图和控制用控制图。分析用控制图主要用来分析过程是否处于统计控制状态。只有当过程达到预期稳定状态后,才能对生产过程进行监控(控制用控制图)。随着现代传感器技术的发展,采集生产过程的相关数据的难度大大降低,获得生产过程中的多源数据对生产过程进行分析,成了现代统计过程控制的优势所在。大量历史和实时数据的获取使得我们可以更好分析加工过程并对加工过程进行实时监控。对于复杂的加工系统来说,引起最终产品失效的原因除了各潜在的失效因素外,因素间的耦合作用也不能忽略。在多工序的加工制造过程中,失效的模式多种多样,与失效模式对应的误差源头存在难以准确定位的问题。从源头入手是杜绝故障和失效的有效方法。现有技术中在利用T2控制图对实际加工过程进行监控时,往往出现对各工序分别进行监控不发生失控,而对整个加工过程进行监控却发生失控的现象,这就使得误差源难以准确定位;且在实际情况中,加工工序间的因果关系网络大多是根据工艺规程文件、专家评定等方式建立的,人为主观因素所占比重很大,建立的网络关系往往不能科学有效地反映工序之间的关联关系。
技术实现思路
针对上述问题,本专利技术的目的是通过以下技术方案实现的一种基于多源感知的产品质量特性误差溯源分析方法,包括:利用历史数据建立工序之间的因果关系;对所述历史数据进行筛选,从而将筛选后的历史数据组成样本空间;以所述样本空间作为分析标准,采用T2控制图方法对实时数据进行监控;根据所述因果关系,对出界的T2值进行正交分解,获得分解项;对所述分解项的T2统计值进行出界分析,进而定位问题工序。进一步的,所述历史数据包括:对应所述工序的指标因素。更进一步的,所述指标因素为一种或多种,并且每一种指标因素为一个或多个,由多个相应的传感器采集获得。更进一步的,根据所述指标因素建立工序之间的因果关系网的方法包括:计算每道工序中指标因素的平均值,获得工序的指标因素的协方差矩阵;根据所述协方差矩阵,获得工序之间的相关系数矩阵。进一步的,所述采用T2控制图中的分析方法对所述历史数据进行筛选包括:计算多元单值T2统计值;计算T2控制图的控制上限和控制下限;将所述T2的统计值与所述控制上限和控制下限进行比较,对出界的T2的统计值所对应的历史数据进行剔除;将剔除后的历史数据重新计算其指标因素的平均值以及指标因素的协方差矩阵,并重复上述步骤,直到没有出界的T2的统计值产生为止。更进一步的,所述计算多元单值T2的统计值包括:根据所述指标因素的平均值以及所述指标因素的协方差矩阵计算多元单值T2的统计值。更进一步的,所述计算T2控制图的控制上限和控制下限包括:通过给定显著性水平值,计算T2控制图的控制上限;设T2控制图的控制下限为0。进一步的,所述T2的统计值的出界情况包括:所述T2的统计值大于等于控制上限,或所述T2的统计值小于等于控制下限。进一步的,所述采用T2控制图方法对实时数据进行监控包括:根据所述实时数据,计算其对应的T2统计值;与所述对应的T2统计值与所述控制上限和所述控制下限进行比较,从而对实时数据进行监控。进一步的,所述根据工序之间的因果关系,对出界的T2统计值进行正交分解包括:根据所述工序之间的因果关系建立工序关系有向图;根据所述工序关系有向图,对出界的T2统计值进行正交分解。本专利技术的优点在于:i.本文提出的基于历史数据利用相关系数矩阵构建工序之间关联关系的方法,相比较传统的因果模型的构建方法来说,利用物联网技术采集的大量的、多源的在线感知数据进行因果模型的构建,在很大程度上减少了人为主观因素的影响,因此所建立的因果模型更具有信服力。ii.传统的T2控制图存在对单道工序监控受控,全过程控制图失控的情况,导致误差源头难以定位。针对这种情况,本专利技术提出了基于因果模型对全过程控制图中出界的异常点进行正交分解来定位误差源头的方法,可以准确有效地找出问题工序和具有交互作用的问题工序,用于对工序的改进提供精确有效的指导。附图说明通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本专利技术的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:附图1示出了根据本专利技术实施方式的溯源分析方法框图。附图2示出了根据本专利技术实施方式的溯源分析工作流程图。附图3示出了根据本专利技术实施方式的工序间关联关系示意图。附图4示出了根据本专利技术实施方式的一种薄壁件部分加工实施例的工序关联关系示意图。附图5示出了根据本专利技术实施方式的实施例的g1工序T2控制图。附图6示出了根据本专利技术实施方式的实施例的g2工序T2控制图。附图7示出了根据本专利技术实施方式的实施例的g3工序T2控制图。附图8示出了根据本专利技术实施方式的实施例的g4工序T2控制图。附图9示出了根据本专利技术实施方式的实施例的g5工序T2控制图。附图10示出了根据本专利技术实施方式的实施例的g6工序T2控制图。附图11示出了根据本专利技术实施方式的实施例的实时监测T2控制图。具体实施方式下面将参照附图更详细地描述本公开的示例性实施方式。虽然附图中显示了本公开的示例性实施方式,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施方式所限制。相反,提供这些实施方式是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。根据本专利技术的实施方式,提出一种基于多源感知信息的产品质量特性误差溯源方法。针对智能生产线多工序加工制造过程产品出现偏差但问题源头难以确定的问题,利用历史数据建立工序间的因果关系网络。针对实时多源感知数据,利用T2控制图对加工过程进行实时监控,对出界的异常T2统计值基于工序之间的因果关系进行正交分解,对分解项再作T2控制图,从而定位问题工序,进而进行有针对性的改进。如图1所示,为根据本专利技术实施方式的溯源分析方法框图。其中,所述溯源分析方法包括:S1、利用历史数据建立工序之间的因果关系;S2、对所述历史数据进行筛选,从而将筛选后的历史数据组成样本空间;S3、以所述样本空间作为分析标准,采用T2控制图方法对实时数据进行监控;S4、根据所述因果关系,对出界的T2值进行正交分解,获得分解项;S5、对所述分解项的T2统计值进行出界分析,进而定位问题工序。具体的,所述历史数据包括:对应所述工序的指标因素。其中,指标因素可以为一种或多种,并且每一种指标因素可以为一个或多个,由多个相应的传感器采集获得。所述建立工序之间的因果关系网的方法包括:计算每道工序中指标因素的平均值,进而获得工序的指标因素的协方差矩阵;根据所述协方差矩阵,进而获得工序之本文档来自技高网
...

【技术保护点】
1.一种基于多源感知的产品质量特性误差溯源分析方法,其特征在于,包括:利用历史数据建立工序之间的因果关系;对所述历史数据进行筛选,从而将筛选后的历史数据组成样本空间;以所述样本空间作为分析标准,采用T2控制图方法对实时数据进行监控;根据所述因果关系,对出界的T2统计值进行正交分解,获得分解项;对所述分解项的T2统计值进行出界分析,进而定位问题工序。

【技术特征摘要】
1.一种基于多源感知的产品质量特性误差溯源分析方法,其特征在于,包括:利用历史数据建立工序之间的因果关系;对所述历史数据进行筛选,从而将筛选后的历史数据组成样本空间;以所述样本空间作为分析标准,采用T2控制图方法对实时数据进行监控;根据所述因果关系,对出界的T2统计值进行正交分解,获得分解项;对所述分解项的T2统计值进行出界分析,进而定位问题工序。2.根据权利要求1所述的溯源分析方法,其特征在于,所述历史数据包括:对应所述工序的指标因素。3.根据权利要求2所述的溯源分析方法,其特征在于,所述指标因素为一种或多种,并且每一种指标因素为一个或多个,由多个相应的传感器采集获得。4.根据权利要求3所述的溯源分析方法,其特征在于,根据所述指标因素建立工序之间的因果关系网的方法包括:计算每道工序中指标因素的平均值,获得工序的指标因素的协方差矩阵;根据所述协方差矩阵,获得工序之间的相关系数矩阵。5.根据权利要求1所述的溯源分析方法,其特征在于,所述采用T2控制图中的分析方法对所述历史数据进行筛选包括:计算多元单值T2统计值;计算T2控制图的控制上限和控制下限;将所述T2的统计值与所述控制上限和控制下限进行比较,对出界的T2的统计值所对应的历史数据进行...

【专利技术属性】
技术研发人员:戴伟吴孟遥王美清
申请(专利权)人:北京航空航天大学
类型:发明
国别省市:北京,11

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1