一种复杂精密装备总装车间关键装配工序质量损失评估及预警方法技术

本发明专利技术公开一种复杂精密装备总装车间关键装配工序质量损失评估及预警方法，所属领域为智能制造技术领域。该方法建立了一套包括物料异常损失M、设备故障损失E、产品质量检测异常P、人员异常损失S、质量问题处理成本C等五维度的关键装配工序质量损失评估指标体系；在此基础上，采用了一种基于变权重模糊综合评判法对复杂精密装备总装车间关键装配工序质量损失进行评估，建立了一种BP神经网络质量损失预警模型，为关键装配工序质量损失的有效控制提供了支持。本发明专利技术旨在对复杂精密装备总装车间关键装配工序质量损失进行有效的评估及预警，为关键装配工序质量异常问题的事前预防控制提供决策支持。

【技术实现步骤摘要】
一种复杂精密装备总装车间关键装配工序质量损失评估及预警方法
本专利技术涉及一种复杂精密装备总装车间关键装配工序质量损失评估及预警方法，属于智能制造

技术介绍
复杂精密装备制造企业是典型的离散型制造企业，而总装车间作为生产制造过程中资源流、计划流、物流、质量流及信息流的汇集中心，是企业进行制造过程的主体部分之一。在实际的装配生产过程中，总装车间涉及的设备、物料及人员众多，网络化集成程度要求很高。同时，由于订单规格不一，不同产品的装配工艺流程互不相同，装配过程多变、任务繁重、物流不易跟踪等问题明显，装配计划的制定、跟踪和调整优化都十分困难。复杂精密装备在装配过程中，关键工序物料一旦出现质量异常问题，不仅对产品稳定性和可靠性造成重大的影响，而且将给企业在后续装配工序生产、产品延期交付赔偿、客户满意度等方面带来重大的有形和无形质量损失。因此，对复杂精密装备关键装配工序质量损失进行有效的评估及预警，为关键装配工序质量异常问题的事前预防控制提供决策支持，已成为复杂精密装备制造企业迫切需要解决的问题。但目前复杂精密装备制造企业只能借鉴管理积累的经验对关键装配工序中存在的质量损失进行粗略评估，准确度不高、人为随意性大，没有一套科学的预警方法对管理过程中积累的关键装配工序质量损失评估数据进行数据挖掘，找出质量损失发生规律，为关键装配工序质量损失预警控制提供决策支持，从而导致企业难以实现对总装车间生产过程的智能化管控。
技术实现思路
针对
技术介绍
中的问题，本专利技术提供了一种复杂精密装备总装车间关键装配工序质量损失评估及预警方法，建立了一套包括物料异常损失M、设备故障损失E、产品质量检测异常P、人员异常损失S、质量问题处理成本C等五维度的关键装配工序质量损失评估指标体系；在此基础上，采用了一种基于变权重模糊综合评判法对复杂精密装备总装车间关键装配工序质量损失进行评估，并研究了一种基于BP神经网络的关键装配工序质量损失预警方法，建立了BP神经网络预警结构模型，为关键装配工序质量损失的有效控制提供了决策支持。具体技术方案如下:1〕建立关键装配工序质量损失评估指标体系：该体系包括一级指标和二级指标；其中，各一级指标体系由各自对应的二级指标体系共同决定。包括物料异常损失M、设备故障损失E、产品质量检测异常P、人员异常损失S、质量问题处理成本C等五维度的关键装配工序质量损失评估指标体系；2〕基于变权重模糊综合评判法对复杂精密装备总装车间关键装配工序质量损失进行评估：2-1〕确定关键装配工序质量损失指标权重向量：对该指标体系进行了变权处理，即在常权向量的基础上增加处于最差影响程度的一级或二级指标权重值，使得复杂精密装备总装车间关键装配工序质量损失的模糊综合评价结果更趋合理。2-2〕对各一级评价指标进行模糊综合评判：在权重确定后，对复杂精密装备总装车间关键装配工序质量损失评估指标体系的一级评价指标进行模糊综合评价，完成一级评价指标中各评语集评语的隶属度向量。2-3〕对关键装配工序的质量损失进行模糊综合评估：对复杂精密装备总装车间关键装配工序质量损失进行评估，得到关键装配工序质量损失的时间序列值，进而为后续质量预警提供有力的支持。3〕建立了BP神经网络预警结构模型，为关键装配工序质量损失的有效控制提供了决策支持：3-1〕建立BP神经网络预警结构模型，该模型采用三层网络结构，其中输入层包含四个神经元，输入值分别是某四个周期对关键装配工序质量损失的时间序列值，输出层是所对应的周期的预测值，为一个神经元。隐含层是输入层与输出层之间的函数映射关系，其神经元个数一般采用经验公式确定。3-2〕确定神经元的输入权值，采用BP神经网络的结构和传递函数对各权重值进行修正。3-3〕对总装车间关键装配工序损失的时间序列进行预测，采用基于BP神经网络对基于变权重模糊综合评判法的复杂精密装备总装车间关键装配工序质量损失的观测值进行多步滚动预测，得出预测时间序列，然后根据预测时间序列建立质量控制图，从而为质量管理人员进行质量状态预警控制提供决策支持，减少或避免关键装配工序的质量损失异常情况发生。进一步，所述一级指标包括物料异常损失M、设备故障损失E、产品质量检测异常P、人员异常损失S、质量问题处理成本C。进一步，在上述一级指标中：物料异常损失M对应的二级指标为：物料缺失损失、物料运输延迟、物料自身缺失。设备故障损失E对应的二级指标为：设备功能异常、设备过热高温、设备油气消耗过量、设备电学效应。产品质量检测异常P对应的二级指标为：装配干涉检测异常、产品可靠性损失、产品寿命损失、产品安全性损失。人员异常损失S对应的二级指标为：人员调动异常、人员缺勤信息及人员工作能力差异。质量问题处理成本C对应的二级指标为：处理过程时间成本、处理过程人工成本、处理过程管理成本及后续影响成本。附图说明图1示出了复杂精密装备总装车间关键装配工序质量损失评估及预警方法的总体思路图图2示出了复杂精密装备总装车间关键装配工序质量损失评估指标体系图图3示出了复杂精密装备装配过程时间序列预测神经网络结构模型图图4示出了复杂精密装备总装车间关键装配工序质量损失预警图。具体实施方式下面结合实施例对本专利技术作进一步说明，但不应该理解为本专利技术上述主题范围仅限于下述实施例。在不脱离本专利技术上述技术思想的情况下，根据本领域普通技术知识和惯用手段，做出各种替换和变更，均应包括在本专利技术的保护范围内。本实施例的总体思路如图1所示：首先通过部署在总装车间关键工序现场层中的基于IPv6信息交互装置，实现对总装车间涉及到的设备、物料及人员，以及相应的质量、物料、进度、故障等信息进行实时动态采集，并利用信息交互装置中的XML构造模块实现对多源信息的统一转化和描述；然后通过车间无线传感器网络，解决车间多源信息的高效传输问题；最后通过模糊数学理论和BP神经网络模型，实现对关键装配工序质量损失评估体系的建立以及关键装配工序质量损失的预警。①基于IPv6信息交互装置的总装车间装配过程信息动态感知。基于IPv6信息交互装置可以高效、优质地对车间资源的实时运行状态、产品生产进度、产品装配质量等多源信息进行动态采集，并通过车间无线传感网络将采集到的装配过程信息传输到车间信息管理系统，最终实现对总装车间的智能管控。②总装车间关键装配工序质量损失影响因素较多，结合实际生产、综合考虑装配生产过程中物料、设备、人员、质量等故障或损失因素的影响，提出了以物料异常损失M、设备故障损失E、产品质量检测异常P、人员异常损失S及质量问题处理成本C等五维度的评价指标体系，并采用基于变权重模糊综合评判法对复杂精密装备总装车间关键装配工序的质量损失进行有效评估，使评价结果具有客观性、科学性。③提出了一种基于BP神经网络的复杂精密装备总装车间关键装配工序质量损失预警技术和方法：首先建立包含由输入层、隐含层及输出层三部分组成的BP神经网络预警结构模型，其次确定各神经元的输入权值，最后对总装车间关键装配工序质量损失的时间序列进行预测并建立损失预警图，为关键工序的质量状态预警控制提供决策支持，减少或避免关键装配工序的质量损失异常情况发生。图2是复杂精密装备总装车间关键装配工序质量损失评估指标体系图。如图2所示：复杂精密装备总装车间在实际装配生产过程中，其关键装配本文档来自技高网...

【技术保护点】
1.一种复杂精密装备总装车间关键装配工序质量损失评估及预警方法，其特征在于:1〕建立所述关键装配工序质量损失评估指标体系：该体系包括一级指标和二级指标；其中，各一级指标体系由各自对应的二级指标体系共同决定。2〕基于变权重模糊综合评判法对复杂精密装备总装车间关键装配工序质量损失进行评估：2‑1〕确定关键装配工序质量损失指标权重向量：对该指标体系进行了变权处理，即在常权向量的基础上增加处于最差影响程度的一级或二级指标权重值，使得复杂精密装备总装车间关键装配工序质量损失的模糊综合评价结果更趋合理。2‑2〕对各一级评价指标进行模糊综合评判：在权重确定后，对复杂精密装备总装车间关键装配工序质量损失评估指标体系的一级评价指标进行模糊综合评价，完成一级评价指标中各评语集评语的隶属度向量。2‑3〕对关键装配工序的质量损失进行模糊综合评估：对复杂精密装备总装车间关键装配工序质量损失进行评估，得到关键装配工序质量损失的时间序列值，进而为后续质量预警提供有力的支持。3〕建立了BP神经网络预警结构模型，为关键装配工序质量损失的有效控制提供了决策支持：3‑1〕建立BP神经网络预警结构模型，该模型采用三层网络结构，其中输入层包含四个神经元，输出层是所对应的周期的预测值，隐含层是输入层与输出层之间的函数映射关系。3‑2〕确定神经元的输入权值，采用BP神经网络的结构和传递函数对各权重值进行修正。3‑3〕对总装车间关键装配工序损失的时间序列进行预测，采用基于BP神经网络对基于变权重模糊综合评判法的复杂精密装备总装车间关键装配工序质量损失的观测值进行多步滚动预测，得出预测时间序列，然后根据预测时间序列建立质量控制图，从而为质量管理人员进行质量状态预警控制提供决策支持，减少或避免关键装配工序的质量损失异常情况发生。...

【技术特征摘要】
1.一种复杂精密装备总装车间关键装配工序质量损失评估及预警方法，其特征在于:1〕建立所述关键装配工序质量损失评估指标体系：该体系包括一级指标和二级指标；其中，各一级指标体系由各自对应的二级指标体系共同决定。2〕基于变权重模糊综合评判法对复杂精密装备总装车间关键装配工序质量损失进行评估：2-1〕确定关键装配工序质量损失指标权重向量：对该指标体系进行了变权处理，即在常权向量的基础上增加处于最差影响程度的一级或二级指标权重值，使得复杂精密装备总装车间关键装配工序质量损失的模糊综合评价结果更趋合理。2-2〕对各一级评价指标进行模糊综合评判：在权重确定后，对复杂精密装备总装车间关键装配工序质量损失评估指标体系的一级评价指标进行模糊综合评价，完成一级评价指标中各评语集评语的隶属度向量。2-3〕对关键装配工序的质量损失进行模糊综合评估：对复杂精密装备总装车间关键装配工序质量损失进行评估，得到关键装配工序质量损失的时间序列值，进而为后续质量预警提供有力的支持。3〕建立了BP神经网络预警结构模型，为关键装配工序质量损失的有效控制提供了决策支持：3-1〕建立BP神经网络预警结构模型，该模型采用三层网络结构，其中输入层包含四个神经元，输出层是所对应的周期的预测值，隐含层是输入层与输出层之间的函数映射关系。3-2〕确定神经元的输入权...

【专利技术属性】
技术研发人员：马军，莫蓉，廖周文，徐海军，彭赞，李孝斌，夏卿，袁家鹏，刘志刚，黎超，曹满友，徐兆年，张嘉妮，
申请(专利权)人：重庆铁马工业集团有限公司，西北工业大学，重庆大学，重庆赛宝工业技术研究院，
类型：发明
国别省市：重庆,50