知网论文检测范文-多品种小批量生产模式质量控制研究
针对SPC在小批量多品种生产中存在问题，国内外学者提出了一些解决的方法和策略，大致可以把它们归为四类:
（1）精确控制界限，改善控制图
在国外，F.S.Hiller和杨中浩[1]较早针对小样本进行改良传统休哈特控制图，通过调整控制图的控制界限来提高控制图的灵敏度。他们提出当样本组数较小时，但必须大于5，该如何计算控制界限，建立均值极差控制图，并且计算得出的控制界限不受样本大小影响。这也就表明，工序受控时，一点落在控制界限内的概率是特定值。但此方法当组数很小时，对均值偏移反应不是很灵敏。
在国内，王晶等人结合国外Bootstrap控制图的概念探讨了Bootstrap控制图在小批量生产中的应用，通过小样本对总体进行精确的推算，这种控制图基于现场实测数据，特别适用于样本数据较少的场合，应用时不需要预先知道质量特性的分布状况或分布参数，采用从原始样本有放回重复抽样，变相扩充了样本容量，从而估算未知参数，计算控制图界限，但在生产制造系统中应用此类控制图时要注意，Bootstrap样本数应大于1000，原始样本数不能少于1组[2][3]。这种准确建立控制界限法只是在算法上做了改进，并没有从本质上考虑解决数据不足的问题。所以从现在的应用情况来看，上述方法的质量控制效果大多不是很理想。
（2）基于数据变换，扩充样本容量
小批量多品种生产最大的问题就是质量特征数据量少，针对这个主要矛盾，有些学者出了很多不同的数据变换的方法，直接从数据方面下手，解决运用传统SPC存在的主要问题。
其中，比较有代表性的是美国C.P.Quesenberry[4][5]提出Q-Chart控制图，他提出的该控制图前提是假定所分析的质量特征值数据完全独立，且正态相关，并来自相同母体，在此假设基础上，将质量特征的数据进行标准正态变化，转变成服从标准正态分布的数据，接着，结合SPC技术，制作控制图，实施质量控制。但是这种方法只是在算法上可行，在实际生产中会遇到很多难题，特别是如何辩证相同数据来源，并且数据不充分条件下，对参数估计存在误差，对早期生产工序异常检出力不高，这些都为Q-Chart控制图的应用带来困难。
另一种被广泛推崇的是基于相似成组技术的数据变换法，并在实际生产中应用成功。现代机械制造业，普遍应用成组技术来辅助管理生产活动，在此基础上进行研究，利用成组技术，根据加工过程各影响因素的相似性，将不同零件相似的加工工序组合起来，形成多个工序族，每个工序族内的不同相似工序的数据样本统一进行变换，构造出服从同一分布的统计量，作为一个大样本，以此达到增加样本量的目的，这种做法最终克服了小批量统计数据繁多但不足的问题，从而直接可以运用传统的SPC方法对加工制造过程进行质量控制[6]。
（3）过程建模法
该种控制方法将控制焦点放在产品形成的全程生产过程上，根据控制论的观点，人们提出指数加权移动平均控制图EWMA、累计和控制图CUSUM等方法，他们认为，一个系统的历史状态对当前状态是存在影响的，这两种控制图就是考虑了生产制造过程的历史信息，从而加强对生产系统的生产过程能力的识别，对微小波动的检出能力高于传统统计控制技术，这样就能够依据过程能力相关性解决多品种小批量控制难题[7]。
（4）基于贝叶斯统计理论方法
基于贝叶斯统计理论方法是将人的主观判断注入质量控制中，对监控过程动态跟踪和调整。人的评价虽然带有主观性，但也不可否认对于小批量多品种这种灵活生产方式是必不可少的，任何机器或软件代替不了人的评价和判断。基于此理论的统计过程质量控制图结合历史数据和人的评价和判断建立动态模型，对过程进行控制和预测，降低样本量不足带来的影响。
这几类方法在实际应用中都存在各自的局限性，所以根据特定制造环境选择合适的方法尤为重要，做到扬长避短，根据生产特征来选择合适的方法辅助生产。
现在很多情况下，这四类方法根据实际需要相互结合，例如EWMA和CUSUM在某种情况下就是特殊的基于贝叶斯统计理论方法，所以这些方法的界限已经越来越模糊，根据实际需要，合理利用它们解决问题才是真正的成功应用。
在机械制造行业中，工序成组技术已经成为计算机辅助制造的基础，成功将成组原理用于设计、制造和管理整个生产系统，改善了多品种小批量生产方式带来的不便，并获得较大的经济效益。本文研究对象是某精密加工公司数控车床车间，采用相似工序成组技术和数据变换法对机床车削工序质量过程进行研究。
