基于工艺因素统计量化的多工序制造质量建模

发布时间：2021-06-28 17:39

　　针对现有复杂武器装备多工序制造系统（MSMS）模型描述不全面、分析结果不准确的问题,在充分分析MSMS特点的基础上,提出质量传递综合模型（QTCM）,建立了多工序质量传递过程的严格数学表达。在QTCM的框架范围内,分别借助心理学和统计学知识,对以往难以量化的操作者能力和制造设备状态进行量化。采用制造过程历史数据构建影响因素和质量输出之间的映射关系,建立了质量的传递过程。通过分析各影响因素对产品质量偏差的贡献量,确定影响多工序制造质量的主要误差源,进而为产品质量的提升提供指导。以某型号导弹发动机转子系统为例进行了验证,结果表明,QTCM可以方便地借助原材料质量或工艺质量计算获得产品的最终质量分布状况,分析结果与工厂测量结果一致。 

【文章来源】：兵工学报. 2020,41(07)北大核心EICSCD

【文章页数】：9 页

【部分图文】：

单工序制造过程

在单工序质量模型的基础上，可以扩展得到多工序的质量模型，具有两道工序的连续多工序制造系统如图2所示。图2中:F1和F2分别为两工序中KCC与KPC之间的映射关系;s1和s2分别为两工序中来自于制造过程阶段的KCC;q0为工序1中来自于制造准备阶段的KCC.根据(6)式，多工序制造系统中任意工序的KPC方差可表示为

多工序制造系统中可能用到的设备多种多样。现有针对制造设备的研究大都针对某一类设备，其方法不具备通用性，如数控机床可靠性的研究。在多工序制造系统中，操作者会针对当前工序产品的制造合格与否对设备进行调整，因此同一台设备在t时刻的状态与其在t-1时刻的状态具有一定的相关性。同时，在一段时间内，同一台设备制造产品的合格率是一个稳定的数值[14]。这些统计学特点使得可以借助马尔可夫模型对设备的状态进行刻画。一个典型的马尔可夫转移模型如图3所示，假设完成某一工序任务所用到的制造设备处于合格状态g，在下一时刻它的状态变为不合格状态d的转移概率为λ，因此它在下一时刻保持状态g的概率为1-λ．同样，如果某一制造设备处于不合格状态d，在下一时刻它的状态变为合格状态g的转移概率为μ，在下一时刻保持状态d的概率为1-μ．令P(g,t)和P(d,t)分别表示设备在t时刻处于状态g和状态d的概率。由贝叶斯公式，t+1时刻的设备合格概率为

【参考文献】：
期刊论文
[1]基于可靠性增长的武器系统可靠性鉴定试验方案研究[J]. 李大伟,阮旻智,尤焜.  兵工学报. 2017(09)
[2]基于离散事件仿真的多状态多阶段任务系统可靠性分析[J]. 苏续军,吕学志.  兵工学报. 2017(04)

硕士论文
[1]基于5M1E的飞机总装过程三维可视化及其管控方法[D]. 吴一凡.浙江大学 2019



本文编号：3254760