一種復(fù)雜產(chǎn)品工序能力的極大熵虛擬生成判定方法
【專利摘要】本發(fā)明公布了一種復(fù)雜產(chǎn)品工序能力的極大熵虛擬生成判定方法，包括如下判定步驟：依據(jù)極大熵原則，以少量以往復(fù)雜產(chǎn)品的歷史數(shù)據(jù)信息與產(chǎn)品設(shè)計(jì)要求為約束，建立具備研制能力的復(fù)雜產(chǎn)品研制過(guò)程中極大熵計(jì)算機(jī)虛擬研制系統(tǒng)；利用以上建立的極大熵計(jì)算機(jī)虛擬研制系統(tǒng)，進(jìn)行虛擬執(zhí)行，虛擬產(chǎn)生出許多預(yù)設(shè)產(chǎn)品的虛擬樣本，構(gòu)成與現(xiàn)實(shí)生產(chǎn)質(zhì)量狀況相近的虛擬零件、部件和總體。本發(fā)明的復(fù)雜產(chǎn)品生產(chǎn)線工序能力判定方法解決了傳統(tǒng)方法無(wú)法通過(guò)小樣本準(zhǔn)確地進(jìn)行工序能力判定的問(wèn)題；與國(guó)內(nèi)外已知小樣本工序能力判定方法對(duì)比，在準(zhǔn)確性、實(shí)用性和科學(xué)性上都有較大地提升；將其應(yīng)用于實(shí)際工業(yè)制造的質(zhì)量控制過(guò)程中，能夠極大地降低成本和提高產(chǎn)品質(zhì)量。
【專利說(shuō)明】一種復(fù)雜產(chǎn)品工序能力的極大熵虛擬生成判定方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種復(fù)雜產(chǎn)品工序能力的極大熵虛擬生成判定方法。

【背景技術(shù)】
[0002] 1974年，美國(guó)著名質(zhì)量管理專家J. M. Juran首次將工序能力指數(shù)的概念引入質(zhì)量 管理，引起了世人矚目。在1994年他在美國(guó)質(zhì)量管理學(xué)會(huì)年會(huì)上發(fā)言：20世紀(jì)以"生產(chǎn)力 的世紀(jì)"載入史冊(cè)，21世紀(jì)將會(huì)是"質(zhì)量的世紀(jì)"，質(zhì)量定將成為新世紀(jì)的主題，它正在向我 們挑戰(zhàn)，我們必須迎接它的來(lái)臨。在21世紀(jì)，"made in China"現(xiàn)象已經(jīng)引起全球的關(guān)注， 我國(guó)要成為全世界的制造中心，除了低廉的勞動(dòng)力，關(guān)鍵還是要注重產(chǎn)品的質(zhì)量，只有不斷 提升質(zhì)量管理水平，才能把"made in China"的產(chǎn)品打造成"世界級(jí)質(zhì)量"的標(biāo)志。質(zhì)量管 理從質(zhì)量檢驗(yàn)階段發(fā)展為統(tǒng)計(jì)質(zhì)量管理直至今日的全面質(zhì)量管理，制造過(guò)程的質(zhì)量控制始 終是質(zhì)量管理工作的重中之重，而工序能力指數(shù)是評(píng)價(jià)制造過(guò)程質(zhì)量的重要指標(biāo)。
[0003] 工序能力指數(shù)（PCIS)作為反映過(guò)程質(zhì)量好壞的指標(biāo)，在評(píng)價(jià)生產(chǎn)能力方面已得 到廣泛應(yīng)用，并且越來(lái)越多的國(guó)內(nèi)外專家學(xué)者致力于工序能力指數(shù)的應(yīng)用研究。日本重工 業(yè)公司和美國(guó)汽車工業(yè)如福特汽車公司等，己經(jīng)廣泛應(yīng)用工序能力指數(shù)來(lái)評(píng)價(jià)其生產(chǎn)線的 工序能力，來(lái)保證產(chǎn)品的高質(zhì)量。傳統(tǒng)的計(jì)算過(guò)程能力指數(shù)的方法是采用點(diǎn)估計(jì)，即將過(guò)程 特性分布參數(shù)的樣本估計(jì)值T和S代入到相應(yīng)的PCIS公式中得到的值，并將點(diǎn)估計(jì)得到的 值同推薦值進(jìn)行比較，從而判斷過(guò)程能力是否達(dá)到要求。由于樣本存在隨機(jī)誤差，用PCIS 的點(diǎn)估計(jì)值來(lái)對(duì)實(shí)際過(guò)程能力進(jìn)行評(píng)價(jià)會(huì)產(chǎn)生一定的偏差，尤其是當(dāng)樣本數(shù)量較小時(shí)，點(diǎn) 估計(jì)不確定性將大幅度地增加，導(dǎo)致所得到的PCIS可信度降低，優(yōu)勢(shì)甚至?xí)a(chǎn)生錯(cuò)誤結(jié) 論。因此傳統(tǒng)的過(guò)程能力指數(shù)的計(jì)算適用于大批量生產(chǎn)的場(chǎng)合，因?yàn)樗仨氁钥梢垣@得大 量的檢測(cè)數(shù)據(jù)為前提來(lái)進(jìn)行抽樣估計(jì)。但是，隨著社會(huì)的發(fā)展，消費(fèi)者對(duì)產(chǎn)品需求的日漸 多樣化、個(gè)性化，加之產(chǎn)品的獨(dú)特性等各方面因素，使得傳統(tǒng)的大批量生產(chǎn)模式發(fā)生了戲劇 性的變化（即從合格產(chǎn)品和大量訂貨轉(zhuǎn)變?yōu)樾∨可a(chǎn)），尤其是在復(fù)雜裝備制造業(yè)。隨之 變化的是，統(tǒng)計(jì)過(guò)程控制將面向多品種、小批量控制方向發(fā)展。由于采用傳統(tǒng)的統(tǒng)計(jì)方法難 以對(duì)小樣本總體水平在短期內(nèi)給出準(zhǔn)確的估計(jì)，使得如何利用小樣本的信息對(duì)復(fù)雜產(chǎn)品外 形尺寸質(zhì)量進(jìn)行準(zhǔn)確評(píng)價(jià)成為制造業(yè)質(zhì)量控制領(lǐng)域中急需解決的問(wèn)題。


【發(fā)明內(nèi)容】

[0004] 本發(fā)明目的是針對(duì)現(xiàn)有技術(shù)存在的缺陷提供一種復(fù)雜產(chǎn)品工序能力的極大熵虛 擬生成判定方法。
[0005] 本發(fā)明為實(shí)現(xiàn)上述目的，采用如下技術(shù)方案：一種復(fù)雜產(chǎn)品工序能力的極大熵虛 擬生成判定方法，包括如下判定步驟 ：
[0006] Step-ι:依據(jù)極大熵原則，以少量以往復(fù)雜產(chǎn)品的歷史數(shù)據(jù)信息與產(chǎn)品設(shè)計(jì)要求 為約束，建立具備研制能力的復(fù)雜產(chǎn)品研制過(guò)程中極大熵計(jì)算機(jī)虛擬研制系統(tǒng)；
[0007] St印-2:利用以上建立的極大熵計(jì)算機(jī)虛擬研制系統(tǒng)，進(jìn)行虛擬執(zhí)行，虛擬產(chǎn)生出 許多預(yù)設(shè)產(chǎn)品的虛擬樣本，構(gòu)成與現(xiàn)實(shí)生產(chǎn)質(zhì)量狀況相近的虛擬零件、部件和總體；
[0008] Step-3:建立虛擬樣本與實(shí)際小樣本的相似度模型，以實(shí)際研制過(guò)程中生產(chǎn)出的 部分小批量產(chǎn)品作為抽樣方案，對(duì)極大熵計(jì)算機(jī)虛擬研制系統(tǒng)生產(chǎn)的所有虛擬樣本進(jìn)行抽 樣實(shí)驗(yàn)，隨機(jī)抽取與實(shí)際小樣本相同數(shù)量的抽樣樣本；
[0009] Step-4:在抽樣樣本中尋找與實(shí)際小樣本相似度最高的虛擬抽樣，那么該虛擬抽 樣的總體質(zhì)量即為以大概率接近其實(shí)際研制過(guò)程的小樣本總體。
[0010] 本發(fā)明的有益效果：本發(fā)明的復(fù)雜產(chǎn)品生產(chǎn)線工序能力判定方法解決了傳統(tǒng)方法 無(wú)法通過(guò)小樣本準(zhǔn)確地進(jìn)行工序能力判定的問(wèn)題；與國(guó)內(nèi)外已知小樣本工序能力判定方法 對(duì)比，在準(zhǔn)確性、實(shí)用性和科學(xué)性上都有較大地提升；將其應(yīng)用于實(shí)際工業(yè)制造的質(zhì)量控制 過(guò)程中，能夠極大地降低成本和提高產(chǎn)品質(zhì)量。

【具體實(shí)施方式】
[0011] 本發(fā)明涉及一種復(fù)雜產(chǎn)品工序能力的極大熵虛擬生成判定方法，包括如下判定步 驟：
[0012] Step-Ι:依據(jù)極大熵原則，以少量以往復(fù)雜產(chǎn)品的歷史數(shù)據(jù)信息與產(chǎn)品設(shè)計(jì)要求 為約束，建立具備研制能力的復(fù)雜產(chǎn)品研制過(guò)程中極大熵計(jì)算機(jī)虛擬研制系統(tǒng)；
[0013] St印-2:利用以上建立的極大熵計(jì)算機(jī)虛擬研制系統(tǒng)，進(jìn)行虛擬執(zhí)行，虛擬產(chǎn)生出 許多預(yù)設(shè)產(chǎn)品的虛擬樣本，構(gòu)成與現(xiàn)實(shí)生產(chǎn)質(zhì)量狀況相近的虛擬零件、部件和總體；
[0014] Step-3:建立虛擬樣本與實(shí)際小樣本的相似度模型，以實(shí)際研制過(guò)程中生產(chǎn)出的 部分小批量產(chǎn)品作為抽樣方案，對(duì)極大熵計(jì)算機(jī)虛擬研制系統(tǒng)生產(chǎn)的所有虛擬樣本進(jìn)行抽 樣實(shí)驗(yàn)，隨機(jī)抽取與實(shí)際小樣本相同數(shù)量的抽樣樣本；
[0015] Step-4:在抽樣樣本中尋找與實(shí)際小樣本相似度最高的虛擬抽樣，那么該虛擬抽 樣的總體質(zhì)量即為以大概率接近其實(shí)際研制過(guò)程的小樣本總體。
[0016] 下面具體分析：
[0017] 極大熵虛擬產(chǎn)品生成模型
[0018] 極大熵虛擬正品生成模型由參考樣本生成子模型（式1所示）與正品生成子模型 (式2所示）所組成，生成符合要求的具有一定質(zhì)量狀況的正品。極大熵虛擬正品生成模型 主要按照以下運(yùn)行模式運(yùn)行：首先，利用參考樣本生成子模型，虛擬生成少量的正品作為參 考樣本，將參考樣本的均值設(shè)為正品生成子模型的約束，使得正品生成子模型模擬實(shí)際研 制過(guò)程來(lái)產(chǎn)生符合要求的正品。然后，將產(chǎn)生出來(lái)的正品添加到參照樣本中作為下一個(gè)正 品生產(chǎn)的參考樣本。例如事先生產(chǎn)了參考樣本 Xl，將Xl的均值設(shè)為第一個(gè)正品χ2的約束， 則再下一個(gè)正品的均值約束為x= (Xl，X2)的均值，重復(fù)上述步驟。

【權(quán)利要求】
1. 一種復(fù)雜產(chǎn)品工序能力的極大熵虛擬生成判定方法，其特征在于，包括如下判定步 驟： Step-Ι:依據(jù)極大熵原則，以少量以往復(fù)雜產(chǎn)品的歷史數(shù)據(jù)信息與產(chǎn)品設(shè)計(jì)要求為約 束，建立具備研制能力的復(fù)雜產(chǎn)品研制過(guò)程中極大熵計(jì)算機(jī)虛擬研制系統(tǒng)； St印-2:利用以上建立的極大熵計(jì)算機(jī)虛擬研制系統(tǒng)，進(jìn)行虛擬執(zhí)行，虛擬產(chǎn)生出許多 預(yù)設(shè)產(chǎn)品的虛擬樣本，構(gòu)成與現(xiàn)實(shí)生產(chǎn)質(zhì)量狀況相近的虛擬零件、部件和總體； Step-3:建立虛擬樣本與實(shí)際小樣本的相似度模型，以實(shí)際研制過(guò)程中生產(chǎn)出的部分 小批量產(chǎn)品作為抽樣方案，對(duì)極大熵計(jì)算機(jī)虛擬研制系統(tǒng)生產(chǎn)的所有虛擬樣本進(jìn)行抽樣實(shí) 驗(yàn)，隨機(jī)抽取與實(shí)際小樣本相同數(shù)量的抽樣樣本； Step-4:在抽樣樣本中尋找與實(shí)際小樣本相似度最高的虛擬抽樣，那么該虛擬抽樣的 總體質(zhì)量即為以大概率接近其實(shí)際研制過(guò)程的小樣本總體。
【文檔編號(hào)】G06F9/455GK104268000SQ201410313253
【公開(kāi)日】2015年1月7日 申請(qǐng)日期:2014年7月2日 優(yōu)先權(quán)日:2014年7月2日
【發(fā)明者】方志耕, 曾瑞崔, 劉思峰, 陳頂 申請(qǐng)人:方志耕