基于APL双抽样均值控制图优化设计.docVIP

基于APL双抽样均值控制图优化设计 　　摘要：以平均产品长度作为度量标准，研究了双抽样均值控制图的优化设计问题。分析了双抽样均值控制图的平均产品长度的计算方法，在此基础上建立了控制图参数设计的优化模型，并通过与原有的双抽样均值控制图的性能对比，验证了该优化设计模型的有效性。 　　关键词：平均产品长度 双抽样控制图 优化设计 　　1 概述 　　控制图是企业中进行质量管理和控制的基本方法之一，对产品质量的好坏起着至关重要的作用。控制图首先由Shewhart于1924年提出，之后得到了广泛的研究与引用，取得了相当不错的经济效益与社会效益，尤其是对战后世界经济的发展做出了巨大的贡献。但随着制造业的发展，生产的灵活性越来越高，原先的固定抽样区间和固定样本容量的静态控制图已不能满足质量监控的需要，于是Reynolds等提出了变化抽样区间的均值（Variable Sampling Intervals，VSI）控制图[1]，并由此形成了动态控制图这一新的研究领域。后来又有人提出变化样本容量（Variable Sampling Size，VSS）控制图、双抽样（Double Sampling，DS）控制图等，并取得了一系列关于这类动态控制图的研究成果[2-4]。Costa曾比较了VSS、VSI和DS控制图，结果发现DS控制图的监测效率最高[5]。目前，DS控制图正逐渐成为研究的热点。DS控制图最早是由Daudin提出的，他首先将二次抽样检测的概念结合到控制图理论中，采用两个阶段的抽样来监控过程，这种方法能降低抽样数量并提升检测过程偏移能力[6]。He和Grigoryan又提出了用于求解DS控制图各个参数的遗传算法[7]。上述DS控制图的研究，都是基于传统的效率评价方法，平均运行长度（Average Run Length，ARL），即平均需要多少个样本来发现过程异常，但由于DS控制图采用两次抽样，每次抽样的样本数量是不一样的，因此即使在ARL相同的情况下，其检测异常波动的效果仍有很大的差异。为此，本文将采用平均产品长度（Average Product Length， APL）作为控制图的效率度量指标，来进行DS控制图的优化设计，并与其他的一些动态控制图方法进行性能比较。 　　2 DS控制图 　　Daudin提出的DS控制图将两个不同控制限的常规控制图结合在一起进行过程质量监控，并在双抽样的第一阶段的控制图中增加了警告界限，如图1所示。 　　第一阶段抽样及监控 第二阶段抽样及监控 　　图1 DS均值控制图 　　图1中，L1和-L1分别表示第一阶段的控制界限；w和-w分别表示第一阶段的警告界限；L2和-L2分别表示第二阶段的控制界限。在DS控制图的使用过程中，首先从第一阶段抽样和监控开始，先抽取样本容量为n1的一个样本，并计算均值X1，若X1落在I1区域，则判断过程处于受控状态；若X1落在I2区域，则判断过程处于失控状态；若X1落在I3区域，则无法直接进行判断，需要进行第二阶段抽样及监控，再抽取样本容量为n2的一个样本，并计算均值X2，在第二阶段监控时必须包含第一和第二阶段的样本数据，因此第二阶段控制图的统计量为X2■=■，若X2■落在I4区域，则判断过程处于受控状态；若落在I5区域，则判断过程处于失控状态。 　　3 APL的计算 　　平均产品长度的定义为从均值或方差的变化发生到这个变化在控制图中被发现之间生产工序平均生产的产品数量[8]。而受控情况下的APL，用APL0表示，指从方案开始到产生一个错误报警信号之间平均生产的产品数。n表示控制图上描一个点代表的样本容量的大小。S表示在偏移发生到被发现之间抽样的样本的个数。Z表示从偏移发生到之后第一个样本之间的产品数。一个常量h表示样本之间间隔的产品数。L，即产品运行长度，表示产品的均值或方差的变动发生到该变动被发现之间生产的总产品数。如图2所示，L的数学表达可以用公式（1）表示： 　　L=Z+h（S-1）+nS=Z+hS-h+nS； （1） 　　产品运行长度L的期望，即APL，就可用样本容量n和抽样比例r表示出来： 　　APL=E（L）=E（Z）+[E（n）+h]E（S）-h； （2） 　　对于E（S），它就是通常用于控制图性能度量的平均运行长度（ARL），若过程处于稳定状态，通常用ARL0=1/a表示，其中a为控制图第一类错误（即虚发报警）的概率；若过程出现异常，导致过程均值偏移了？啄倍标准差？啄σ，此时用ARL？啄=■，？啄≠0表示，其中β？啄为控制图第二类错误（漏发报警）的概率。DS控制图的ARL0和ARL？啄的计算见式（3）和（4）。 　　偏移产生 信号产生 　　图2 运行长度的计算图解 　　ARL0=■=■； 　　=■ （3） 　　ARL？啄=■=■； 　　其中，Z1=■；Z2=■；Z■■