基于ewma的计算机辅助质量控制系统.docVIP

基于EWMA的计算机辅助质量控制系统 摘要:对传统的质量控制算法和常规计算机质量控制算法进行比较，把它们统一起来，并提出一个变形了的EWMA 质量控制算法，推导验证了其无偏估计量，分别针对抛弃和非抛弃两种形式求出了各自递推表达式。最后设计了一个基于EWMA 计算机辅助质量控制系统，并据此进行了实验仿真。传统的生产过程中，质量保证的目标在于“使产品质量达到一个可接受的水平”。为了达到这个可接受水平(AQL)，采用的是人工检验和统计分析的方法。这种方法属于事后检验的方法。而人工检验是一项单调而费时费力的工作，因而质量常常得不到有效的保证。计算机和传感器技术的结合使检验过程实现了自动化。检验工作都是在线的全检。计算机辅助质量控制系统与传统方法相比有着全检、工序集成、实时性高的优点。但常规的计算机辅助质量控制中，加工系统的时间特性又往往得不到体现。EWMA是指数加权滑动平均的方法。本文对传统的质量控制，以及常规的计算机辅助质量控制的有关参数进行了修正，推导出EWMA下相应的参数，并给出了一个计算机辅助EWMA质量控制系统。 1 质量控制图的分析对于生产过程的质量控制，以加工用的X控制图为例，分析步骤如下: 按加工顺序随机抽取出一批样本N，每组n件，计算出初始X=0、R0、σ0以及上下控制线。选取新样本，计算出X0，并将点描绘到控制图上。根据点的波动情况来判断工艺过程是否稳定，如果不稳定就要对其原因及影响进行分析，并采取相应措施。计算并调整新的X=i、Ri以及上下控制线。对Xi、Ri进行调整的数学模型如下:X=i=Eμ，iipjXjΣj=1(1)Ri=ER，iipjRjΣj=1(2)其中pj是各数据的权值，，我们可以将它们看作选取每个数据的概率，从而在形式上与标准的概率公式相统一。Eμ，i、ER，i是为了使其达到估计量的无偏性要求而取的系数。 各种质量控制算法的主要区别就在于第4步过程中的各系数取值情况的不同。 1.1 传统的质量控制算法X=i、Ri的值保持不变，都等于X=0、R0。 在模型(1)(2)中对应于: {pj=1/m，j≤mpj=0，jm这种算法简单，可手工实现，但其对数据的利用不够以至参数不够接近实际情况。 1.2 常规的计算机质量控制算法随着加工的进行，把测得的数据都作为原始样本数据处理，各样本数据权值完全相同。 在模型(1)(2)中对应于: pj=1/i 这种算法充分利用了每一个样本数据，但其对样本数据的“一视同仁”，造成了数据的新鲜度不够，长时间运行后新的数据会淹没在众多的历史数据中。 1.3 计算机辅助EWMA算法在充分利用样本数据的同时，重视新鲜数据。体现在pj随j的减小作指数衰减。下面给出一个EWMA算法，并推导出其相应的无偏估计量。 2 EWMA 的质量控制2.1 推导无偏估计量由式(1)、(2)的假设，验证并推导相应的无偏估计量 将X1、X2、X3……看成是独立同分布的随机量，μ是X的原点距，σ是总体标准差 则 E(Xi)=E(X)=μ X=i=Eμ，i ipjXj，Σj=1E(X=i)=E(Eμ，iipjXj)=Eμ，iμjipjΣΣj=1j=1显然Eμ，i=1就可使X=i成为对μ的无偏估计量。 同理，式(2)中Rr，i应为1。 若样本取自正态总体，可以证明样本极差R与总体标准差σ有下列关系:令W=R/σ，可以证明E(W)=d2，为一与样本大小n有关的常数，于是，σ的估计量为σ–E(R)/d2。 m个样本的极差为R1、R2、R3……。 由式(2)，Rii=Rj，故σ的估计量为 σ…=Ri/d2 (3)(dsub2可查表得) 2.1 推导EWMA下的估算式根据单步时序预测模型，有 y +1=λyt+(1-λ)y (4)(0将式(4)迭代2次后，有y +1=λyt+λ(1-λ)yt-1+λ(1-λ)2yt-2+λ(1-λ)3y -2 以λ、λ(1-λ)、λ(1-λ)2……作为各历史数据的相对重要性的权值。 则可令pi=λ/D，pi-1=λ(1-λ)/D，pi-2=λ(1-λ)2/D，……可看出pk是比为1-λ 的等比级数。 D是为了使权系数的和为1而取的系数。 D=λ+λ(1-λ)+λ(1-λ)2+…… 因为越是旧的数据参考价值越低，权值也越小，若抛弃很旧的数据，只取N项，则D=1-(1-λ)N 将pk以及D的表达式带入(1)(2)中，则可得出EWMA下的估计值。 为计算的方便，可推导出其递推式如下: X=i+1=(X=i-p1X1)(1-λ)+pNXi+1 Ri+1=(R1-p1R1)(1-λ)+pNRi+1 图2 程序框图 显然pN=λ/D 若不抛弃老的数据，有Di=1/[1-(1-λ)i] ，pi+1=λ/Di+1 X=i+1=(Di/Di+1)(1-λ)X=i+pi+1Xi+1 Ri+1=(D