計算機輔助加工質量控制系統

時間:2011-04-20 08:17:40 來源:未知

1 前言

在生產過程中，人們常常對實際加工出來的一批工件進行檢查測量，運用數理統計方法加以處理和分析，從中找出規(guī)律，找出解決加工精度問題的途徑，并控制工藝過程的正常進行。人工檢驗和統計分析是質量控制的傳統方法，這是一項精細、單調而且費時的工作。在統計采樣處理中會有少量不合格品漏檢而進入合格品中。實際上，在生產和檢測過程中統計采樣處理經常讓平均不合格率保持在某一百分比以下，這就是說允許工件合格率百分比略低于100%。

傳統質量檢驗的另一個問題是事后檢驗，即零件質量是在加工完后確定的。如果零件不合格，就需要返工或報廢，而返工費用往往比正常加工費用大。

計算機與傳感器技術的結合使檢驗過程實現了自動化。檢驗工作都是在100%的基礎上在線進行，可以把它當作生產工序中的一部分。100%的在線檢驗結果作為反饋數據用于補償和調整制造過程。

計算機輔助質量控制與傳統方法比有以下優(yōu)點：

可對零件100%在線檢測和測試，而不象傳統方法那樣抽樣，為生產過程控制提供精確的控制參數。
將生產過程中的檢驗集成到某一道工序，而不必另設檢驗工序，提高了工作效率。
由于采用了100%的在線檢驗，既能判別超差工件，又能實時給出質量控制圖，判別工藝系統的穩(wěn)定性，并給出相應的調整措施。

本文對傳統質量控制圖的有關控制參數進行了修正，增加了生產過程控制的可靠性，并給出了計算機輔助質量控制系統。

2 傳統質量控制圖及參數修正

對于生產過程質量控制主要是采用點圖分析法，傳統分析步驟是：

圖1 傳統質量控制圖及參數

按加工先后順序隨機抽取一批樣本N，每組為m件(4或5件)計算X、σ_x、R和σR以及上下控制線。如圖1所示。
X為樣本組平均值的數學期望，Xj為樣本組平均值,R為樣本極差的數學期望，Rj為樣本極差的平均值，σ_x為x分布的標準偏差，σ_R為R分布的標準偏差。
按一定的次序選取子樣本(m=4～5)計算Xj和R_j，并將點描繪在控制圖上。
根據點的正常波動和異常波動的標志來判斷工藝過程是否穩(wěn)定，如果不穩(wěn)定就要對其影響因素進行分析，并給出相應的措施。

由此可見控制圖中的X、R、σ_x和σ_R同樣本的容量有關，樣本容量越大，其參數越接近實際情況，估計誤差越小。在傳統的加工質量控制中所使用的參數X、R、σ_x和σ_R從理論上講應在無窮大樣本中得出，但在實際應用中是不可能的，它們只是從足夠大的樣本上計算出來的。隨著加工的進行，樣本空間逐漸增大。如果把測得的數據都作為原始樣本數據處理，那么就增加了質量控制的可靠性，這對于傳統的加工質量控制方法是無法實現的。而對計算機輔助加工質量控制系統是可行的。因此，應在生產過程中不斷地修正X、R、σ_x和σ_R，以增加其可靠性，同時也克服了在選擇樣本時由于工藝處在某種狀態(tài)所引起的隨機誤差的影響。

圖2 改進后的質量控制圖及參數

圖2為改進參數后對第Ⅰ組工件進行監(jiān)測所得的控制圖的中線及上下控制線。

X_i-1為包含第i-1組在內的所有樣組平均值的數學期望，R_i-1為包含第i-1組在內的所有樣組極差的數學期望，σ_{R_i-1}為包含第i-1組在內的所有分布的標準偏差，σ_{R_i-1}為包含第i-1組在內的所有R分布的標準偏差。 #p#分頁標題#e#

上述方法控制生產過程優(yōu)越于傳統方法。采用計算機測試系統對工件進行在線檢測，實時統計分析。它可以精確地提供該工序中誤差的性質和變化規(guī)律，給出工件加工誤差的變化趨勢，判斷工藝過程是否處于控制狀態(tài)，如工藝過程處于不穩(wěn)定狀態(tài)時便給出分析結果及調整措施。計算機輔助質量控制系統每測試一組數據，就要重新修正一次控制參數，并在此基礎上對所有采集點重新進行判斷，并給出評價結果。