Моделирование процессов управления качеством производства оптоволоконного модуля на основе аппарата нечеткой логики

• Автор: Тураев, Александр Хамракулыевич
• Шифр специальности: 05.13.18, 05.13.06
• Научная степень: Кандидатская
• Год защиты: 2004
• Место защиты: Воронеж
• Количество страниц: 210 с. : ил.

СОДЕРЖАНИЕ
ВВЕДЕНИЕ

1. АНАЛИЗ СИСТЕМ УПРАВЛЕНИЯ КАЧЕСТВОМ, 7 ОСНОВАННЫХ НА МЕТОДАХ МАШИННОГО КОНТРОЛЯ

1.1. Классификация систем управления качеством, реализующих 7 метод статистического контроля

1.2. Методы и алгоритмы интеллектуального управления качеством продукции

1.3. Обзор известных моделей управления качеством

1.4. Анализ технологического процесса производства оптоволоконного модуля как объекта управления и контроля

1.5. Цель работы и задачи исследования

2. МОДЕЛИРОВАНИЕ ПРОЦЕССА УПРАВЛЕНИЯ КАЧЕСТВОМ В ПРОИЗВОДСТВЕ ОПТОВОЛОКОННОГО МОДУЛЯ

2.1. Структура и состав системы управления качеством

2.2. Алгоритмизация процесса управления качеством

2.3. Нечеткие модели управления качеством
2.4. Метод ситуационного управления в модели принятия решений
2.5 Пример определения степени нечеткого равенства ситуаций
Выводы
3. ФОРМАЛИЗОВАННОЕ ОПИСАНИЕ ПАРАМЕТРОВ 5 УПРАВЛЕНИЯ КАЧЕСТВОМ СРЕДСТВАМИ АППАРАТА НЕЧЕТКОЙ ЛОГИКИ
3.1. Формирование термов функции приналежности 5 лингвистической переменной Удлинение
3.2. Описание параметра Внешний диаметр и методов его 0 регулирования
3.3. Построение лингвистической переменной Овальность и 2 формирование методов ее регулирования
3.4. Параметр неконцентричность и методы его регулирования
Выводы
4. ПРОГРАММНАЯ РЕАЛИЗАЦИЯ МОДЕЛИ ПРОЦЕССА 8 УПРАВЛЕНИЯ КАЧЕСТВОМ ПРОИЗВОДСТВА ОПТОВОЛОКОННОГО МОДУЛЯ
4.1. Структура программного комплекса, реализующего модель 8 процесса управления качеством производства оптоволоконного модуля
4.2. База знаний программного модуля управления качеством
4.3. Пользовательский интерфейс системы принятия решений
Заключение
Библиографический список г
Приложение 1
Приложение 2
Приложение 3
ВВЕДЕНИЕ
Актуальность


Всякий налаженный производственный процесс характеризуется кривой распределения с вполне определенным центром распределения и зоной рассеяния измеренных значений вокруг него. Положение центра распределения характеризуют обычно математическим ожиданием или медианой, а зону рассеяния - дисперсией или средним квадратическим отклонением. М€ = Хтг1, если п -2т +1 (нечетное), или Ме = (Х„+ХтЛ)/2, если п = 2т (четное), причем выборка должна быть упорядоченной. X, при известном законе распределения. Для оценки положения центра настройки по медиане с той же точностью, что и по среднему арифметическому, нужно в л/2 раз увеличить объем выборки. К - число выборок. Л'-д/^. Практически по малым выборкам рассеяние оценивают с помощью размаха или разбросов. При этом необходимо упорядочение выборки в вариационный ряд, как и при определении медианы. Для средних выборок точность оценки рассеяния по размаху недостаточна, однако при оценке а по Б требуются довольно сложные вычислительные операции, что приводит к значительному усложнению схемы вычислительного блока статистического анализатора (СЛ). При ручной обработке данных эти оценки обычно не используют. Сравнивая различные способы оценки положения центра настройки и точности работы оборудования, можно заметить, что для одних оценок требуется упорядочение выборки в вариационный ряд, а для других — нет. В связи с этим целесообразно различать два метода, оперирующих статистическими характеристиками 1) медиан и размаха (разбросов), 2) среднего арифметического и стандарта. В обоих случаях рассчитанные оценки сравнивают с заранее заданными контрольными или контрольно-предупредительными границами. При этом сигнал на подналадку дается при выходе либо медианы, либо среднего арифметического за соответствующие контрольно-предупредительные границы, тогда как увеличение размаха или стандарта сверх критического значения требует незамедлительной остановки процесса или оборудования. Контрольно-предупредительные границы для обоих методов регулирования необходимо рассчитывать с учетом всех особенностей данного производства. Преимуществом метода медиан является возможность использования всех измеренных значений, включая и грубые, редкие отклонения, для оценки положения центра настройки. Это объясняется тем, что грубые отклонения измеряемой величины от номинала сказываются на выборочном значении медианы гораздо меньше, чем на среднем арифметическом. Вследствие этого при контроле по среднему арифметическому необходимо учитывать лишь те значения регулируемого параметра, которые попадают в определенную критическую зону Практически это требование всегда выполняется, так как пределы измерения в СЛ ограничены. Все рассмотренные выше методы статистического контроля и регулирования можно разделить на методы, применяемые в основном при обработке данных вручную, и методы, наиболее подходящие для автоматического статистического регулирования. К последним, относятся методы итераций, группировок, среднего арифметического и стандарта. Кроме того, комбинируя различные методы, можно получить более сложные сочетающие преимущества отдельных методов. Например, положение центра настройки можно оценивать по среднему арифметическому, а точность — по числу бракованных изделий, как в методе группировок. Комбинированный метод контроля качества. В этом случае значение ДЛГ^при достижении заданного объема выборки сравнивается с определенным пороговым значением АХ„гр . По результатам сравнения вырабатываются сигналы управления. При условии [ДЛ^ <|ДЛ^| управляющие сигналы не вырабатываются. При превышении порогового значения |длд>|дл^| выдаются управляющие сигна-лы. Также происходит сравнение числа скованных изделий в выборке с некоторым пороговым значением, после чего вырабатывается сигнал остановки процесса. Изделия, параметры которых не превышают допустимых отклонений, считаются годными. Изделия, параметры которых лежат за пределами критической зоны, относятся к выбросам. АЛ',. Определяя таким образом ^ДЛ' , нужно еще контролировать число бракованных изделий в выборке пь а также число выбросов п2. При условии «, > н|АЛ и п2 > п2<Угп вырабатываются сигналы «Останов».