关于cucconi检验与 变点模型的非参数统计质量控制图分析

关于cucconi检验与 变点模型的非参数统计质量控制图分析

ID:32130788

大小:5.25 MB

页数:76页

时间:2019-01-31

关于cucconi检验与 变点模型的非参数统计质量控制图分析_第1页
关于cucconi检验与 变点模型的非参数统计质量控制图分析_第2页
关于cucconi检验与 变点模型的非参数统计质量控制图分析_第3页
关于cucconi检验与 变点模型的非参数统计质量控制图分析_第4页
关于cucconi检验与 变点模型的非参数统计质量控制图分析_第5页
资源描述:

《关于cucconi检验与 变点模型的非参数统计质量控制图分析》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、万方数据浙江大学硕士学位论文目录5.1电机端盖自动化生产线简介⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯635.1.1电机端盖及加工工艺⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.635.1.2电机端盖自动化加工生产线⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.645.2控制图应用实验⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯655.2.1电机端盖内孔在机检测系统⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.655.2.2控制图应用实验⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯

2、⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.665.3本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯70第6章总结与展望⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.716.1总结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯716.2展望⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯72参考文献⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯73附录1⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯

3、⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一77附录2⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..79攻读硕士学位期间科研成果⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯83III万方数据浙江大学硕士学位论文绪论第1章绪论1.1课题背景及研究意义1.1.1课题背景随着社会生产力的快速发展,人们对于产品质量的认识和要求也随之提高。质量对于企业来说,不光意味着短期内的竞争力,更意味着长远发展的生命力。2011年,德国首

4、次提出“工业4.0”概念,主要是指通过信息通讯技术和虚拟网络/实体物理网络系统(Cyber.PhysicalSystems,CPS)的结合,将制造业向智能化转型,实现集中式控制向分散式增强型控制的基本模式转变,最终建立一个高度灵活的个性化和数字化的产品与服务生产模式‘1;21。GE也提出了“传感器+大数据’’为核心基础的‘‘工业互联网”,如图1.1所示[31。在国内,2007年党的第十七次全国代表大会首次提出“发展现代产业体系,大力推进信息化-9工业化融合”【41。可见,高度数字化、网络化、机器自组织为标志的第四次工

5、业革命大浪潮已悄然来临。图1.1工业互联网数据流工业与互联网的融合,核心环节是“大数据”,关键是做好数据的实时采集、高速传输、集中处理以及把处理后的信息进行反馈,从而进行资源的优化调配。但是在大数据处理阶段,如何充分挖掘信息、提升知识、融汇规律,进而服务于生产,在这方面还有许多课题值得探索研究。特别是如何最大限度发挥数据的价值来对生产过程进行质量控制,不仅能直接为企业带来经济效益,也是我国企业在产业改革阶段能否能成功转型升级的关键之一。统计质量控制图正是帮助企业进行生产过程质量控制的重要手段,它能利用生产过程万方数据

6、浙江大学硕士学位论文绪论数据,将生产过程中的随机波动与异常波动有效地区分开来。当生产过程发生异常时,能及时报警,以便生产人员采取措施,对异常进行主动预防,而非事后检验,是提高产品质量和成品率的重要途径之一。随着工业生产中自动化程度的提升,零件百分百在线检测现象将越来越普遍,检测技术的发展使检测数据的准确性将大大提高,信息技术的发展使得海量数据的复杂运算能及时完成,这些都打破了曾经制约统计质量控制理论发展的技术瓶颈,推动了统计质量控制理论的进一步发展。如何充分利用工业现场大数据,探索更加高效的统计质量控制图,以适应工业

7、互联网时代的到来,已迫在眉睫,而这也将是我国生产企业转型升级、两化融合的重要组成部分和前提条件。1.1.2研究意义统计质量控制图也称为统计过程控制(StatisticalProcessControl,SPC)图。常规SPC图的选型以及控制限的计算,都是基于质量特征值服从某种潜在的分布而确定,并在大部分情况下都假设特征值服从正态分布。这种情况下,可以先通过似然方法构造检验统计量,然后用SPCN进行质量监控。但在很多生产过程中,特征值并不服从正态分布,并且是未知的,这时若用基于正态分布的sPc[]来监控生产过程会导致两方

8、面的不良后果:1)可控时控制图的运行长度会严重偏离期望值,从而失去对过程失控与否的判断依据。2)以正态分布为前提的控制图不一定对非正态过程的异常敏感,所以在过程失控时,难以快速并准确地判断出异常。因此,很有必要研究不以任何特定分布假设为前提的统计质量控制图,即非参数控制图,它对服从任何分布的质量特征值都有效,并具有较好的鲁棒性。同时,目前大部分

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。