基于累积和控制图车身焊接质量监测的研究

《基于累积和控制图车身焊接质量监测的研究》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、摘要车身焊接质量直接影响整车的外观、装配及性能，很大程度上决定了整车的用户满意度。如何控制和提高车身焊接质量成为各整车企业研究的热点。针对白车身焊接质量检测工作量大、数据处理方式比较简单的特点，本文深入研究了基于累积和控制图的车身焊接几何尺寸质量监测技术，提出了面向均值和面向方差的改进累积和控制图方法，并将其应用到车身焊接几何尺寸质量监测中。论文主要研究工作和创新性研究成果如下：(1)在对常规控制图、小偏移控制图的工作原理及控制图的性能评价指标．平均运行链长(AverageRunLength，ARL)的计算方法进行概述和分析的基础上，运用马尔科夫链模型对常规控制图和小偏移控

2、制图的性能进行了分析及对比，结果表明小偏移控制图更适合过程小偏差波动。(2)针对通常情况下总体均值和方差未知的情况，提出了面向均值的新累积和控制图方法。该方法对观测数据进行处理和转换使之服从正态分布，运用偏移量万的指数加权移动平均方法进行加权迭代，基于一种加权函数对其参数k进行加权，从而提高了控制图的监控灵敏度。通过仿真及企业实例，对该方法与常规累积和控制图、指数加权移动平均控制图进行了平均运行链长性能的比较研究，结果验证了该方法监测过程微小偏移的有效性和可行性。(3)针对过程偏移不确定的状况，提出了面向均值的改进累积和控制图。该方法对设计参数k进行动态更新，并与过程偏差波

3、动量万的变化相联系，构建了二维马尔科夫链模型并对其平均运行链长进行了计算和分析，最后将其与常规小偏移控制图、基于均值的新累积和控制图方法进行性能对比分析。仿真结果和案例验证结果均表明该控制图在监控过程偏差较大波动时具有一定优越性。(4)针对当前过程方差研究较少而过程方差更能反映质量数据分布范围的波动的现状，提出了面向方差的改进累积和控制图方法。该方法将前面提出的面向均值的改进累积和控制图应用到监控过程方差上，采用砰／磊作为监控过程方差的统计变量，对过程方差波动量和设计参数Ji}进行动态更新和迭代，以更快监控过程方差的波动。最后将其与常规累积和控制图和指数加权移动平均控制图进

4、行平均运行链长比较，仿真及企业案例验证结果表明该方法在过程方差波动较小时具有广泛的适用性。关键词：白车身焊接；统计过程控制；均值波动；方差波动；累积和控制图；指数加权移动平均控制图；平均运行链长IlAbstractBodyweldingqualityhasaderectinfluenceupontheappearanceandassemblyperformanceofthevehicle，andlargelydeterminesthecustomers’Ssatisfaction．Thereforehowtocontrolthebodyweldingqualityeffic

5、ientlybecomesthepopularresearchtopicofthemotorcompanies．AimingatthesituationinsomeChineseautocompaniesthattheworkloadofbodyweldingqualityinspectionishighandthedataprocessingisextremelysimple，someadaptiveCUSUMcontrolchartsformeanandvariancemonitoringareproposedinthepaper．Themainresearchanda

6、chievementsareasfollows：(1)Conventionalcontrolmethods，smallshiftprocesscontrolmethodswereanalyzedandtheaveragerunlengthisalsoresearched．Furthermore，theperformanceoftheconventionalcontrolchartsandsinailshiftprocesscontrolchartswereanalyzedbasedonMarkovchain，andtheresultsshowthatsmallshiftpr

7、ocesscontrolchartsweremoresensitivetothesmallershifts．(2)Inordertodetecttheshiftsmorequicklyundertheunknownin．controlprocessmeanandvariance，anewCUSUMcontrolchartformonitoringprocessmeanisproposed．ThebasicideaofthisnewchartiStofirsttransformtheobservationstomak