基于SPC和数据挖掘的总装过程质量控制研究

对于一个企业来说，质量是产品和服务的生命。质量受企业生产经营管理活动中多种因素的影响，是企业各项工作的综合反映。目前企业产品质量指标的检测大多是在产品生产出来后才进行的，检测需要成本，有时还需要进行破坏性试验，如测量产品的抗拉强度，要做拉断检验。这样滞后的质量数据对生产过程的实时质量控制帮助不大，而且当发现产品质量不合格时，损失已无法挽回，这样极大地影响了企业的生产质量和效益。贯彻预防原则是现代质量管理的核心与精髓，要保证和提高产品质量，必须把影响质量的各个指标全面系统地管理起来。因而，如何将这些生产过程参数与产品质量特性关联起来成为企业生产故障预测及诊断的瓶颈问题。 本文首先从功能结构组织，数据库逻辑结构设计，类关系等多个方面描述了制造执行系统（MES）平台统计过程控制（SPC）子系统开发的相关工作。并针对所开发的SPC子系统在异常原因识别方面的不足，将数据挖掘与统计过程控制（SPC）技术结合起来，对变速箱总装线质量信息进行统计分析和深度挖掘，提出一种生产过程在线质量控制和诊断模型。该模型运用SPC对生产异常状态进行监测，并基于数据挖掘技术对大量过程检测数据进行分析，找到最有可能出现问题的工序和加工设备，将控制图异常状态与生产过程参数关联起来，实现异常状态的实时检测与诊断。研究表明，数据挖掘的理论和方法适合于质量控制领域，可以为产品质量控制提供一种新的途径。