4.1.2. Информативность результатов пассивного производственного эксперимента
Производственный процесс можно рассматривать как определенную систему большого числа разнообразных входных и выходных параметров, анализ изменения значений (колебаний) которых и составляет сущность проведения пассивного эксперимента. Для анализа производственного процесса последовательность технологических операций удобно представлять в виде схемы вероятностного процесса перехода от одной операции к другой (рис. 7.1).
Рис. 7.1. Вероятностная схема представления технологического процесса
Система вероятностного перехода от одной операции к другой позволяет выявить наиболее критичные (с точки зрения дефектности) технологические операции и на основании анализа дефектов на этих операциях принять меры к повышению их качества, а значит, и процента выхода годных изделий на этих операциях. Величина вероятности (р12, р23,..., р(п-1)п) перехода от одной технологической операции (Оп1, Оп2,..., Опn-1) к другой определяется экспериментально, как отношение числа годных изделий на выходе i-й технологической операции к общему числу изделий, поступивших на вход i-й операции. Таким образом, анализ производственного процесса может производиться лишь в том случае, если задано требуемое значение функции отклика на i-й операции yТР, имеется его замеренное фактическое значение уi факт, а также известны управляемые факторы Xi i-и технологической операции, при изменении значений которых можно получить необходимое значение уi факт.
Аналогично можно формализовать и процесс контроля. Сущность его сводится к измерению фактических значений функций отклика или факторов xi факт, сравнению их с требуемым значением Хi тр, оценке допустимости отклонений хi факт - Xi tp = Δx. При этом на каждый контролируемый параметр, например Xi, устанавливается допуск ε, чтобы отклонения фактических значений от требуемых значений находились в пределах допуска ± ε, т. е.
Применяя статистический анализ интересующих исследователя параметров процесса на конкретных технологических операциях, можно получить распределение этих параметров после конечной операции. При этом часто распределения выходных параметров на каждой технологической операции, являются параметрами готового изделия и характеризуют его качество. Эти параметры качества несут наиболее интересную информацию о технологическом процессе при проведении пассивного эксперимента в производственных условиях.
В любом процессе возникают погрешности, из-за которых значения параметров качества изделий могут отличаются от требуемых. Такие разнообразные по своей природе и значимости производственные погрешности разделяют на три вида:
- случайные погрешности, появление которых можно предсказать только с некоторой вероятностью. При этом ни величину, ни знак отклонения параметров качества от номинала невозможно предсказать с полной определенностью;
- систематические погрешности можно предсказать точно. Систематические погрешности обычно делятся на постоянные и закономерно изменяющиеся;
- грубые ошибки («промахи»), зависящие от ошибок операторов, неправильно рассчитанных технологических режимов и т. д.
В производстве все погрешности проявляются в совокупности и вызываются в основном следующими факторами:
- погрешностями в работе технологического оборудования, обусловленными дефектами электрических, механических и оптических узлов установок;
- погрешностями инструмента, обусловленными его износом, отклонениями от требуемой конфигурации; эти факторы часто являются причиной, вызывающей закономерно изменяющиеся во времени производственные погрешности;
- неточностью приспособлений и технологической оснастки, обусловленной в основном недостаточной их жесткостью, нарушением конфигурации и размеров, неправильной установкой в оборудовании и т. д.;
- неоднородностью электрофизических, механических и прочих свойств материалов и заготовок изделий;
- субъективными ошибками оператора
- метрологическими ошибками
Погрешности параметров качества технологического процесса и, в конечном итоге, его продукта и стабильность этих параметров - один из главнейших критериев качества процесса. Аналитическое или графическое описание взаимодействия (или взаимного влияния) технологических факторов производства и параметров качества изделий представляет собой, как правило, стохастическую модель технологического процесса, так как описывает статистическую связь между ними. Эта модель может использоваться для решения широкого круга технико-экономических проблем, например:
- оценки точности технологии в целом и на отдельных операциях;
- оценки стабильности (или устойчивости) технологического процесса;
- выявления степени и характера влияния различных факторов на точность параметров качества и стабильность технологических процессов изготовления изделий;
- расчета и технико-экономического обоснования межоперационных допусков на параметры качества изделий;
- выявления рационального уровня настройки и стабильности работы технологического оборудования, инструмента, оснастки и получения объективных данных для их модернизации и проектирования новых образцов;
- получения данных для оптимизации технологических процессов по их математическим и физическим моделям.
- Методология исследования, моделирования и совершенствования производственных процессов
- Оглавление
- Глава 1 Общие сведения о методологии научного познания……………….6
- Глава 2 Моделирование как метод научного познания………………………11
- Глава 3 Исследование взаимосвязи случайных величин…………….22
- Глава 4 Способы экспериментальных исследований…………………88
- Глава 5 Некоторые современные достижения интеллектуальных информационных систем и программных средств в области анализа связи величин
- Введение
- Глава 1. Общие сведения о методологии научного познания
- 3. Статистический.
- 7. Экспериментальный.
- Глава 2 Моделирование как метод научного познания
- 2.1 Этапы построения, свойства, цели и классификация моделей
- 2.2 Концепции и инструменты оптимизации математических моделей
- 2.3 Принципы анализа математических моделей
- Глава 3. Исследование взаимосвязи случайных величин
- 3.1 Основные представления о корреляционном, дисперсионном и регрессионном анализах
- 3.2 Корреляционный анализ
- 3.2.1 Обзор характеристик «тесноты» связи
- 3.2.2. Формулы расчёта основных характеристик связи
- 3.2.3. Области определения и способы оценки достоверности коэффициентов связи случайных величин
- 3.2.4 Методы корреляции порядковых (ординальных) и номинальных (категориальных) переменных
- 3.2.5 Функции и инструменты ms excel, предназначенные для расчёта коэффициентов ковариации, корреляции и детерминации
- 3.3 Дисперсионный анализ
- 3.3.1. Виды классического дисперсионного анализа
- 3.3.2. Инструменты программы ms excel, предназначенные для дисперсионного анализа
- 3.3.2.1. «Однофакторный дисперсионный анализ»
- 3.3.2.2. «Двухфакторный дисперсионный анализ без повторений»
- 3.3.2.3. «Двухфакторный дисперсионный анализ с повторениями»
- 3.3.3. Представление о ступенчатом дисперсионном анализе
- 3.4 К установлению математической модели связи случайных величин
- 3.4.1. Виды регрессионных моделей
- 3.4.2. Способы, принципы и признаки оптимизации регрессии
- 3.4.3 Опции программы ms excel, предназначенные для регрессионного анализа
- 3.4.3.1 Использование инструмента анализа «Регрессия»
- 3.4.3.2 Функции excel, связанные с инструментом «Регрессия»
- 3.4.3.3 Возможности использования графических опций программы ms excel для решения задач регрессионного анализа
- Глава 4 Способы экспериментальных исследований
- 4.1 Пассивный эксперимент
- 4.1.1 Методы анализа результатов пассивного эксперимента
- 4.1.2. Информативность результатов пассивного производственного эксперимента
- 4.2 Планирование эксперимента и методы оптимизации параметров процесса
- 4.2.1 Методология планирования эксперимента
- 4.2.2 Полный факторный эксперимент
- 4.2.3 Дробный факторный эксперимент
- 4.2.4. Центральные композиционные планы
- 4.3 Оптимизация работы объекта управления для одного и нескольких параметров оптимизации для одно- и многоэкстремальной поверхности отклика
- 4. 4 Алгоритмы решения задач установления функциональных зависимостей и оптимизации
- Глава 6
- Глава 7
- Глава 8
- Глава 9 Современные достижения в области промышленной статистики и новые программные средства их реализации.