[发明专利]一种DMAIC驱动的小批量零件加工工艺过程质量改进方法

说明书

一种DMAIC驱动的小批量零件加工工艺过程质量改进方法，其逻辑过程主要有定义、测量、分析、改进与控制五个阶段，定义阶段主要确定质量改进活动的对象和目标，找出与加工过程相关的所有因素；测量阶段通过确定加工过程的关键控制工序，搭建基于CPS的数字化信息采集网络，实时采集生产过程中的加工数据；分析阶段构建了赋值型误差传递网络，通过对质量特征误差灵敏度的计算，找出与质量问题相关的关键因素；改进阶段针对出现质量问题的原因，制定对应的措施对工艺参数等加以改进；控制阶段构建了质量特征误差预测模型，对产品质量进行有效控制。该方法可以有效改进和优化小批量零件的加工工艺过程，形成对小批量零件加工过程质量的持续改进功能。

技术领域

本发明属于生产过程管理中的质量改进与管理领域，特别涉及一种DMAIC驱动的小批量零件加工工艺过程质量改进方法。

技术背景

当前，工业产品需求越来越多样化、个性化，现代制造企业的生产模式由传统的单一型、大批量生产模式逐渐转变为多品种、小批量柔性生产。企业的产品质量改进和管理方法也亟需适应这种新的生产模式。具体来说，(1)小批量生产模式下，零部件的种类繁多，工艺规程复杂多变，对于出现质量问题的产品，很难分析造成缺陷的原因，导致了质量改进环节不能准确找到问题所在，质量改进措施的制定也具有一定的盲目性；(2)传统的基于统计过程控制(Statistical Process Control,SPC)技术的质量控制方法是建立在质量特征值相互独立、服从同一分布的假设基础之上，而且需要采集充足的样本以实施控制图，但是在小批量加工过程中，这些假设都不能满足。

针对小批量零件加工工艺过程的质量改进，国内外学者较多采用鱼骨图、Pareto图等工具分析造成质量问题的可能性因素，但是却忽略了这些工具的使用特点，例如鱼骨图较多的依赖经验知识，主观性较强，不具备量化分析；而Pareto图则需要大量的历史质量缺陷统计数据，对于小批量加工过程质量改进不具备实用性；除此之外，也有学者将批量加工过程中使用的质量监测方法加以改进并应用到小批量生产过程中，如基于小样本的Bootstrap法、Bayes预测模型等，但是，这些方法没有深入研究“因样本数量过少而导致无法获得较准确的参数估计”问题，对参数的先验分布上存在一定程度的主观性，从而影响了这些方法在实际中的有效应用。

由此可知，传统的质量改进方法无法适用于小批量的生产模式，小批量加工过程中的质量改进和优化还存在一些问题。

发明内容

为了解决传统质量改进方法无法适用小批量加工的实际问题，本发明的目的在于提供一种定义(D)-测量(M)-分析(A)-改善(I)-控制(C)(以下简称DMAIC)驱动的小批量零件加工工艺过程质量改进方法，旨在实现利用小批量生产过程中少量生产过程数据，准确分析导致质量问题的原因、制定对应的改进措施，并构建可靠的质量控制流程，最终建立起一套完整的、服务于小批量零件加工工艺过程质量改进的方法体系。可实现对现有工艺流程界定并进行定量化测量、分析，并在实施改进措施的基础上，对最终的产品质量进行有效的控制。

为了达到上述目的，本发明采用的技术方案是：

一种DMAIC驱动的小批量零件加工工艺过程质量改进方法，包括以下步骤：

1)定义阶段：明确现有小批量零件加工过程的工艺水平，制定适合的阶段改进目标，并通过对流程的全面分析，绘制供应商(S)-输入(I)-流程(P)-输出(O)-客户(C)(以下简称SIPOC)图，为后续的各阶段打下基础；