[发明专利]一种面向多品种小批量制造过程的关键工序识别与聚类分析方法

说明书

本发明涉及一种面向多品种小批量制造过程的关键工序识别与聚类分析方法，包括：S1、多品种小批量质量关键工序识别模型的构建；S2、基于层次聚类分析法对各品种的关键工序进行聚类分析，进而确定分辨率的选择方案，扩大质量特征数据样本量，解决关键工序的质量特征数据不足的问题；S3、以某航天复杂构件制造企业的各品种产品制造工艺流程为例，验证提出模型与方法的有效性与可行性。本发明考虑了关键工序所涉及的关键质量特性与影响因素，对制造过程的工序关键度进行了定量分析与计算，实现对关键工序的识别，并对关键工序进行聚类分组。通过程序仿真与实例分析验证了准确性、有效性与可行性，为关键工序研究提供借鉴，为质量控制提供支撑。

技术领域

本发明涉及一种面向多品种小批量制造过程的关键工序识别与聚类分析方法，属于质量控制领域。

背景技术

由于用户个性化需求的日趋多样化和市场竞争的愈发激烈，多品种小批量生产模式已成为全球企业的必然选择。而其品种规格多且工序复杂、生产批量小且重复生产少等生产特点，导致其制造过程质量难以有效控制。关键工序是制造过程质量控制的关键环节，因此，如何准确有效识别关键工序，如何解决关键工序质量特征数据不足问题，是目前多品种小批量制造过程质量控制的关键。因此，研究关键工序的识别与聚类分析是实现多品种小批量制造过程质量控制的前提，也是目前现代质量工程领域研究的热点问题。

发明内容：

针对上述问题，本发明是一种面向多品种小批量制造过程的关键工序识别与聚类分析方法，提出一种基于清晰集与灰色关联分析的多品种小批量制造过程关键工序识别方法，综合考虑加工难度、成本、客户(VOC)等因素，构建多品种小批量质量关键工序的识别模型；在此基础上，基于层次聚类分析法对各品种的关键工序进行聚类分析，进而确定分辨率的选择方案，扩大质量特征数据样本量，解决关键工序的质量特征数据不足的问题。

本发明的一种面向多品种小批量制造过程的关键工序识别与聚类分析方法，包括如下步骤：

S1、多品种小批量质量关键工序识别模型的构建。

S2、基于层次聚类分析法对各品种的关键工序进行聚类分析，进而确定分辨率的选择方案，扩大质量特征数据样本量，解决关键工序的质量特征数据不足的问题。

S3、以某航天复杂构件制造企业的各品种产品制造工艺流程为例，验证提出模型与方法的有效性与可行性。

优选的，所述步骤S1包括如下子步骤：

具体的，所述步骤S1中：S11、基于清晰综合评价的方法对关键质量特性从实现难度、成本、VOC(Voice of Customer)角度进行评价，得出关键质量特性重要度。步骤S11包括如下子步骤；

S111、建立清晰数及其四则运算的方法；

S112、建立各因素对应的清晰数；

S113、计算综合评判的清晰数；

S114、求解清晰数均值。

具体的，所述步骤S1中：S12、采用灰色关联分析的方法，从工序难度、装夹难度、工序质量三方面进行关键质量特性与工序的关联度分析，从而计算出关键质量特性与工序的关联度。步骤S12包括如下子步骤；

S121、计算关键质量特性与工序的关联度评分，公式如下：

关联度评分＝关联度系数×工序难度×装夹难度×工序质量；

S122、原始数据的无量纲处理、确定参考序列，公式如下：

其中：x_i(k)为初始值、为均值、x_i(k)'为变换后无量纲值；

S123将无量纲矩阵中各行的最大值选取为最优值，公式如下：

S124、计算评价序列与参考序列的绝对差序列矩阵，公式如下：