復雜產(chǎn)品的質(zhì)量控制理論與方法

目錄
第1章 緒論 1
1.1 復雜產(chǎn)品概述 1
1.2 質(zhì)量控制理論的發(fā)展歷程 3
1.3 復雜產(chǎn)品質(zhì)量控制面臨的挑戰(zhàn) 5
1.4 本書的主要內(nèi)容和邏輯關(guān)系 7
參考文獻 9
第2章 質(zhì)量控制理論基礎(chǔ) 10
2.1 產(chǎn)生質(zhì)量問題的根本原因 10
2.1.1 波動的概念 10
2.1.2 波動引起產(chǎn)品缺陷 10
2.1.3 波動產(chǎn)生的原因 11
2.2 隨機波動的統(tǒng)計規(guī)律性 12
2.2.1 過程的概念 12
2.2.2 隨機波動輸出結(jié)果的統(tǒng)計規(guī)律性 13
2.3 新的質(zhì)量損失原理 14
2.4 離線質(zhì)量控制 17
2.4.1 穩(wěn)健設(shè)計的基本原理 17
2.4.2 試驗設(shè)計的實施過程 18
2.4.3 計算機試驗 21
2.5 在線質(zhì)量控制 22
2.5.1 統(tǒng)計過程控制技術(shù)的基本原理 22
2.5.2 控制圖失控的判定準則 24
2.5.3 工程過程控制的基本原理 25
參考文獻 26
第3章 復雜產(chǎn)品設(shè)計階段的控制變量篩選 28
3.1 基于線性模型的序貫變量篩選 29
3.1.1 序貫分支方法的基本原理及步驟 30
3.1.2 位置效應(yīng)和散度效應(yīng)下的因子分類篩選 31
3.1.3 仿真試驗 35
3.2 基于廣義線性模型的貝葉斯變量篩選 40
3.2.1 廣義線性模型的基本理論與方法 41
3.2.2 基于廣義線性模型的貝葉斯估計與篩選試驗分析 42
3.2.3 Jeffreys先驗 43
3.2.4 回歸參數(shù)的貝葉斯估計 44
3.2.5 MCMC模擬方法 46
3.2.6 實例分析 47
3.2.7 仿真試驗分析 52
3.3 基于廣義線性模型的兩階段貝葉斯變量篩選 57
3.3.1 貝葉斯模型的選擇與評價方法 57
3.3.2 基于廣義線性模型的兩階段貝葉斯變量與模型選擇方法 59
3.3.3 先驗分布的選擇 59
3.3.4 兩階段貝葉斯變量與模型選擇方法 61
3.3.5 實例分析 63
3.4 基于元模型的貝葉斯變量篩選 67
3.4.1 基于稀疏先驗?zāi)Ｐ偷目焖儇惾~斯回歸元建模 67
3.4.2 基于正則化和罰似然框架的討論 74
3.4.3 試驗結(jié)果與分析 75
參考文獻 86
第4章 復雜產(chǎn)品設(shè)計階段的質(zhì)量建模 91
4.1 相關(guān)多響應(yīng)情形下的似不相關(guān)質(zhì)量建模 92
4.1.1 SUR模型的貝葉斯推論 92
4.1.2 基于貝葉斯后驗區(qū)間的穩(wěn)健優(yōu)化方法 95
4.1.3 性能評價指標 98
4.1.4 Nd: YLF激光制孔過程研究 99
4.2 結(jié)構(gòu)不確定下的貝葉斯組合質(zhì)量建模 107
4.2.1 貝葉斯模型平均的基本原理 107
4.2.2 考慮因子效應(yīng)原則的先驗分布選擇 108
4.2.3 改進BMA的構(gòu)建步驟 109
4.2.4 實例分析 110
4.2.5 仿真試驗分析 113
4.3 基于包容性檢驗的質(zhì)量建模 119
4.3.1 包容性檢驗的基本原理 119
4.3.2 基于包容性檢驗的響應(yīng)曲面建模方法 120
4.3.3 實例分析 122
4.3.4 仿真試驗分析 126
4.4 高度非線性的多源組合質(zhì)量建模 129
4.4.1 常見的單個建模技術(shù) 131
4.4.2 所提方法 134
4.4.3 案例研究：激光微鉆孔工藝 140
4.4.4 數(shù)值例子：再論微鉆孔過程 145
4.4.5 結(jié)論與討論 149
參考文獻 149
第5章 復雜產(chǎn)品設(shè)計階段的質(zhì)量優(yōu)化 154
5.1 考慮位置效應(yīng)和散度效應(yīng)的優(yōu)化策略 155
5.1.1 多元損失函數(shù)法 156
5.1.2 穩(wěn)健損失函數(shù)法 158
5.1.3 實例分析 161
5.1.4 方法討論 167
5.2 穩(wěn)健性與可靠性并行的優(yōu)化策略 168
5.2.1 多元質(zhì)量損失函數(shù) 169
5.2.2 結(jié)合多元質(zhì)量損失與貝葉斯后驗概率的多響應(yīng)穩(wěn)健參數(shù)設(shè)計 170
5.2.3 實例分析 173
5.2.4 討論 176
5.3 穩(wěn)健性與經(jīng)濟性并行的優(yōu)化策略 178
5.3.1 模型構(gòu)建 180
5.3.2 參數(shù)優(yōu)化 185
5.3.3 試驗分析 185
參考文獻 192
第6章 復雜產(chǎn)品制造階段的選配優(yōu)化 196
6.1 非正態(tài)尺寸零件的選配優(yōu)化 196
6.1.1 問題背景和數(shù)學模型 196
6.1.2 分組優(yōu)化選配方案求解算法實現(xiàn) 201
6.1.3 數(shù)值仿真 208
6.2 多尺寸特性零件的選配優(yōu)化 210
6.2.1 基于改進田口質(zhì)量損失模型的多尺寸裝配目標函數(shù)構(gòu)建 210
6.2.2 基于NSGA-II的多尺寸鏈精確選擇裝配流程 219
6.2.3 實例分析與數(shù)值仿真 225
6.3 多目標復雜零件的選配優(yōu)化 231
6.3.1 CPSAP質(zhì)量控制模型的框架和實施步驟 231
6.3.2 CPSAP質(zhì)量控制模型的功能 236
6.3.3 實例分析 239
6.4 多元質(zhì)量特性零件的選配優(yōu)化 243
6.4.1 多元質(zhì)量特性的多目標質(zhì)量損失函數(shù)構(gòu)建 243
6.4.2 基于SPEA2的多元質(zhì)量特性的多目標質(zhì)量損失算法的實現(xiàn) 247
6.4.3 案例分析與數(shù)值仿真 258
參考文獻 265
第7章 復雜產(chǎn)品制造階段的過程能力測算 267
7.1 單值數(shù)據(jù)下的過程能力測算 267
7.1.1 單值數(shù)據(jù)情況下均值和方差的響應(yīng)曲面模型 267
7.1.2 基于熵權(quán)法的多元過程能力指數(shù) 269
7.1.3 基于過程能力指數(shù)的多元質(zhì)量特性穩(wěn)健參數(shù)設(shè)計 271
7.1.4 案例分析 273
7.2 區(qū)間估計下的過程能力測算 277
7.2.1 單點過程能力指數(shù)估計的不足 277
7.2.2 Bootstrap方法 278
7.2.3 過程能力指數(shù)Cpk的三種Bootstrap置信區(qū)間 279
7.2.4 過程能力指數(shù)Cpk的三種改進置信區(qū)間 281
7.2.5 仿真研究 283
7.2.6 案例分析 292
7.3 多階段復雜過程的過程能力測算 294
7.3.1 基于線性狀態(tài)空間的CPMP模型 297
7.3.2 基于預(yù)先指定控制及調(diào)整策略的過程變異性 299
7.3.3 CPMPCI的計算 300
7.3.4 案例分析 303
參考文獻 306
第8章 復雜產(chǎn)品制造階段的在線調(diào)整 309
8.1 自相關(guān)過程的調(diào)整策略 309
8.1.1 自相關(guān)過程 309
8.1.2 過程的模型描述及參數(shù)估計 310
8.1.3 基于序貫蒙特卡羅法的過程調(diào)整策略 312
8.1.4 算例 314
8.1.5 仿真分析 317
8.2 隨機誤差下的調(diào)整策略 321
8.2.1 設(shè)置調(diào)整問題 322
8.2.2 考慮調(diào)整隨機誤差的過程模型及參數(shù)估計 323
8.2.3 *優(yōu)調(diào)整策略 325
8.2.4 *優(yōu)調(diào)整策略的實現(xiàn) 327
8.2.5 算例 328
8.2.6 仿真分析 330
8.3 參數(shù)已知多變量過程的調(diào)整策略 332
8.3.1 過程模型及參數(shù)估計 332
8.3.2 *優(yōu)調(diào)整策略 334
8.3.3 *優(yōu)調(diào)整策略的實現(xiàn) 337
8.3.4 算例 338
8.3.5 參數(shù)對調(diào)整策略效果的影響分析 340
8.3.6 調(diào)整效果比較 344
8.4 參數(shù)未知多變量過程的調(diào)整策略 349
8.4.1 過程模型及參數(shù)估計 349
8.4.2 *優(yōu)調(diào)整策略 351
8.4.3 算例 352
8.4.4 調(diào)整效果的仿真分析 353
參考文獻 356
第9章 復雜產(chǎn)品制造階段的質(zhì)量監(jiān)控 358
9.1 自相關(guān)過程的質(zhì)量監(jiān)控 358
9.1.1 均值向量的殘差控制圖理論介紹 359
9.1.2 均值向量的殘差控制圖理論ARL仿真分析一 362
9.1.3 均值向量的殘差控制圖理論ARL仿真分析二 367
9.2 兩階段相關(guān)過程的質(zhì)量監(jiān)控 384
9.2.1 過程模型 384
9.2.2 觸發(fā)CUSUM-CUSCORE控制圖的設(shè)計 386
9.2.3 仿真分析 388
9.3 考慮測量誤差的質(zhì)量監(jiān)控 390
9.3.1 變采樣間隔控制圖 391
9.3.2 考慮測量誤差的變采樣間隔控制圖設(shè)計 393
9.3.3 算例說明 404
9.4 基于機器學習的質(zhì)量監(jiān)控 406
9.4.1 診斷制造過程的神經(jīng)網(wǎng)絡(luò)方法 407
9.4.2 概率神經(jīng)網(wǎng)絡(luò)原理 408
9.4.3 基于概率神經(jīng)網(wǎng)絡(luò)控制圖模式識別的過程異常診斷 412
參考文獻 420
第10章 復雜產(chǎn)品制造階段的監(jiān)控與維修策略 422
10.1 批量生產(chǎn)方式下兩階段監(jiān)控與維修策略 422
10.1.1 一般情形下的成本分析 423
10.1.2 考慮人力成本、生產(chǎn)率以及停時損失情形下的成本分析 438
10.1.3 機會維修策略情形下的成本分析 446
10.2 小批量生產(chǎn)方式下兩階段監(jiān)控與維修策略 462
10.2.1 問題描述與假設(shè) 463
10.2.2 模型構(gòu)建與求解 463
10.2.3 案例分析與敏感性分析 466
10.3 經(jīng)濟和經(jīng)濟統(tǒng)計視角下兩階段監(jiān)控與維修策略 474
10.3.1 模型假設(shè) 475
10.3.2 模型構(gòu)建與分析 476
10.3.3 優(yōu)化策略構(gòu)建 478
10.3.4 案例分析與敏感性分析 488
參考文獻 490