Операционный контроль исходных материалов осуществляется лабораторией завода не реже одного раза в 10 смен, с определением помимо показателей входного контроля:
содержание пылевидных и глинистых частиц для щебня и песка;
влажность щебня, песка и минерального порошка и др.
При приемочном контроле смеси в лаборатории определяют следующие показатели:
состав смеси (зерновой состав минеральной части и содержание битума);
водонасыщение;
пределы прочности при сжатии при температуре +20ºС и +50ºС;
водостойкость и др.
Периодический контроль выполняется не реже 1 раз в месяц и при изменении исходных материалов, с определением помимо показателей, предусмотренных при приемочном контроле:
пористости минеральной части;
предела прочности при сжатии при температуре 0ºС;
водостойкости при длительном водонасыщении;
однородность смесей и др.
Для контроля качества лаборатория завода отбирает пробы от каждой выпущенной партии одного состава, на одной смесительной установке в течение одной смены (объемом не более 600тн по ГОСТ 9128-97г.). Показатели указанных составов должны соответствовать требованиям ГОСТ 9128 и ГОСТ 31015 для каждого конкретного типа и вида смеси или другим нормативно-техническим документам на конкретно выпускаемую продукцию.
Методика оценки качества предполагает расчет значений верхнего и нижнего контрольных пределов, последующего преобразования показателей качества продукции и формирования интегральных критериев качества технологических процессов.
Значения верхнего и нижнего контрольных пределов карты вычисляются на основе дисперсии измерений характеристик продукции. При равенстве объемов выборок данный метод расчета приводит к получению постоянных значений контрольных пределов для всех выборок, при различных объемах выборок для разных выборок получаются различные значения контрольных пределов.
Для рассмотренных карт контроля качества стандартное отклонение для совокупности измерений определяется как:
=( r1 / d2 + ... + rk / d2 ) / k,
|
(3)
|
для каждой из k выборок с объемом n больше 1, где r1 ... rk - размахи для каждой из k выборок и d2 - постоянная для данного объема выборок. Стандартная ошибка среднего, ср., рассчитывается как:
ср. = / ( ( n1 + ... + nk ) / k ) ½.
|
(4)
|
а стандартная ошибка размаха, разм, определяется на основе выражения:
разм. = ( d3 ( Ср.N ) ),
|
(5)
|
где d3 - постоянная для данного объема выборки, а Ср.N - округленный средний объем выборок. Верхний контрольный предел (ВКП) и нижний контрольный предел (НКП) для каждой j-той выборки карты рассчитываются на основе соотношений:
НКПj = M - ( ( q * ) / nj1/2), ВКПj = M + ( ( q * ) / nj1/2),
|
(6)
|
где M - взвешенное среднее выборочных средних, а q - эмпирический множитель.
Для преобразования количества обнаруженных в каждой выборке дефектов при построении кратких C-карт предлагается использовать соотношение:
c'j,k=(cj,k - tk)/tk1/2.
|
(7)
|
Для каждой выборки j и группы данных k, точки графика краткой C-карты (c'j,k) находятся путем стандартизации отклонений наблюдаемых пуассоновских интенсивностей для числа дефектов от планового значения частоты tk. По умолчанию tk равна средней пуассоновской частоте для каждой из групп данных.
Для преобразования частоты дефектов, обнаруженных в выборках, при построении кратких U-карт предлагается использовать соотношение:
u'j,k=uj,k - tk/(tk/nj)1/2.
|
(8)
|
Для каждой выборки j и группы данных k, точки графика краткой U-карты (u'j,k) находятся путем стандартизации отклонений наблюдаемых относительных пуассоновских частот от планового значения относительной частоты tk. По умолчанию tk равна средней пуассоновской частоте для каждой из групп данных k.
Для преобразования биномиальных интенсивностей случаев обнаружения брака, обнаруженных в выборках, при построении кратких Np-карт предлагается использовать соотношение:
np'j,k=npj,k - nj*tk/(nj * tk (1 - tk))1/2.
|
(9)
|
Для каждой выборки j и группы данных k, точки графика краткой Np-карты (np'j,k) находятся путем стандартизации отклонений наблюдаемых биномиальных интенсивностей (np'j,k) от планового значения биномиальной интенсивности njtk. По умолчанию биномиальная интенсивность tk равна средней биномиальной интенсивности для каждой из групп данных k.
Для преобразования биномиальных долей, обнаруженных в выборках, при построении кратких P-карт предлагается использовать соотношение:
p'j,k=pj,k - tk /(tk * (1 - tk )/nj)1/2.
|
(10)
|
Для каждой выборки j и группы данных k, точки графика краткой P-карты (p'j,k) находятся путем стандартизации отклонений наблюдаемых биномиальных долей от планового значения биномиальной доли tk. По умолчанию tk равна средней биномиальной доле для каждой из групп данных k.
Использование методологии «Шесть сигма» привело к разработке и использованию критериев сглаживания, которые позволяют определить систематические сдвиги в характеристиках качества (рис.2.).
9 точек в зоне С или за ее пределами (с одной стороны от центральной линии). Если этот критерий выполняется (т.е., если на контрольной карте обнаружено такое расположение точек), то делается вывод о возможном изменении среднего значения процесса в целом. Здесь делается предположение о симметричности распределения исследуемых характеристик качества вокруг среднего значения процесса на графике. Данный критерий полезен для того, чтобы указать занимающемуся контролем качества инженеру на присутствие потенциальных трендов процесса.
6 точек монотонного роста или снижения, расположенные подряд. Выполнение этого критерия сигнализирует о сдвиге среднего значения процесса. Часто такой сдвиг обусловлен изнашиванием инструмента, ухудшением технического обслуживания оборудования, повышением квалификации рабочего и т.п.
14 точек подряд в шахматном порядке (через одну над и под центральной линией). Если этот критерий выполняется, то это указывает на действие двух систематически изменяющихся причин, которое приводит к получению различных результатов. Например, может иметь место использование двух альтернативных поставщиков продукции или отслеживание двух различных альтернативных воздействий.
2 из 3 расположенных подряд точек попадают в зону A или выходят за ее пределы. Этот критерий служит «ранним предупреждением» о начинающейся разладке процесса. Для данного критерия вероятность получения ошибочного решения (критерий выполняется, однако процесс находится в нормальном режиме) в случае Х-карт составляет приблизительно 2%.
Градация зон контроля качества
-
4 из 5 расположенных подряд точек попадают в зону B или за ее пределы. Как и предыдущий, этот критерий может рассматриваться в качестве «раннего предупреждения» о возможной разладке процесса. Процент принятия ошибочного решения о наличии разладки процесса для этого критерия также находится на уровне около 2%.
15 точек подряд попадают в зону C (по обе стороны от центральной линии). Выполнение этого критерия указывает на более низкую изменчивость по сравнению с ожидаемой изменчивостью (на основании выбранных контрольных пределов).
8 точек подряд попадают в зоны B, A или выходят за контрольные пределы, по обе стороны от центральной линии (без попадания в зону C). Выполнение этого критерия служит свидетельством того, что различные выборки подвержены влиянию различных факторов, в результате чего выборочные средние значения оказываются распределенными по бимодальному закону. Такая ситуация может сложиться, например, когда отмечаемые на Х-карте выборки изделий были произведены, например, двумя различными станками, один из которых производит изделия со значением контролируемой характеристики выше среднего, а другой - ниже.
Помимо характеристик процессов, которые определяются картами контроля качества целесообразно использовать интегральные критерии качества, которые вместе с картами контроля качества дают многокритериальную постановку задачи по выбору решений реорганизации технологического процесса.
При стандартных вычислениях пригодности используется общая изменчивость процесса. При этом полученные показатели представляют собой показатели качества процесса, поскольку они описывают фактическое поведение процесса. Тогда как показатели, вычисленные исходя из собственного разброса (сигма выборки), представляют собой показатели пригодности, поскольку они описывают собственную пригодность процесса.
В диссертации предложена методика, в соответствии с которой для наборов данных, состоящих из множественных выборок, вычисляются показатели пригодности процесса, приведенные ниже.
Потенциальная пригодность (Cp) технологического процесса определяется как отношение размаха допуска к размаху процесса и при использовании границ ± 3 сигма данный показатель можно выразить в виде:
Cp = (ВГД-НГД)/(6*),
|
(11)
|
где: ВГД – верхняя граница диапазона, НГД – нижняя граница диапазона. Данное отношение выражает долю размаха кривой нормального распределения, попадающую в границы допуска.
Обычное качество технологических процессов по производству железобетонных плит составляет примерно Cp=0.67. В идеале, конечно, было бы хорошо, если бы этот показатель превышал 1, т.е. хотелось бы достигнуть такого уровня пригодности процесса, чтобы никакое (или почти никакое) изделие не выходило за границы допуска.
Показатель отношения пригодности (Cr) почти эквивалентен Cp; а именно, он вычисляется как 1/Cp (величина, обратная Cp).
Нижняя/верхняя потенциальная пригодность: Cpl, Cpu. Недостаток показателя Cp (и Cr) состоит в том, что он может дать неверную информацию о технологическом процессе в том случае, если среднее процесса отличается от номинального значения, иными словами, если процесс не центрирован. При этом сначала можно вычислить верхний и нижний показатели пригодности, чтобы отразить отклонение наблюдаемого среднего процесса от НГД и ВГД. Приняв в качестве размаха процесса границы ± 3 сигма, можно вычислить показатели:
Cpl = (M - НГД)/3* и Cpu = (ВГД - M)/3*,
|
(12)
|
где M – среднее значение по выборке. Ясно, что если эти значения не совпадают, то процесс не центрирован.
Поправка на нецентрированность (K) дает возможность скорректировать индекс Cp, чтобы учесть смещение, а именно:
K=abs(Номинал - M)/(1/2*(ВГД - НГД))
|
(13)
|
где Номинал = (ВГД+НГД)/2. Этот поправочный множитель выражает отношение нецентрированности (номинал минус среднее) к допуску.
Показатель подтвержденного качества (Cpk) используется для корректировки Cp, с учетом поправки на нецентрированность посредством вычисления:
Если процесс идеально центрирован, то k равно нулю и Cpk равно Cp. Однако когда процесс смещается от номинального значения, k увеличивается, и Cpk становится меньше Cp.
Показатель потенциальной пригодности Cpm является модификацией показателя Cp, и направлен на уточнение оценки сигмы с целью учета влияния случайной нецентрированности.
Однако нет смысла изучать пригодность производственного процесса, если он не управляем. Иными словами, если средние значения последовательных выборок сильно флуктуируют или явно находятся вне заданного допуска, то вначале нужно решить проблемы качества. Следовательно, первый шаг к организации высококачественного процесса производства состоит в том, чтобы сделать процесс управляемым с помощью методов, основанных на картах контроля качества. Если процесс управляем, то можно ставить вопрос о его пригодности. Ответ на этот вопрос основывается на «статистических» рассуждениях и близок к проблеме выборочного контроля.
При реализации алгоритмов классификации пригодности технологического процесса следующей задачей является идентификация неисправностей агрегатов, влияющих на качество выпускаемой продукции. Для ее решения в диссертации предлагается использовать дискриминантный топологический анализ.
Рассмотрим пример автоматического контроля качества механизма вращательного действия в технологической цепи производства железобетонных плит. Экспериментально при работе механизма выделяют следующие виды шумов:
гул – это шум от скольжения одних зубцов по другим (шум, как правило, сплошной);
удар – последовательный ряд мелких соударений, возникающих в результате дефекта (теоретически – это паразитный удар), локализованных на одном или нескольких зубцах.
Эти два типа шумов могут появляться как при разгоне, так и при торможении. Учитывая разницу между разгоном и торможением, в данном случае различаются 7 субъективных акустических семейств.
По результатам исследования 113 механизмов были получены спектры с помощью анализатора Фурье-спектров в реальном времени, который выдает вещественную часть преобразования Фурье сигнала s(t). Результаты экспериментов сведены в таблицу 2.
|
