【技术实现步骤摘要】
本专利技术涉及质量监督信息系统，特别是涉及一种基于模糊数的质量控制图构建方法、装置、介质及设备。
技术介绍
1、目前在生产过程中常常使用计数型控制图和计量型控制图对生产过程中的质量进行分析和控制，从而反应生产过程中的质量问题。生产过程中按照一定规律产生正常波动的质量特性，使用传统的计数型质量控制图能够起到很好的监视和控制作用。但现代复杂装备制造业具有复杂性、非线性、不确定性、不完整性等特点，生产过程中存在大量不确定的，非正常波动的质量特性，传统的控制图从控制原理和应用条件上都难以适应生产过程中对质量控制的。
技术实现思路
1、有鉴于此，本专利技术提供了一种基于模糊数的质量控制图构建方法、装置、介质及设备，用于在制造过程中对不确定质量特性进行连续的评估，从而对制造过程中的随机误差做出准确判定，更加准确地反映产品质量的实际情况，从而更加适于实用。
2、为了达到上述第一个目的，本专利技术提供的基于模糊数的质量控制图构建方法的技术方案如下：
3、本专利技术提供的基于模糊数的质量控制图构建方法包括以下步骤：
4、根据生产制造过程中关键工序，获取与所述关键工序对应的关键质量特性，其中，与所述关键工序对应的关键质量特性采取控制图管控；
5、根据与所述关键工序对应的关键质量特性，定义满足条件的模糊数，并且，确定所述满足条件的模糊数的可能取值范围；
6、通过对生产制造过程中的关键工序进行质量因素分析，根据所述满足条件的模糊数、所述满足条件的
7、本专利技术提供的基于模糊数的质量控制图构建方法还可采用以下技术措施进一步实现。
8、作为优选，根据与所述关键工序对应的关键质量特性，定义满足条件的模糊数，并且，确定所述满足条件的模糊数的可能取值范围具体包括以下步骤：
9、针对与所述关键工序对应的关键质量特性，获取与所述关键工序对应的关键质量特性的专家评分，得到评分结果，其中，所述评分结果涉及的评分因素包括语言变量、质量等级；
10、根据所述评分结果，构建得到专家评分样本库；
11、根据所述专家评分样本库，定义满足条件的模糊数，并且，确定所述满足条件的模糊数的可能取值范围。
12、作为优选，通过对生产制造过程中的关键工序进行质量因素分析，根据所述满足条件的模糊数、所述满足条件的模糊数的可能取值范围，以及，生产过程中不确定质量特性，构建与所述不确定质量特性相对应的控制图具体包括以下步骤：
13、从所述专家评分样本库中提取数据，其中，所述数据为模糊集的实数集合；
14、根据所述模糊集的实数集合，获取所述实数集合的中心值，并构建与所述关键工序对应的关键质量特性的质量特征的评分值域；
15、根据所述专家评分样本库中的评分距离所述实数集合的中心值的距离，构建距离矩阵，所述距离矩阵行数与所述专家评分样本库中原始平分矩阵相同，所述距离矩阵的列数与所述生产制造过程中的关键工序的质量特征数相同；
16、根据所述距离矩阵，按照所述实数集合中，专家评分的重要程度，以及，所述专家评分样本库中的评分距离所述实数集合的中心值的距离的平均值，与所述评分值域逐一比对，得到比对结果；
17、根据所述比对结果，构建比较均值矩阵；
18、根据所述比较均值矩阵、生产过程中不确定质量特性的值域，构建模糊集，所述模糊集中的模糊数为隶属于区间(0,1]的一个闭区间；
19、根据所述模糊数，构建基于模糊数的质量控制图。
20、作为优选，根据所述专家评分样本库中的评分距离所述实数集合的中心值的距离，构建距离矩阵，所述距离矩阵行数与所述专家评分样本库中原始平分矩阵相同，所述距离矩阵的列数与所述生产制造过程中的关键工序的质量特征数相同的的步骤过程中，构建质量特征的评分的值域a，ai∈a，关系规则如下：
21、如果在模糊集μa(x)上存在一个封闭的区间[m,n],则m为该模糊集的有效模糊数；
22、假设i，j分别是隶属于两个模糊集μi(x)和μj(y)的模糊数，在实数轴x，y上，i，j分别为其上的模糊数，则i*j(*表示{+、-、x、/})可以定义一个模糊区域z，则可以知道他们的隶属函数为μi*j(z)＝∨x*y＝z[μi(x)∧μj(x)]，通常这个隶属函数的几何图形通过三角、梯形、正态分布等模糊数据表示，假设有a、b、c、d四个参数，它们的梯形模糊数的隶属函数的定义公式如下：
23、
24、作为优选，构建梯形模糊数隶属度控制图的方法包括以下步骤：
25、计算相对距离矩阵的方法如下：
26、确定集合a的中心值，根据距离中心值的远近确定重要度，即距离中心值较近的评分重要度较高，使用距离矩阵d表示相互距离，构建距离矩阵d＝[doi]m.n，这个矩阵的行数与原始评分矩阵相同，列数与质量特征数相同，则集合a中每一个评分值ai与中心距离的距离就等于dio＝|ai-ao|,计算出相互距离的平均值
27、di＝σno＝1dio/(n-1)
28、di用于度量与中心的接近度，di越小，接近中心程度越高；
29、比较均值矩阵构建的方法如下：
30、为确定集合a中每个评分ai的重要程度，将相互距离的平均值di与ai逐一对比，得到比较矩阵c，c＝[coi]m.n，coi是ai与ao的重要度比较，用σi标记为ai的重要度即ai的权重；
31、计算评分模糊众数的方法如下：
32、假设σi为ai的实际重要度，把n看做a的质量特征，则σ为对应的质量特征向量，如果σi的等式：成立，则σi是分配给ai的权重，则模糊众数为：
33、计算模糊众数的左右侧分布系数的方法如下：
34、对于模糊数散布情况，可以通过左右侧分布系数来确定，方法是确定其左右两侧的断点，然后计算出模糊数方差：
35、
36、然后将之前求得的权重数σj带入到公式中，得到模糊数的加权方差：
37、
38、假设l、r分别表示模糊数f的左右特征数，则可以得到分布系数为：
39、
40、则模糊数的左右伸展的比率为p：
41、
42、则可以求得质量特性的梯形隶属参数(a，b，c，d)计算如下：
43、a＝2*[k*(m-l)+l]-[p*(m-l)+l]
44、b＝p*(m-l)+l
45、c＝(1-p)*(r-m)+m
46、d＝2*[(1-k)*(r-m)+m]-[(1-p)*(r-m)+m]
47、使用梯形集合图形表示，则得到{a,b,c,d}参数的几何图形，其中，k、p为梯形上下底数值，k表示梯形下底宽度，p表示梯形上底宽度；
48、本文档来自技高网...
【技术保护点】
1.一种基于模糊数的质量控制图构建方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于模糊数的质量控制图构建方法，其特征在于，根据与所述关键工序对应的关键质量特性，定义满足条件的模糊数，并且，确定所述满足条件的模糊数的可能取值范围具体包括以下步骤：
3.根据权利要求2所述的基于模糊数的质量控制图构建方法，其特征在于，通过对生产制造过程中的关键工序进行质量因素分析，根据所述满足条件的模糊数、所述满足条件的模糊数的可能取值范围，以及，生产过程中不确定质量特性，构建与所述不确定质量特性相对应的控制图具体包括以下步骤：
4.根据权利要求3所述的基于模糊数的质量控制图构建方法，其特征在于，根据所述专家评分样本库中的评分距离所述实数集合的中心值的距离，构建距离矩阵，所述距离矩阵行数与所述专家评分样本库中原始平分矩阵相同，所述距离矩阵的列数与所述生产制造过程中的关键工序的质量特征数相同的的步骤过程中，构建质量特征的评分的值域A，ai∈A，关系规则如下：
5.根据权利要求4所述的基于模糊数的质量控制图构建方法，其特征在于，构建梯形模糊数隶
6.根据权利要求3所述的基于模糊数的质量控制图构建方法，其特征在于，所述模糊控制图异常判定方法包括以下步骤：
7.根据权利要求3所述的基于模糊数的质量控制图构建方法，其特征在于，当代码为python代码时，不确定质量特性控制图的代码实现方法包括以下步骤：
8.一种基于模糊数的质量控制图构建装置，其特征在于，包括：
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有基于模糊数的质量控制图构建程序，所述基于模糊数的质量控制图构建程序在被处理器执行时，实现权利要求1-7中任一所述的基于模糊数的质量控制图构建方法的步骤。
10.一种电子设备，其特征在于，包括存储器和处理器，所述存储器上存储有基于模糊数的质量控制图构建程序，所述基于模糊数的质量控制图构建程序在被所述处理器执行时，实现权利要求1-7中任一所述的基于模糊数的质量控制图构建方法的步骤。
...【技术特征摘要】
1.一种基于模糊数的质量控制图构建方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于模糊数的质量控制图构建方法，其特征在于，根据与所述关键工序对应的关键质量特性，定义满足条件的模糊数，并且，确定所述满足条件的模糊数的可能取值范围具体包括以下步骤：
3.根据权利要求2所述的基于模糊数的质量控制图构建方法，其特征在于，通过对生产制造过程中的关键工序进行质量因素分析，根据所述满足条件的模糊数、所述满足条件的模糊数的可能取值范围，以及，生产过程中不确定质量特性，构建与所述不确定质量特性相对应的控制图具体包括以下步骤：
4.根据权利要求3所述的基于模糊数的质量控制图构建方法，其特征在于，根据所述专家评分样本库中的评分距离所述实数集合的中心值的距离，构建距离矩阵，所述距离矩阵行数与所述专家评分样本库中原始平分矩阵相同，所述距离矩阵的列数与所述生产制造过程中的关键工序的质量特征数相同的的步骤过程中，构建质量特征的评分的值域a，ai∈a，关系规则如下：
5.根据权利要求...
【专利技术属性】
技术研发人员：金涛，白双梅，徐辉，李芳芳，宫文婕，
申请(专利权)人：北京神舟航天软件技术股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。