【技术实现步骤摘要】
本专利技术涉及一种风险评估方法，具体是一种数字化车间的生产过程质量系统风险评估方法，属于柔性制造。
技术介绍
1、数字化车间的系统风险评估也被称为安全评价，主要的目的是保障数字化生产线的正常生产和设备安全。随着智能制造技术的发展，数字化生产线也正朝着高自动化和高集成的方向发展，数字化生产线的复杂度增加使其出现相关故障的可能性也增大。在实际生产过程中，由于缺乏大量的实际案例参考和类似的数字化生产线项目风险管理经验，风险评估体系的建立困难重重，这就导致了数字化车间的风险评估结果与数字化车间的实际结果出入很大，最终会致使项目风险难以控制。
2、在实际数字化车间生产过程中，随着生产过程的变量、工序、产品性能等需求的增加，生产过程会变得更加复杂，因此会采集到大量的生产过程数据，但传统的基于机理模型或者数学模型的方法己无法从众多的生产过程数据提取出有效信息，无法满足数字化车间的生产过程质量的故障诊断的需求。
技术实现思路
1、专利技术目的：针对现有技术中存在的问题与不足，本专利技术提供一种数字化车间的生产过程质量系统风险评估方法，完成对生产过程的风险评估分析，保障车间数字化产线的正常生产。
2、技术方案：一种数字化车间的生产过程质量系统风险评估方法，包括以下步骤：
3、步骤1，采集生产过程质量的指标参数；
4、步骤2，运用多元统计分析方法来获取与生产过程质量强相关性的部分指标参数；
5、步骤3，构建霍特林统计量(hotelling s
6、步骤4，确定风险等级，根据控制图得到风险评估结果并针对不合格产品提出改进措施和建议。
7、步骤1，采集生产过程质量的指标参数数据。根据数字化车间获取生产过程质量的指标参数，生产过程质量的指标参数包括：运输物流、产品贮存、原材料质量、产品设计、产品加工工艺要求、加工设备、加工人员、加工环境相关指标参数数据。
8、步骤2，分析参数类型及规格，首先将工业过程涉及的相关指标参数数据利用多元统计分析方法，用生产过程质量的指标参数的数据建立一个多维向量，对采集到的生产过程质量参数进行分析，在所有指标参数中获取与生产过程质量强相关性的部分指标参数；
9、步骤2.1，运用多元统计分析方法确定正常状态下生产过程质量的指标参数数据的特征向量yi，其中yi为生产过程质量的指标参数的p维向量，本专利技术中获取数量为m的样本中的p个相关参数数据。
10、步骤2.2，获取与生产过程质量强相关性的指标参数数据。多元统计分析可将生产过程质量的指标参数数据映射到高维的相空间，在高维的相空间中可反映其相关性的强弱。将采集到的生产过程质量的指标参数据记为样本数据。将样本数据构建向量yi，计算向量yi的样本均值和整体样本协方差s，i＝1，...，m；基于向量yi的t2(i)计算公式为：
11、
12、在获取到的多个生产过程质量的指标参数数据中，可能会有部分参数数据与生产过程质量没有相关性，从而使t2的计算不符合实际，因此需要获取与生产过程质量强相关性的指标参数数据使得t2的计算符合实际。因此构建特征矩阵ym×p，将特征矩阵ym×p转换为一组线性不相关的主成分。首先，特征矩阵ym×p＝[y1，y2，...，ym]t减去列均值进行中心化，即y*的奇异值分解公式为：
13、y*＝uψvt
14、其中u和v是m×m和p×p的正交矩阵，ψ是一个m×p对角矩阵，具有对角元素λ1≥λ2≥…≥λp≥0(即y*的奇异值)。因此，协方差矩阵计算公式为：
15、y*ty*＝vψutuψvt＝vψ2vt
16、其中vψ2vt是y*ty*的特征值分解。因此，主成分计算公式为：
17、z＝y*v＝uψvtv＝uψ
18、第一个主成分z(：，1)＝y*v1在所有主成分中样本方差最大。其中特征向量v1是y*的第一个主分量方向。因此，整体样本协方差s计算公式为：
19、
20、其中需要注意的是，主成分z(：，i)和z(：，j)是相互正交的。因此，主成分的协方差矩阵sz是具有对角项λ12≥λ22≥…≥λp2的对角矩阵。t2(i)计算公式变为：
21、
22、其中z(i，：)为样本在主分量方向上的投影，即此外，可以通过仅考虑前q个特征值和特征向量(q＜p)来获得分矩阵zq。前q个特征值和特征向量(q＜p)来获得分矩阵zq反映了特征矩阵ym×p的大部分变化，即前q个特征值和特征向量所代表的指标参数数据为与生产过程质量强相关性的指标参数数据。因此，可得到降维后的t2为：
23、步骤3，构建t2控制图；
24、步骤3.1，根据步骤2获取与生产过程质量强相关性的指标参数数据，然后从步骤2可得到降维后的t2计算公式来计算新的t2。
25、从步骤2可得到降维后的t2为：每个样本的t2及其置信区间可以绘制在一个控制图上，它表征了不同样本的多元递归特征之间的差异。采用t2控制图展现生产过程质量参数对生产过程质量的影响，通过质量参数的数据，设定t2控制图中的变量为质量参数。
26、步骤3.2，计算确定t2控制图的置信区间为ucl，ucl的计算公式为：
27、
28、其中m为样本数，α为f分布的显著性水平，fα，p，m-p是具有p和m-p自由度的f分布上的100α％。
29、步骤4，通过分析t2控制图来确定风险等级，并进行风险评估。首先在t2控制图中找到超过ucl的风险存在点，确定e为生产过程质量系统风险评价指标。风险评价指标e计算公式为：
30、
31、其中i为t2控制图中风险存在点的个数；
32、进一步的，确定风险等级，并提出产品质量整改建议。根据生产过程质量系统风险评价指标来确定风险等级。
33、低风险：生产过程质量系统风险评价指标e在[0，0.25)区间，其风险等级为重大风险。
34、中风险：生产过程质量系统风险评价指标e[0.25，0.5)区间，其风险等级为高风险。
35、高风险：生产过程质量系统风险评价指标e在[0.5，0.75)区间，其风险等级为中风险。
36、重大风险：生产过程质量系统风险评价指标e在[0.75，1]区间，其风险等级为低风险。
37、进一步的得出风险评估结果，通过t2控制图相应风险存在点可得到生产过程异常发生的时间以及发生在哪个环节，数字化车间可根据这些信息及时进行改进，来完成对数字化车间生产过程质量的管理。进一步的将风险评估结果告知企业生产部门，完成对数字化车间的计划与调度系统风险评估。
本文档来自技高网...【技术保护点】
1.一种数字化车间的生产过程质量系统风险评估方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的数字化车间的生产过程质量系统风险评估方法，其特征在于，所述步骤1中，根据数字化车间获取生产过程质量的指标参数，生产过程质量的指标参数包括：运输物流、产品贮存、原材料质量、产品设计、产品加工工艺要求、加工设备、加工人员、加工环境相关指标参数数据。
3.根据权利要求1所述的数字化车间的生产过程质量系统风险评估方法，其特征在于，所述步骤2中，分析参数类型及规格，首先将工业过程涉及的相关指标参数数据利用多元统计分析方法，用生产过程质量的指标参数的数据建立一个多维向量，对采集到的生产过程质量参数进行分析，在所有指标参数中获取与生产过程质量强相关性的部分指标参数。
4.根据权利要求1所述的数字化车间的生产过程质量系统风险评估方法，其特征在于，步骤2的实现过程为：
5.根据权利要求1所述的数字化车间的生产过程质量系统风险评估方法，其特征在于，所述步骤3，构建T2控制图，具体实现过程为：
6.根据权利要求1所述的数字化车间的生产过程质量
7.根据权利要求1所述的数字化车间的生产过程质量系统风险评估方法，其特征在于，根据生产过程质量系统风险评价指标来确定风险等级；
8.根据权利要求1所述的数字化车间的生产过程质量系统风险评估方法，其特征在于，通过T2控制图相应风险存在点得到生产过程异常发生的时间以及发生在哪个环节，数字化车间能根据这些信息及时进行改进，来完成对数字化车间生产过程质量的管理。
...【技术特征摘要】
1.一种数字化车间的生产过程质量系统风险评估方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的数字化车间的生产过程质量系统风险评估方法，其特征在于，所述步骤1中，根据数字化车间获取生产过程质量的指标参数，生产过程质量的指标参数包括：运输物流、产品贮存、原材料质量、产品设计、产品加工工艺要求、加工设备、加工人员、加工环境相关指标参数数据。
3.根据权利要求1所述的数字化车间的生产过程质量系统风险评估方法，其特征在于，所述步骤2中，分析参数类型及规格，首先将工业过程涉及的相关指标参数数据利用多元统计分析方法，用生产过程质量的指标参数的数据建立一个多维向量，对采集到的生产过程质量参数进行分析，在所有指标参数中获取与生产过程质量强相关性的部分指标参数。
4.根据权利要求1所述的数字化车间的生产过程质量系统风险评估方法，其特征在于，步骤2的实现过...
【专利技术属性】
技术研发人员：胡毅，刘进江，杨华，岳静，陶兴明，方雨清，
申请(专利权)人：航天晨光股份有限公司，
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。