Xreferat.com » Рефераты по радиоэлектронике » Технология и автоматизация производства РЭА

Технология и автоматизация производства РЭА

Любая функция результатов опытов, которая не зависит от неизвест-

ных статистических характеристик, называется статистикой. Оценкой ста-

тистической характеристики Q называется статистика, реализация кото-

рой, полученная в результате опытов, принимается за неизвестное истин-

ное значение параметра Q. Оценка называется состоятельной, если она

сходится по вероятности к Q при неограниченном увеличении числа опытов

n. Чтобы оценка была состоятельной, достаточно, чтобы ее дисперсия

стремилась к нулю при неограниченном увеличении числа опытов n.

Случайный интервал, полностью определяемый результатами опытов и

независящий от неизвестных характеристик, который с заданной вероят-

ностью а накрывает неизвестную скалярную статистическую характеристику

Q, называется доверительным интервалом для этой характеристики, соот-

ветствующим коэффициенту доверия а. Величина 1-а называется уровнем

значимости отклонения оценки. Концы доверительного интервала называют-

ся доверительными границами.

Как показывает практика, распределение случайной величины невоз-

можно точно определить по результатам опытов. Полученные эксперимен-

тальные результаты дают возможность только строить различные гипотезы

о распределении случайной величины, например, гипотезу о том, что она

распределена нормально. Поэтому возникает задача проверки гипотез. Эта

задача состоит в том, чтобы определить, насколько согласуется та или

иная гипотеза о распределении случайной величины с полученными экспе-

риментальными данными. Эта задача тесно связана с задачей определения

доверительных областей для плотности или функции распределения. Однако

она имеет следующие особенности. Проверяя гипотезу о нормальном расп-

ределении, по той же выборке обычно оценивают математическое ожидание

и ковариационную матрицу (дисперсию в случае одномерного распределе-

ния) случайной величины. Вследствие этого гипотетическое распределение

оказывается само случайным - функцией случайных результатов опытов.

Это и отличает задачу проверки гипотез о распределении от задачи опре-

деления доверительных областей для распределений. И только в отдельных

случаях может возникнуть задача проверки гипотезы о том, что случайная

величина подчинена вполне определенному закону распределения, не зави-

сящему от неизвестных параметров.

Для проверки гипотез о распределении применяются различные крите-


- 95 -


рии согласия. Наиболее удобным и универсальным критерием является кри-

терий  7c 52 0 (хи-квадрат) К.Пирсона. Он совершенно не зависит от распреде-

ления случайной величины и от ее размерности. Критерий Пирсона основан

на использовании в качестве меры отклонения экспериментальных данных

от гипотетического распределения той же величины, которая служит для

построения доверительной области для неизвестной плотности, с заменой

неизвестных истинных значений вероятностей попадания в интервалы веро-

ятностями, вычисленными по гипотетическому распределению.

Посмотрим использование статистического метода на примере статис-

тического анализа производственных погрешностей. Данный метод анализа

позволяет устанавливать качественные взаимосвязи факторов, вызывающих

производственные погрешности, учитывать характер их влияния на суммар-

ную погрешность. Статистический анализ делят на два этапа. Первым эта-

пом является конкретный анализ исследуемого процесса, а вторым - выбор

объектов исследования, определение объема экспериментов и назначение

средств технического контроля. Средства технического контроля (измери-

тельные средства) должны выбираться такими, чтобы соотношение между

предельными погрешностями измерения и заданным допуском на определен-

ный параметр качества было порядка 1:10 и даже 1:20. Точные измери-

тельные средства назначаются для обеспечения надежности выводов. Необ-

ходимо тщательно соблюдать одни и те же условия проведения опытов и

измерений.

Непосредственно за этими подготовительными работами следует:

1. собственно наблюдения изучаемого узла (измерение параметров,

определение свойств и т.п.);

2. группировка полученного при наблюдениях статистического мате-

риала;

3. сводка результатов наблюдения и вычисление параметров распре-

деления изучаемого узла;

4. анализ параметров распределения изучаемого узла.

Изменение значений параметров деталей, узлов и т.д., колеблющихся

в определенных пределах, называется вариацией, а ряд значений парамет-

ров для всей партии выборки деталей - вариационным рядом. Этот ряд от-

ражает закономерность соответствующего технологического процесса. Ва-

риационный ряд, выраженный графически, позволяет получить кривую расп-

ределения производственных погрешностей параметров изучаемого узла.

Однако, вычисление характеристик распределения погрешностей проще

и удобнее производить не по данным вариационного ряда, а по данным,

предварительно сгруппированным в интервале значений интересующего нас

параметра. Возникает необходимость перехода от вариационного к интер-

вальному ряду распределения погрешностей. По протоколу измерения пара-

метров деталей находят два значения, соответствующие максимальным

крайним отклонениям от номинала, т.е. Х 4макс 0 и Х 4мин 0. Используя эти зна-

чения, находим размах варьирования: R=Х 4макс 0-Х 4мин 0 (89). Для перехода к

интервальному ряду необходимо определить количество интервалов и их

ширину. Количество интервалов выбирают таким, чтобы на каждый интервал

в среднем приходилось не менее 10 значений из общего количества наблю-

дений исследуемого параметра, т.е. р=0,1n. Ширина интервала определя-

ется из выражения: dx=R/(0,1n -1) (90), где n - количество деталей в

исследуемой партии.

При определении границ интервалов рекомендуется начинать ряд со

значения, величина которого на 0,5 интервала меньше Х 4мин 0 и заканчивать

ряд величиной, которая превышает Х 4макс 0 также на 0,5 интервала. Границы

и средние значения интервала распределения записываются в форме табли-

цы 5.

Частота заполняется по данным протокола измерений с разнесением

всех частных значений исследуемого параметра по соответствующим интер-

валам. Количество значений исследуемого параметра, попавших в тот или


- 96 -


Таблица 5

┌────────┬────────────────────────────┬──────────────┬──────┬────────┐

│n интер-│Границы интервалов │Середина ин- │часто-│частость│

│вала │ │тервала │та mj │mj/n │

├────────┼────────────────────────────┼──────────────┼──────┼────────┤

│ 1 │Х 4мин 0-0,5dх - Х 4мин 0+0,5dх │Х 4мин 0 │ m 41 0 │ m 41 0/n │

│ 2 │Х 4мин 0+0,5dх - Х 4мин 0+1,5dх │Х 4мин 0+dх │ m 42 0 │ m 42 0/n │

│ 3 │Х 4мин 0+1,5dх - Х 4мин 0+2,5dх │Х 4мин 0+2dх │ m 43 0 │ m 43 0/n │

│........│............................│..............│......│........│

│ р │Х 4макс 0-0,5dх - Х 4макс 0+0,5dх │Х 4макс 0 │ m 4p 0 │ m 4p 0/n │

├────────┼────────────────────────────┼──────────────┼──────┼────────┤

│  7S 0 │Х 4мин 0-0,5dх - Х 4макс 0+0,5dх │(Х 4мин 0+Х 4макс 0)/2│ n │ 1 │

└────────┴────────────────────────────┴──────────────┴──────┴────────┘

иной интервал, составляет частоту m 4j 0. Соотношение m 4j 0/n называется час-

тостью и представляет собой частость значений исследуемого параметра и

определяется для каждого интервала как отношение количества и значений

интересующего нас параметра, попавших в данный интервал к общему коли-

честву значений параметра в исследуемой партии. Контроль правильности

заполнения граф по частотам и частостям производится суммированием

заключенных в них значений по всем интервалам. При этом сумма частот

должна быть равна n, а сумма частостей - единице.

Таким образом, исходный вариационный ряд, представляющий собой

результаты измерения параметров изделий (деталей или узлов) в коли-

честве n шт., заменяют интервальным рядом распределения, включающим в

конечном счете всего р значений (по числу интервалов) варьирующего

признака.

Для большей наглядности прибегают к графическому изображению ин-

тервальных рядов распределения в виде гистограммы или полигона. Пост-

роение интервального ряда в виде гистограммы основано на предположе-

нии, что плотность частоты (частости) остается постоянной внутри каж-

дого интервала и меняется скачками на краях интервалов. Строится гис-

тограмма следующим образом: на оси абсцисс откладываются интервалы

значений исследуемого параметра, над каждым из которых строится прямо-

угольник, площадь которого пропорциональна частоте (частости) в этом

интервале. Т.к. все интервалы имеют одинаковую ширину, то высоты пря-

моугольников оказываются пропорциональными частотами или частостями.

──────────────────────────────────────────────────────────────────────


│ m/n X 4ср

│<─────────────>│

│< 1-янв-1980>┌─┼─┐

│номинал по ┌┤ │ │

│ ТУ ││ │ ├───┐

│ ││ │ │ │

│ ││ │ │ │

│ ┌───┤│ │ │ │

│ │ ││ │ │ │

│ │ ││ │ │ ├──┬─┐

│ ┌────┤ ││ │ │ │ │ │

└┬┬─┴────┴───┴┴─┴─┴───┴──┴─┴──┬─┬─────────────── X

0││ Х 4мин 0 Х 4макс 0 │ │

││<─────────────────────────>│ │

│ поле допуска по ТУ │

│<────────────────────────────>│

поле отклонений

Рис. 13. Гистограмма и полигон распределения погрешностей

──────────────────────────────────────────────────────────────────────

Принятое выше допущение для построения гистограммы безусловно


- 97 -


исключает реальный характер закона распределения погрешностей исследу-

емого параметра и тем сильней, чем больше длина интервала.

Более близким к действительности является предположение о равно-

мерном изменении плотности частоты или частости от интервала к интер-

валу. Такое суждение приводит нас к необходимости изображения интер-

вальных рядов в виде полигонов распределения. Для построения полигона

необходимо из середины каждого интервала провести ординаты, высота ко-

торых пропорциональна частотам или частостям, и концы ординат соеди-

нить ломаной линией.

Ординаты гистограмм и полигонов в более общем случае при неравных

интервалах представляют собой отрезки, пропорциональные плотности час-

тоты или частости. Что касается частот (частостей), то они изображают

площади прямоугольников на гистограмме и, следовательно, площадь тра-

пеции с ломаной вершиной на полигоне распределения погрешностей.

На этом же графике отмечены номинал исследуемого параметра и поле

допуска относительно номинала, а также среднее значение (центр распре-

деления) и поле отклонений, представляющее собой величину  7+ 0 s 4x 0, отло-

женного относительно среднего значения. Этот график позволяет делать

многие выводы о ходе технологического процесса и качестве выпускаемой

продукции:

- отклонение среднего значения от номинального показывает систе-

матическую погрешность настройки технологического оборудования;

- s 4x 0 характеризует случайную составляющую погрешности и ее срав-

нение с полем допуска позволяет сделать вывод о правильности выбора

точностных характеристик используемого оборудования и необходимости их

корректировок;

- отношение площади той части гистограммы, которая находится за

пределами поля допуска, к общей площади гистограммы позволяет оценить

долю брака в выпускаемой продукции.

Однако, с гистограммой работать не очень удобно, ее следует апп-

роксимировать. Для этого используется метод сплайн-интерполяции, кото-

рый заключается в использовании интервальных рядов. В этом методе

функция между каждыми двумя соседними точками аппроксимируется полино-

мом третьей степени: y=ax 53 0+bx 52 0+cx+d (91), а коэффициенты a, b, c, d

выбираются так, чтобы сходящийся в каждой точке "правый" и "левый" по-

лином имели равные первую и вторую производные. Другими словами, поли-

номы на отрезке [X 4мин 0,X 4макс 0] "сшиваются" по двум производным; в ре-

зультате получается единая гладкая кривая. Однако эта кривая еще не

является аппроксимацией функции плотности вероятности, поскольку еще

не выполнено условие нормирования. Поэтому следующим этапом является

вычисление интеграла:

Х 4макс 0-dx/2

J= 73 0f(x)dx (92)

X 4мин 0+dx/2

Если после вычисления произвести деление f(x) на J: w 5* 0(x)=f(x)/J (93),

то полученная функция будет иметь интеграл в в указанных пределах ин-

тегрирования равный единице и поэтому функция будет аппроксимировать

действительную плотность вероятности на отрезке, ограниченном пределом

интегрирования.

В качестве примера рассмотрим технологический процесс производс-

тва типовых элементов замены (ТЭЗов). Основным параметром, характери-

зующим качество, будем считать время наработки на отказ t 4o 0 в условиях

механических воздействий, которое, согласно техническим условиям, не

должно быть меньше t 4отмин 0. Следует решить задачу о серийнопригодности,

при этом, процент выхода годных ТЭЗов должен быть равен 90%. Решение

сводится к вычислению интеграла  7$

J= 73 0w(t 4o 0)dt 4от 0 (94),

t 4отмин


- 98 -


где w(t 4о 0) - функция плотности вероятности отказов. Если J>0,9, делает-

ся вывод о серийнопригодности ТЭЗа. Если нет, то можно предпринять

следующие корректирующие действия:

1. Можно снизить требование к проценту выхода годных, однако, как

следствие, возрастет стоимость продукции, поэтому такая мера приемлема

только в условиях мелкосерийного производства.

2. В крупносерийном или массовом производстве следует произвести

регулировку и настройку технологического оборудования, либо замену его

части с целью уточнения параметров технологического процесса; при этом

должен увеличиваться процент выхода годных.

3. Если нет возможности произвести замену оборудования, а сущест-

вующее не позволяет более точно поддерживать параметры технологических

процессов, следует направить проект на доработку, чтобы с помощью но-

вых конструктивных решений, замены элементной базы и др. решений повы-

сить механическую прочность ТЭЗа.

В качестве другого примера использования аппарата теории вероят-

ности рассмотрим статистическое регулирование технологических процес-

сов по альтернативному признаку.

Статистическое регулирование ТП, корректировка его параметров в

ходе производства с помощью выборочного контроля качества изготавлива-

емой продукции производится с целью технологического обеспечения тре-

буемого качества и предупреждения брака. Оно предусматривает своевре-

менность установления нормального состояния ТП по ограниченному числу

наблюдений с немедленным принятием мер по приведению ТП в надлежащее

состояние. Однако, ТП должен быть устойчивым, поддающимся регулирова-

нию и обеспечивающим заданный показатель качества продукции.

Поэтому перед применением статистических методов регулирования ТП

проводится тщательное изучение, анализ его с целью выявления причин,

изменяющих показатель качества продукции, определения статистических

закономерностей процесса, их числовых значений, а в случае необходи-

мости также и изучение его для достижения нужной устойчивости и обес-

печения необходимого уровня качества продукции. В массовом и крупносе-

рийном производстве применение упрощенных статистических методов регу-

лирования не дает достаточно достоверных результатов, поэтому при та-

ком производстве рекомендуется применять метод статистического регули-

рования по альтернативному признаку.

Альтернативный метод - это контроль качества, при котором единицы

продукции делятся на две группы - годные и дефектные, а решение о

контролируемой совокупности принимается в зависимости от числа дефект-

ных единиц продукции, обнаруженных в выборке. Выборка - это определен-

ное количество единиц штучной продукции, взятых из исследуемой сово-

купности в определенном объеме.

Объем выборки (количество единиц штучной продукции), период отбо-

ра (время между очередными выборками или пробами из потока продукции),

уровень регулирования (ограничивающий допустимые отклонения уровня ка-

чества в выборках или пробах) определяются на основе данных статисти-

ческого анализа ТП и требований надежности к качеству проверки продук-

ции методами математической статистики.

Расчет проводится на основе приемочного уровня качества продукции

(т.е. такого, при котором имеется относительно низкая вероятность при-

емки дефектной партии продукции), браковочного уровня качества (т.е.

такого, при котором относительно низка вероятность забраковки годной

партии продукции), а также риска излишней настройки (вероятность того,

что по статистической оценке будет принято решение проводить очередную

настройку, в то время как в ней нет необходимости) и риска незамечен-

ной разладки (вероятность того, что по статистической оценке будет

принято решение не проводить настройку, в то время как в действитель-

ности она необходима).


- 99 -


Составляется контрольная карта для графического отображения изме-

нения уровня качества, в которую заносятся значения статистических ха-

рактеристик очередных выборок или проб и уровня регулирования в виде

линии, ограничивающей допустимые отклонения качества в выборках или

пробах. При выходе качества выборки за пределы границ требуется регу-

лирование ТП.

Имеется несколько методов статистического регулирования ТП по

альтернативному принципу. Это методы учета доли дефектности, числа де-

фектности, числа дефектных единиц, среднего числа дефектов на единицу

продукции и др.

Метод доли дефектности основан на определении отношения числа де-

фектных единиц продукции к общему числу проверенных в выборке единиц.

Он лучше других тем, что объем выборки при этом методе необязательно

должен быть одинаковым в каждой выборке, а может в определенных преде-

лах изменяться от одной выборки к другой к другой в случае необходи-

мости.

Предварительное изучение ТП проводится с целью выявления причин,

изменяющих показатель качества и определения устойчивости, стабильнос-

ти процесса, составления норм и правил статистического регулирования

ТП. Во время изучения ТП необходимо фиксировать наладки процесса, ме-

роприятия по поддержанию его в надлежащем состоянии. Результаты наблю-

дения по дефектностям изделий заносятся в контрольную карту. Продолжи-

тельность проведения исследования ТП должна охватить несколько перио-

дов между его наладками.

С целью определения устойчивости и других параметров ТП после

каждой настройки проводится сплошной контроль между выборками. Из по-

лученного материала определяются следующие параметры. Доля брака (де-

фектности) между двумя последовательными дефектными единицами p 4i 0=1/t 4i

(95), где t 4i 0- интервал между двумя дефектными единицами продукции (в

единицах продукции или времени). Среднее значение интервалов между

двумя последовательными дефектными единицами

m

t 4c 0=1/m 7S 0t 4i 0 (96), где m - количество интервалов, в которых произведен

i=1

сплошной контроль изделий. Среднее квадратичное отклонение интервалов

между двумя дефектными единицами m

s 4y 0=[1/(m-1) 7S 0(t 4i 0-t 4c 0) 52 0] 51/2 0 (97)

Если Вам нужна помощь с академической работой (курсовая, контрольная, диплом, реферат и т.д.), обратитесь к нашим специалистам. Более 90000 специалистов готовы Вам помочь.
Бесплатные корректировки и доработки. Бесплатная оценка стоимости работы.

Поможем написать работу на аналогичную тему

Получить выполненную работу или консультацию специалиста по вашему учебному проекту
Нужна помощь в написании работы?
Мы - биржа профессиональных авторов (преподавателей и доцентов вузов). Пишем статьи РИНЦ, ВАК, Scopus. Помогаем в публикации. Правки вносим бесплатно.

Похожие рефераты: