تشخيص منابع خطاي فرآيندي در فرآيندهاي ماشين كاري چند مرحله اي

Fault Diagnosis of Process Errors in Multistage Machining Processes

چكيده دستيابي به يك كنترل كيفيت كارآمد، از جمله مسايل مهم در توسعه و بهبود فرآيندهاي ماشين كاري چندمرحله اي است، به خصوص زماني كه خط توليد بطور پيوسته در حال كار است و مشخصه هاي محصولي در پايان خط اندازه گيري مي شوند. تعيين منبع بروز خطا به منظور كاهش تغييرات مشخصه هاي محصولي بطور قابل توجهي در رديابي، تشخيص و كنترل فرآيندهاي ماشين كاري كاربرد دارد. روش هاي انطباق الگويي و برآورد آماري از جمله روش هاي شناخته شده اي هستند كه در تعيين منابع بروز خطا به كار گرفته مي شوند اما اين روش ها اغلب با تكيه بر مدل هاي تحليلي و الگوهاي پيچيده، بر تشخيص مرحله به مرحله خطا تمركز يافته اند كه نرخ بالايي از هشدارها را درپي خواهند داشت. در اين مقاله، با به كارگيري تحليل تمايز در مدل سازي انتشار تغييرات خطاهاي فرآيندي، رويكردي نوين در تشخيص منابع خطاي مشخصه هاي محصولي ارايه شده است كه در آن، با تخصيص بردار مشاهدات اندازه گيري شده در انتهاي خط به قانون دسته بندي، منبع انحرافات درون مرحله ماشين كاري تعيين مي شود. كاربرد اين رويكرد در يك مطالعه موردي تحقق يافته است. رويكرد تشخيص خطاي ارايه شده در سيستم هاي چندمرحله اي بزرگ و متشكل از فرآيندهاي ماشين كاري از قبيل صنايع خودروسازي و هوافضا مي تواند به كار گرفته شود.

Statistical process control provides useful tools to improve the quality of multistage machining processes, specifically in continuous manufacturing lines, where product characteristics are measured at the final station. In order to reduce process errors, variation source identification has been widely applied in machining processes. Although statistical estimation and pattern matching based methods have been utilized to monitor and diagnose machining processes, most of these methods focus on stage-by-stage inspection using complex models and patterns. However, because of the existence of high rate alarms and the complexity of the machining processes, a surrogate modeling is needed to solve quality control problems. Here, a novel approach based on variation propagation modeling and discriminant analysis of setup errors is proposed to diagnose faults in multistage machining processes. In this approach, the future deviation is also allocated to the classification rule of process errors and finally the source of deviation is identified within machining process. The applicability and the performance of the proposed within stage fault diagnosis is investigated using an illustrative case study. The proposed approach can be used in vast multistage machining processes such as aerospace and automotive industries.