针对大多数制造业生产过程中对产品质量只注重问题处理,忽略挖掘问题潜在原因,造成质量分析滞后、质量信息利用不充分的问题,引入事先预警的理念,利用决策树C4.5算法,对大量生产加工数据进行挖掘,建立制造质量分析模型,运用该模型挖掘质量数据中潜在的质量影响因素,找到影响生产的关键因素。文章以滚齿加工过程累积的质量数据来训练检测模型,试验表明,所建模型对数据分类准确率高,满足企业需求,为企业持续改进质量提供决策支持,降低了生产的不合格率。

为满足多品种、小批量生产方式的电梯零部件企业对产品制造过程质量可追溯性的需求,在分析了电梯零部件实际生产流程中及其存在的问题的基础上,提出了基于二维码和RFID（无线射频识别）技术的离散产品工序质量数据实时采集以及质量可追溯的方法,并把批次管理的思想引入车间的工序控制中,构建了一种新的电梯零部件生产流程管理和质量追溯模式。在此基础上,设计开发了基于RFID和二维码技术的系统模型,并在某企业得到成功运用,实现了产品的实时跟踪与质量追溯。

针对数字化工厂背景下制造企业机加工车间存在的数据实时采集难、质量异常状态分析与诊断不及时等问题,提出了集质量数据采集—分析—诊断—调整于一体的面向数字化工厂的动态过程在线质量控制方法。该方法综合运用SPC、神经网络、专家系统等理论与技术,建立工序质量在线控制系统,并对其中面向数字化工厂的质量数据在线采集方法、基于SPC和神经网络的工序质量智能诊断方法以及基于专家系统的工序质量调整方法进行了详细分析。最后,以某电梯零部件企业的机加工车间为例,验证了该多品种小批量动态过程在线质量控制方法的可行性和有效性。

针对某电梯零部件制造企业对产品制造过程质量可控性的要求,结合电梯零部件生产企业多品种、小批量的生产特点,提出基于SPC（统计过程控制）和神经网络的电梯零部件工序质量控制方法。将加工件的质量相关数据采集到MES系统中,再根据质量数据绘制出加工件的x-R控制图（均差-极值）,然后建立用于控制图模式识别的神经网络模型,并使用遗传算法对神经网络的参数进行优化,使网络误差达到最小。在正确的识别了控制图模式后,可实时的监控生产过程中存在的问题并予以处理。最后,通过实例验证了基于SPC和神经网络的多品种小批量机加工车间工序质量控制方法的可行性。