基于apl的雙抽樣均值控制圖的優(yōu)化設(shè)計

1、<p>　　基于APL的雙抽樣均值控制圖的優(yōu)化設(shè)計</p><p>　　摘要：以平均產(chǎn)品長度作為度量標準，研究了雙抽樣均值控制圖的優(yōu)化設(shè)計問題。分析了雙抽樣均值控制圖的平均產(chǎn)品長度的計算方法，在此基礎(chǔ)上建立了控制圖參數(shù)設(shè)計的優(yōu)化模型，并通過與原有的雙抽樣均值控制圖的性能對比，驗證了該優(yōu)化設(shè)計模型的有效性。 </p><p>　　關(guān)鍵詞：平均產(chǎn)品長度 雙抽樣控制圖 優(yōu)化設(shè)計 <

2、;/p><p><b>　　1 概述 </b></p><p>　　控制圖是企業(yè)中進行質(zhì)量管理和控制的基本方法之一，對產(chǎn)品質(zhì)量的好壞起著至關(guān)重要的作用?？刂茍D首先由Shewhart于1924年提出，之后得到了廣泛的研究與引用，取得了相當不錯的經(jīng)濟效益與社會效益，尤其是對戰(zhàn)后世界經(jīng)濟的發(fā)展做出了巨大的貢獻。但隨著制造業(yè)的發(fā)展，生產(chǎn)的靈活性越來越高，原先的固定抽樣區(qū)間和固定樣

3、本容量的靜態(tài)控制圖已不能滿足質(zhì)量監(jiān)控的需要，于是Reynolds等提出了變化抽樣區(qū)間的均值（Variable Sampling Intervals，VSI）控制圖[1]，并由此形成了動態(tài)控制圖這一新的研究領(lǐng)域。后來又有人提出變化樣本容量（Variable Sampling Size，VSS）控制圖、雙抽樣（Double Sampling，DS）控制圖等，并取得了一系列關(guān)于這類動態(tài)控制圖的研究成果[2-4]。Costa曾比較了VSS、VS

4、I和DS控制圖，結(jié)果發(fā)現(xiàn)DS控制圖的監(jiān)測效率最高[5]。目前，DS控制圖正逐漸成為研究的熱點。DS控制圖最早是由Daudin提出的，他首先將二次抽樣檢測的概念結(jié)合到控制圖理論中，采用兩個階段的抽樣來監(jiān)控過程，這種方法能降低抽樣數(shù)量并提升檢測過程偏移能力[</p><p><b>　　2 DS控制圖 </b></p><p>　　Daudin提出的DS控制圖將兩個不同控

5、制限的常規(guī)控制圖結(jié)合在一起進行過程質(zhì)量監(jiān)控，并在雙抽樣的第一階段的控制圖中增加了警告界限，如圖1所示。 </p><p>　　第一階段抽樣及監(jiān)控 第二階段抽樣及監(jiān)控 </p><p>　　圖1 DS均值控制圖 </p><p>　　圖1中，L1和-L1分別表示第一階段的控制界限；w和-w分別表示第一階段的警告界限；L2和-L2分別表示第二階段的控制界限。在DS控制圖

6、的使用過程中，首先從第一階段抽樣和監(jiān)控開始，先抽取樣本容量為n1的一個樣本，并計算均值X1，若X1落在I1區(qū)域，則判斷過程處于受控狀態(tài)；若X1落在I2區(qū)域，則判斷過程處于失控狀態(tài)；若X1落在I3區(qū)域，則無法直接進行判斷，需要進行第二階段抽樣及監(jiān)控，再抽取樣本容量為n2的一個樣本，并計算均值X2，在第二階段監(jiān)控時必須包含第一和第二階段的樣本數(shù)據(jù)，因此第二階段控制圖的統(tǒng)計量為X2■=■，若X2■落在I4區(qū)域，則判斷過程處于受控狀態(tài)；若落在I

7、5區(qū)域，則判斷過程處于失控狀態(tài)。 </p><p><b>　　3 APL的計算 </b></p><p>　　平均產(chǎn)品長度的定義為從均值或方差的變化發(fā)生到這個變化在控制圖中被發(fā)現(xiàn)之間生產(chǎn)工序平均生產(chǎn)的產(chǎn)品數(shù)量[8]。而受控情況下的APL，用APL0表示，指從方案開始到產(chǎn)生一個錯誤報警信號之間平均生產(chǎn)的產(chǎn)品數(shù)。n表示控制圖上描一個點代表的樣本容量的大小。S表示在偏移發(fā)

8、生到被發(fā)現(xiàn)之間抽樣的樣本的個數(shù)。Z表示從偏移發(fā)生到之后第一個樣本之間的產(chǎn)品數(shù)。一個常量h表示樣本之間間隔的產(chǎn)品數(shù)。L，即產(chǎn)品運行長度，表示產(chǎn)品的均值或方差的變動發(fā)生到該變動被發(fā)現(xiàn)之間生產(chǎn)的總產(chǎn)品數(shù)。如圖2所示，L的數(shù)學表達可以用公式（1）表示： </p><p>　　L=Z+h（S-1）+nS=Z+hS-h+nS； （1） </p><p>　　產(chǎn)品運行長度L的期望，即APL，就可用樣本容

9、量n和抽樣比例r表示出來： </p><p>　　APL=E（L）=E（Z）+[E（n）+h]E（S）-h； （2） </p><p>　　對于E（S），它就是通常用于控制圖性能度量的平均運行長度（ARL），若過程處于穩(wěn)定狀態(tài)，通常用ARL0=1/a表示，其中a為控制圖第一類錯誤（即虛發(fā)報警）的概率；若過程出現(xiàn)異常，導(dǎo)致過程均值偏移了？啄倍標準差？啄σ，此時用ARL？啄=■，？啄≠0表示，

10、其中β？啄為控制圖第二類錯誤（漏發(fā)報警）的概率。DS控制圖的ARL0和ARL？啄的計算見式（3）和（4）。 </p><p>　　偏移產(chǎn)生 信號產(chǎn)生 </p><p>　　圖2 運行長度的計算圖解 </p><p>　　ARL0=■=■； </p><p><b>　　=■ （3） </b></p><

11、;p>　　ARL？啄=■=■； </p><p>　　其中，Z1=■；Z2=■；Z■■=■； </p><p>　　C=■；r=■；I*■=（-w+？啄■，w+？啄■）； </p><p>　　I*■=（-L1+？啄■，-w+？啄■）∪（w+？啄■，L1+？啄■）。P（?）表示落在某區(qū)域的概率，？椎（?）表示標準正態(tài)分布的累計分布函數(shù)，？準（?）表示標準正態(tài)分

12、布的概率密度函數(shù)。 </p><p>　　對于E（n），在常規(guī)控制圖中，樣本容量是一個常量，每次描點采用的樣本容量都是一樣的，但對于DS控制圖來說，每次描點可能只需用進行一重抽樣，也可能需用進行二重抽樣，因此，每此描點需用的樣本數(shù)是不固定的，在過程處于穩(wěn)定狀態(tài)下，需用的樣本量是比較小的，而當過程出現(xiàn)一定程度的偏移時，就常常需用進行二重抽樣，需用的樣本量就會比較大，因此其數(shù)學期望可以分別考慮在過程穩(wěn)定時的期望樣本量

13、E0（n）和過程偏移程度為？啄倍標準差？啄σ的期望樣本量E？啄（n），見式（5）和（6）。 </p><p>　　E0（n）=n1+n2P（Z1∈I3）=n1+n2?[？椎（-w）-？椎（-L1）+？椎（L1）-？椎（W）] 　　E？啄（n）=n1+n2P（Z1∈I3）=n1+n2?[？椎（-w+？啄■）-？椎（-L1+？啄■）+？椎（L1+？啄■）-？椎（W+？啄■）] （6） </p><

14、;p>　　對于E（Z），當n的值為定值時，Z服從均勻分布，E（Z）=■，但由于DS控制圖每次描點需用的樣本數(shù)是不固定的，因此同樣分別考慮過程穩(wěn)定和過程出現(xiàn)偏移情況下兩種狀態(tài)的數(shù)學期望： </p><p><b>　　E0（Z）=■ </b></p><p><b>　　E？啄（Z）=■ </b></p><p>　　

15、將式（3）――（7）代入到式（2），就可以計算出APL0和APL？啄： </p><p>　　APL0=E0（Z）+[E0（n）+h]?ARL0-h </p><p>　　APL？啄=E？啄（Z）+[E？啄（n）+h]?ARL？啄-h </p><p><b>　　4 優(yōu)化設(shè)計模型 </b></p><p>　　DS控制

16、圖的設(shè)計主要是確定5個參數(shù)：兩個控制限參數(shù)（L1和L2）、兩個階段的抽樣數(shù)（n1和n2）以及第一階段的警告限參數(shù)w?？刂茍D的一般設(shè)計原則是：當過程穩(wěn)定，希望錯誤報警的概率要小，即APL0盡量的大；當過程出現(xiàn)異常，希望漏發(fā)報警的概率要小，即APL？啄越小越好。但虛發(fā)和漏發(fā)報警的概率為反比關(guān)系，不能同時達到最優(yōu)。因此，可以先令A(yù)PL0取一個足夠大的可以接受的固定值，在此基礎(chǔ)上要求APL？啄達到最小。于是，設(shè)APL0為一較大的常數(shù)C，抽樣間隔

17、的產(chǎn)品數(shù)為常數(shù)h，則優(yōu)化設(shè)計模型就可以表示為： </p><p>　　Min APL？啄 </p><p>　　約束：APL0=CAPL？啄　　在上式中，兩個階段的抽樣數(shù)n1和n2為整數(shù)，為了減少計算量，取小于50的數(shù)，事實上生產(chǎn)實踐中也不可能取過大的樣本容量。同樣，兩個控制限參數(shù)L1和L2以及第一階段的警告限參數(shù)w都取小于6的數(shù)。表1為分別設(shè)定C=10000，h=100和C=50000，

18、h=100兩種情況下通過上式優(yōu)化設(shè)計模型，運用MATLAB進行計算的結(jié)果。 </p><p>　　表1 在給定APL0和抽樣間隔的產(chǎn)品數(shù) </p><p>　　h時DS控制圖的優(yōu)化設(shè)計結(jié)果 </p><p><b>　　■ </b></p><p><b>　　5 性能對比 </b></p&g

19、t;<p>　　在我們的模型中，采用的控制參數(shù)都是根據(jù)APL選擇最優(yōu)值，那么這時的控制方案到底比以往的DS控制圖有多優(yōu)越呢？現(xiàn)在我們就拿我們的模型與Irianto和Shinozaki提出的DS圖設(shè)計方案[9]進行比較。分別用基于APL的優(yōu)化設(shè)計模型（Optimal Design）和Irianto和Shinozaki提出的設(shè)計方案（I&S）針對1倍和兩倍標準差的過程偏移進行設(shè)計確定控制參數(shù)，再用兩種方案對各種程度的過

20、程偏移進行監(jiān)控效率的對比，結(jié)果見表2。 </p><p>　　由于Irianto和Shinozaki提出的設(shè)計方案（I&S）是以 為監(jiān)控效率的評價指標，一般都取ARL0在370左右，按照抽樣樣本間隔為h=100的假設(shè)，換算出APL0約為40000，為了便于對兩種設(shè)計方案進行比較，因此同樣取 </p><p>　　C=40000。表2中給出了各種程度過程異常偏移情況下的APL、ARL

21、和E（n）的值，從表中的結(jié)果可以發(fā)現(xiàn)，不論是對較小的過程偏移？啄=1.0還是對較大的過程偏移？啄=2.0，本文提出的優(yōu)化設(shè)計方案發(fā)現(xiàn)異常偏移的效率都是高于Irianto和Shinozaki提出的設(shè)計方案的。 </p><p><b>　　6 結(jié)論 </b></p><p>　　本文主要討論了雙抽樣均值控制圖的平均產(chǎn)品長度的計算方法，并以此作為效率評價指標，建立了該控制

22、圖的優(yōu)化設(shè)計模型。通過與原有的雙抽樣均值控制圖設(shè)計方案的對比，說明新的優(yōu)化設(shè)計模型能夠有效提高雙抽樣均值控制圖技術(shù)檢測各種程度異常偏移的有效性。 </p><p><b>　　參考文獻： </b></p><p>　　[1]Reynolds M R，Amin R W，Arnold J C and Nachlas，J.A.X Charts with Variable S

23、ampling Intervals[J]. Technometrics.1988，30：181-192. </p><p>　　[2]Costa A F.X Charts with Variable Parameters[J]. Journal of Quality Technology.1999，31：408-416. </p><p>　　[3]Costa A F.Joint X an

24、d R Charts with Variable Sample Size and Sampling Intervals[J].Journal of Quality Technology，1999，33：387-397. </p><p>　　[4]王兆軍.關(guān)于動態(tài)質(zhì)量控制圖的設(shè)計理論[J].應(yīng)用概率統(tǒng)計. 2002，18（3）：316-332. </p><p>　　[5]Costa A

25、F.，Rahim M A.Joint X and R Charts with Two Stage Sampling [C].Proceedings of IIE Research Conference.Orlando，F(xiàn)la.，USA：IIE Press，2002：22-24. </p><p>　　[6]Daudin J J.Double Sampling X-bar Charts [J].Journal of

26、 Quality Technology.1992，24（2）：78-87. </p><p>　　[7]He D.Grigoryan A.Construction of Double Sampling Control Charts for Agile Manufacturing[J].Quality and Reliability Engineering International，2002，18（4）：343-

27、355. </p><p>　　[8]王海宇.基于平均產(chǎn)品長度的EWMA圖性能評價與優(yōu)化[J]. 管理工程學報，2007，21（3）：164-167. </p><p>　　[9]Irianto D.and Shinozaki N.An Optimal Double Sampling X-bar Control Chart[J].International Journal of Indus

28、trial Engineering.1998，5：226-243. </p><p>　　[10]Hsu，L.F.Note on“Design of Double and Triple Sampling X-bar Control Charts Using Genetic Algorithms”[J].International Journal of Product Research.2004，42（5）：104