一、引言
八十年代以来，顾客对产品的需求从单一型向多样型转变，国际市场的竞争日趋激烈。据国外的调查表明，企业之间的竞争焦点已从价格因素向柔性、质量、对市场变化的快速响应等非价格因素转移[1]。随着世界工业市场竞争的不断加剧，为了生存和发展，越来越多的企业认识到实施先进制造技术的重要性，并已经开始引进和实施AMT[2]。在AMT的研究和应用不断取得成功的同时，也有许多企业发现AMT带来的效益并不如所期望的那么大，甚至还有许多失败的例子摆在人们面前。影响先进制造技术成功应用的因素有很多，其中一个重要的因素是产品的质量。
传统的统计过程质量控制基于休哈特控制图，监测控制同一产品的同一质量特征的变化规律，使之满足精度并保持稳定，在刚性自动化大生产中得到了广泛的应用，并取得了巨大的经济效益[3]。但是，在小批量生产方式占主导地位的AMT生产环境下，传统的统计模型无法得到足够的数据来建立统计控制关系。因此，传统的SPQC却不能直接被应用在AMT生产环境下，SPQC需要一种新的指导思想。对此，国内外均做了一些研究[4-8]，提出一些解决方案，但均没能在根本上解决数据不足的问题。
此外，在先进制造系统中还存在对控制图的识别问题。传统的生产环境下控制图是否处于统计控制状态下，是由人对控制图进行统计状态的识别。在AMT生产环境下如果继续沿用这种方法，一方面影响信息反馈的及时性，另一方面工人一直监视控制图会提高工作强度，降低他们的工作效率。利用模式识别算法对控制图自动识别，就可以很好地解决这两方面的问题。有一些工序的失控状态很容易用普通算法识别，例如控制变量超出控制界限以及连续的上升和下降的趋势。然而对于小波动的持续上升或下降或者是循环变化趋势，则难以用普通方法进行判断。
......

内容摘要、关键词 1
一、引言 1
二、基于等效工序能力的统计过程质量控制方法 2
1.等效工序能力控制的理论基础 2
2. x-Rs 控制方法统计变量的计算 3
三、异常模式自动识别 6
四、结论 7
参考文献 8

[1] Levy, P. et al., “Organizational Strategy for CIM”, Computer-Integrated Manufacturing System, 1991,4.
[2] 国家科委科技司情报司， 航空航天部航天科技情报研究所， “美国国家关键技术”， 1991.9.
[3] M.Al-Salti and A.statham, “A Review of the Literature of the Use of SPC in Batch Production”, Quality and Reliability Engineering International. Vol.10, pp 49-61.
[4] 王永信，单件、小批加工质量统计分析方法的研究，西安交通大学，1991.
[5] George F.Koons, Jeffery J.Luner,SPC in Low-volume Manufacturing:A Case Study,J.of Quality Technology,vol.23,No.4,1991.
[6] Stephen V.Crowder, “An SPC Model for Short Production Runs:Minimizing Expected Cost”, Technometrics 1992.2 Vol.34 pp64-73.
[7] Patrica P.Ramsey, “Simple Tests of Normality in Small Samples”, Jounal of Quality Technology, 1990.10, Vol.22, pp 299-307.
[8] Shih-Yen Lin, “Short-Run Statistical Process Control:Multicriteria Part Family Formation”, Quality and Reliability Engineering International, 1997, Vol.13, pp 9-24.
[9] 郎志正，《质量控制方法与管理》，国防工业出版社，1989.5。

摘要：本文在分析先进制造技术(AMT)环境下实施统计过程质量控制技术的发展现状的同时，讨论了将统计过程质量控制(SPQC)技术应用于先进制造环境下所存在的问题。根据所提出的问题，研究了面向先进制造环境，基于等效工序能力的统计过程质量控制方法；开发了基于前馈型BP神经网络的加工过程异常模式自动识别软件。
关键词：先进制造技术，统计过程质量控制，模式识别，质量保证