книги из ГПНТБ / Контроль качества продукции машиностроения учебное пособие
..pdfГ = п |
S - |
(Pi — Pi)- |
(70) |
/ |
l |
Pi |
|
Учитывая, что /V* = — |
i где /л, — число |
измерений в i-ом |
|
разряде, получим |
и |
|
|
|
(/и,- — »/;,)- |
|
|
|
i=i |
HPi |
|
К. Пирсон показал, что с увеличением п закон распределения выборочной функции (70) приближается к распределению хи-квадрат с m — k —r числом степеней свободы, где /' — число независимых условий, наложенных на частоты р,-. Примерами таких условий могут быть:
(71)
г=1
если требуем, чтобы сумма частот была равна единице (это требование накладывается во всех случаях);
П
(72)
если требуем, чтобы теоретическое математическое ожидание совпадало со средним выборочным;
s (а-, - 7 ) 2 |
|
о2 = s2 = —----------, |
(73) |
п |
|
если требуем, чтобы теоретиче ская дисперсия совпадала с выбо рочной и т. д. Критическая об ласть для гипотезы # 0 задается неравенством
х * > й : . . |
<74> |
где 7-1 т — решение |
уравнения |
я {/.2> 'Л : j = * . |
(75) |
представленное в табл. 9. Заметим, что при пользовании
критерием %2 должны быть соблю дены следующие условия:
число опытов п достаточно ве лико;
в каждом интервале должно
П р и м е р |
28. В табл. |
14 |
представлены |
результаты двух |
|
сот наблюдений. |
|
|
|
Т а б л и ц а |
14 |
№ и н т е р в а л а |
Ч а с т о т а |
|
1 |
и |
|
2 |
и |
|
3 |
2 0 |
|
4 |
27 |
|
5 |
36 |
|
6 |
29 |
|
7 |
18 |
|
8 |
17 |
|
9 |
17 |
|
Ю |
8 |
|
И |
6 |
|
100
быть не менее пяти наблюдений (требования к назначению границ интервалов).
Необходимо проверить согласованность опытных данных с гипотезой о том. что случайная величина X имеет нормальное распределение.
Результаты расчетов сведены в табл. 15.
|
|
|
|
|
|
|
|
|
|
Т а б л и ц а |
15 |
№> |
интер |
III ■ |
|
пр, |
|
т . —пр. |
|
|
( m . _ np.)2 |
||
|
|
(т .—пр.у- |
|
||||||||
|
вал;] |
1 |
|
|
|
|
|
|
|
“Р; |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
11 |
|
9,29 |
|
1,71 |
|
2,9211 |
0,31 |
|
|
|
2 |
11 |
|
13,48 |
|
2,43 |
|
6,1504 |
0.46 |
|
|
|
3 |
20 |
|
18,60 |
|
1,20 |
|
1,4400 |
0,08 |
|
|
|
4 |
27 |
|
25,88 |
|
1,12 |
|
1,2544 |
0,05 |
|
|
|
5 |
36 |
|
30,17 |
|
5,83 |
33,9889 |
1,13 |
|
||
|
6 |
29 |
|
30,59 |
|
1.59 |
|
2,5281 |
0,08 |
|
|
|
7 |
18 |
|
26,63 |
|
8,63 |
74,4760 |
2,80 |
|
||
|
8 |
17 |
|
19,92 |
|
2,92 |
|
8,5264 |
0,43 |
|
|
|
9 |
17 |
|
14,79 |
|
2,21 |
|
4,8841 |
0,33 |
|
|
|
10 |
8 |
|
7,06 |
|
0,94 |
|
0,8836 |
0,12 |
|
|
|
11 |
6 |
|
5,31 |
|
0,69 |
|
0,4761 |
0,09 |
|
|
|
|
200 |
|
|
|
|
|
|
|
5,88 |
|
|
Теоретические частоты определяли по формуле |
|
|
|
|||||||
|
|
|
Pi = |
( Xj-1—х |
|
|
|
|
|
||
|
|
|
«•> |
|
5 |
|
|
|
|
|
|
где |
|
|
I |
|
|
|
|
|
|
||
|
|
|
П |
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
- |
/ -- 1Х1 |
0,0284; |
|
|
|
||
|
|
|
|
X= |
------ |
|
|
|
|||
|
|
|
|
|
|
it |
|
|
|
|
|
|
|
|
5 = |
|
|
п |
|
|
|
|
|
|
|
|
|
п |
2 |
— х)2 = |
0,0515. |
|
|
||
|
|
|
|
|
f=-l |
|
|
|
|
|
|
Поскольку А = |
11,7, |
г = 3 |
(связи, |
наложенные на сумму частот, значения |
ге |
||||||
неральных р и а ) , |
то т — 8. |
Выбирая |
а = 0,05, |
по |
табл. 9 |
находим, |
что |
||||
у2 |
т = 15.5. Поскольку у } = 5,88<х2 |
т , гипотеза Я 0 принимается. |
|
||||||||
|
Критерий |
Колмогорова. |
Критерий, |
разработанный |
|||||||
А. Н. Колмогоровым, своей простотой |
выгодно отличается от |
критерия х2. Однако он обладает существенным недостатком: при его применении необходимо знать не только вид функции распределения, но и ее параметры, что на практике возможно
101
s
далеко не всегда. Если все же применять этот критерий в тел случаях, когда параметры теоретического распределения вы бираются по статистическим данным, критерий дает заведомо завышенные значения вероятностей. Поэтому в ряде случаев мы рискуем принять как правдоподобную гипотезу, в действи тельности плохо согласующуюся с опытными данными.
В качестве выборочной функции рассматривается функция
D = max | К* (.v) — F (.v) | , |
(76) |
где F*{x) — эмпирическая функция распределения |
(рис. 20). |
А. Н. Колмогоров показал, что независимо от функции рас |
пределения F(x) при увеличении |
числа опытов п вероятность |
|||
неравенства |
|
|
|
|
стремится к пределу |
D |
/ n > \ |
|
(77) |
|
|
|
|
|
1— |
S |
( — |
. |
(78) |
к |
—оо |
|
|
Рис. 20. Значение D при проверке гипотезы о согласо вании статистического и теоретического распределе ний по критерию Колмогорова
Т а б л и ц а Hi
Ур о в е н ь
зн а ч и м о с т и
0,05 |
1,36 |
0,01 |
1,62 |
0,001 |
2,00 |
Критическая область для гипотезы Н0 задается неравенством
D V n > K , |
(79) |
где Х« — корень решения уравнения: |
|
Р { Х > Х . } = а . |
(80) |
102
Результаты расчетов представлены в табл. 16.
Таким образом, гипотеза Н0 отвергается, если выборочное
значение Dyn>Ka ; в противном случае гипотеза Я0 принимает ся, как не противоречащая опытным данным.
Г л а в а VI
СТАТИСТИЧЕСКОЕ РЕГУЛИРОВАНИЕ КАЧЕСТВА ТЕХНОЛОГИЧЕСКИХ ПРОЦЕССОВ
§20. Статистическое исследование точности и стабильности технологических процессов
Проблема исследования точности является одной из наибо лее актуальных в машиностроении, так как решение ее позво ляетне только установить основные закономерности протека ния технологических процессов, но и выработать мероприятия, направленные на усовершенствование процессов изготовления
иконтроля, а следовательно, и на повышение качества про дукции. В машиностроительном производстве анализ точности используется для решения таких важных задач, как:
оценка точности изготовления детали в целом или на от дельных операциях;
определение рационального уровня настройки процесса из готовления;
определение степени влияния различных факторов на каче ство продукции и т. д.
Внастоящее время известны два метода для оценки точно сти: расчетно-аналитический и статистический. Разделение между ними в некоторой степени условно, так как первый ме тод использует для решения задачи экспериментальные данные
иматематические методы обработки наблюдений, второй — аналитические методы исследования, без которых невозможно вскрыть первичные технологические факторы, вызывающие производственные погрешности.
Сущность расчетно-аналитического метода состоит в опре делении составляющих погрешностей обработки по отдельным факторам и суммировании их по определенным правилам в общую погрешность.
По г р е ш н о с т ь о б р а б о т к и — это отклонение показа теля качества (контрольного признака) продукции от номиналь
на
ного значения, установленного в технической документации. Составляющие погрешности определяются путем предвари тельных теоретических и экспериментальных исследований или путем обработки результатов цеховых наблюдений [27].
Пока еще не разработана инженерная методика теоретико вероятностного расчета точности технологических процессов, которая давала бы возможность рассчитывать точностные ха рактеристики процесса изготовления и определять функцию распределения погрешностей обработки или параметры этой функции. Существующие методы расчета требуют, как прави ло, проведения громоздких вычислений, выполнение которых в заводских условиях практически невозможно. Кроме того, эти методы требуют большого количества исходных данных, а они могут быть получены лишь в лабораторных условиях. Упрощенные методики исходят из большого количества допу щений, которые в конечном итоге искажают реальную картину протекания технологического процесса.
Статистический метод предполагает изучение точности тех нологических процессов путем испытаний выборок и обработки результатов методами и приемами математической статисти ки. При этом удается не только изучить основные закономер ности протекания технологического процесса, но и вскрыть при чины разладок и грубых помех, отрицательно сказывающихся па качестве изготовленной продукции.
Учитывая сказанное, кратко остановимся только на втором методе и введем ряд определении.
Т о ч н о с т ь и з г о т о в л е н и я продукции — это свойство технологического процесса обеспечивать соответствие поля рассеяния признака качества изготовляемой продукции задан
ному полю допуска |
и его расположению. При этом п о л е м |
р а с с е я н и я будем |
называть область значений контролируе |
мого признака качества, соответствующую близкой к единице заданной вероятности их появления. С т а б и л ь н о с т ь из г о т о в л е н и я — свойство технологического процесса сохра нять показатели качества изготовляемой продукции в задан ных пределах в течение некоторого времени.
Таким образом, задача анализа точности сводится:
коценке закона распределения интересующего нас призна ка качества;
кнахождению поля рассеяния признака;
ксопоставлению поля рассеяния с техническим допуском. Совершенно очевидно, что оценка хода процесса только по
точности недостаточна. Необходимо анализировать также устойчивость процесса изготовления во времени — его стабиль ность. В данном случае анализ стабильности технологическогопроцесса сводится к подтверждению неизменности дисперсии
104
.и математического ожидания погрешности изготовления про дукции в производстве. Изучение стабильности играет решаю щую роль в организации производства, так как результаты ис следования законов смещения центров и рассеяния размеров деталей могут быть использованы для определения уровня настройки оборудования, интервала между последующими на стройками и т. д.
Из формулировки поставленных задач нетрудно сделать вывод, что анализ точности и стабильности технологических процессов — это прежде всего изучение функции распределе ния показателя качества изготовляемой продукции.
В теории точности технологических процессов, говоря о функции распределения признака в совокупности обработан ных изделий, различают мгновенное и суммарное распределе
ния. Под м г н о в е н н ы м |
р а с п р е д е л е н и е м понимает |
ся распределение признака |
в совокупности, которое имело бы |
место, если действие всех производственных факторов оста валось таким, каким оно является в данный момент времени.
Под с у м м а р н ы м |
р а с п р е д е л е н и е м |
понимают полу |
чаемое при данном |
процессе результативное |
распределение, |
складывающееся под действием изменяющихся с течением вре мени факторов, оказывающих влияние на последовательное преобразование мгновенных распределений.
Таким образом, в зависимости от цели исследования зада ча анализа точности и стабильности сводится к выборочному методу изучения мгновенного или суммарного распределения показателя качества.
Принципы назначения объема выборки для изучения мгно венного и суммарного распределения различны. Если выборка должна составляться из однородных, изделий, на которых поч ти не отразились систематические погрешности (это необходи мо при определении влияния случайных факторов на качество продукции), используют так называемую мгновенную выборку, объем которой не должен превышать 50 изделий. Для анали за раздельного влияния случайных и систематических погреш ностей на качество продукции назначают выборки, которые составляются либо из нескольких мгновенных, взятых за меж настроечный период, либо из случайно отобранных изделий, изготовленных при одной или нескольких настройках техноло гического оборудования.
При назначении объема выборки всегда следует учитывать то обстоятельство, что с увеличением объема выборки повы шается точность оцениваемых характеристик, однако возра стает риск включения в исследуемую совокупность изделий, изготовленных в различных прЬизводственных условиях.
105
о |
|
|
Т а б л и ц а 17 |
|
|
|
|
|
|
П о л е р а с с е я н и я р а з м е р а |
У с л о в и я , п р и к о т о р ы х н а б л ю |
З а к о н р а с п р е д е л е н и я |
Г р а ф и ч е с к о е и з о б р а ж е н и е |
д а е т с я д а н н ы й з а к о н |
' M i
1
Нормальный закон |
<u = 6s |
|
|
|
X |
Композиция |
и *- |
" ""г п” |
нор |
ш =2 IjS |
|
мального закона и за |
||
кона равной |
вероят |
|
ности
с1 |
L |
|
X |
Центры рассеяния разме
ров А‘( во времени не сме щаются
Центры рассеяния разме ров смещаются во времени по линейной зависимости
т
Композиция нор мального закона и за кона равномерно воз растающей вероятно сти
т
Закон Максвелла
“= ( 0 +
u>=5,25s
Центры рассеяния разме ров смещаются по параболе второй степени
Центры рассеяния разме ров во времени не смещают ся и погрешности образуют ся за счет несоосности, эксцентриситета и т. д.
о
Исследование технологических процессов с помощью боль ших выборок начинается, как правило, с построения и анали за статистического закона распределения погрешности изго товления. Не останавливаясь здесь на технике построения ги стограммы и полигона частот (см. гл. III), рассмотрим лишь некоторые хорошо известные из теории вероятностей следст вия, позволяющие по виду гистограммы погрешности изготов ления делать обоснованные выводы о свойствах технологиче ских процессов.
Как известно, все погрешности изготовления можно разде лить па случайные и систематические.
С л у ч а й ной |
п о г р е ш н о с т ь ю |
называется погреш |
ность изготовления |
продукции, которая |
при одних и тех же |
условиях принимает различные значения по модулю и знаку. Причинами случайных погрешностей могут быть упругие де формации детали под действием инструмента, вариации хими ческого состава материала заготовок, вибрации технологиче
ского оборудования, колебания нагрева деталей и др. |
Под |
с и с т е м а т и ч е с к о й п о г р е ш н о с т ь ю понимают |
по |
грешность изготовления продукции, которая при одних и тех же условиях принимает одно и то же значение по модулю и знаку или закономерно меняется во времени. Первые назы ваются постоянными, вторые — переменными. Причинами си стематических погрешностей могут быть неправильная на стройка технологического оборудования, температурные де формации при обработке деталей без охлаждения, нарушение геометрических размеров деталей станка и т. д. При изготовле нии продукции все причины действуют одновременно и возни
кающие случайные и систематические |
погрешности сумми |
руются, образуя р е з у л ь т и р у ю щ у ю |
п о г р е ш н о с т ь . |
Многочисленные опыты показывают, что при работе на настроенном технологическом оборудовании, когда среди воз никающих случайных погрешностей нет резко доминирующих, а систематические погрешности не изменяются существенно во времени, распределение показателя качества деталей одной настройки, как правило, нормальное. Этот факт очень хорошо согласуется с теоремой Ляпунова (см. гл. III). Именно поэто му в большинстве случаев мгновенное распределение прини мают нормальным.
Отступление от нормального распределения действитель ных размеров деталей в партии вызывается либо наличием случайной погрешности, превалирующей над другими, либо наличием систематической погрешности, закономерно изменя ющейся во времени, либо наличием переменного рассеяния по казателя качества. Два наиболее характерных распределения,
108
получающихся при равномерном и равнозамедленном смеще нии центра рассеяния показателя качества, представлены в табл. 17. Переменное рассеяние приводит, как правило, к бо лее островершинным распределениям по сравнению с нор мальным.
Таким образом, в зависимости от вида гистограммы можно сделать предварительное заключение о состоянии и закономер ностях протекания технологического процесса.
Однако далеко не всегда по виду гистограммы можно сде лать объективные выводы. Для более глубокого решения по ставленной задачи может оказаться целесообразным привлечь аппарат проверки статистических гипотез о виде и параметрах закона распределения показателя качества, стабильности тех нологического процесса. Техника проверки этих гипотез рас смотрена в гл. V.
Эффективным методом изучения суммарного распределения показателя качества, позволяющим получить объективную оценку закономерностей протекания технологического процес са. является метод точечных и точностных диаграмм (рис.21). По оси абсцисс на обеих диаграммах отложены номера мгно венных выборок, по оси ординат: на рис. 21, а — индивидуаль
ные значения х а па рис. 21,6 — средние значения Xj. Диаг раммы наглядно отображают ход производственного процесса. На рис. 21,6 от средней линии отложены вверх и вниз отрез ки, равные по величине выборочному среднему квадратиче скому отклонению, и проведены штрих-пунктирные линии. За штрихованный участок достаточно отчетливо дает возможность судить о направлении изменения центра настройки; ширина полосы характеризует изменение рассеяния.
Для построения этих диаграмм может быть использована общая выборка, которая разбивается на несколько малых объемом 5— 10 шт. Довольно часто для изучения технологиче ского процесса с помощью точечных или точностных диаграмм проводится специальный эксперимент: берут малые выборки через определенные фиксированные промежутки времени, ве личина которых устанавливается опытным путем и зависит от технологического оборудования, объема выборки и степени устойчивости производственного процесса.
Суждение по точечным и точностным диаграммам довольно грубое, так как эмпирические характеристики подвержены случайным колебаниям. Более точные выводы о ходе процесса можно сделать по диаграмме доверительных интервалов: по оси абсцисс откладываются номера выборок, а по оси орди н ат— средние значения и доверительные интервалы для сред них по выборкам. Если доверительные интервалы двух сосед них выборок пересекаются, процесс следует считать стабиль ным, в противном случае следует признать, что он изменяется во времени.
Особое место среди задач, решаемых при анализе точности и стабильности технологических процессов, занимает задача выявления факторов, снижающих качество продукции. Для решения этой задачи используется аппарат дисперсионного и корреляционного анализа, изложение которого выходит за рамки настоящего учебного пособия. Достаточно подробно этот материал освещен в работах [13; 5]. Рассмотрим лишь применение точечных диаграмм для анализа причин снижения качества продукции.
В тех случаях, когда статистический анализ точности техно логического процесса проводится с целью изучения влияния на точность обработки одного конкретного фактора, строят две точечные диаграммы по результатам измерения контрольного
ПО