实施量化过程管理和持续性过程改进的研究

目前在基于CMMI进行过程改进中,如何实例化CMMI中的抽象的实践是许多企业在实施CMMI最佳实践所面临的难题[3]。针对上述问题,基于量化过程管理和持续过程改进的理念,提出了企业组织进行高成熟度改进的具体的实施方案,使企业可以结合自身特色进行有效的过程改进。针对量化过程管理和持续性过程改进的基本理念进行了论述,并提出了具体实施的方法,为实施量化过程管理和持续过程改进提供参考。

汽车尾气排放系统中的蜂窝载体统计过程控制

以某公司生产的汽车尾气排放系统中的蜂窝载体为研究对象,运用控制图法对该工件生产过程进行动态控制;通过因果图分析,找出导致目前蜂窝载体壁厚生产过程能力不足的原因,并通过现场验证、调查分析等方法进一步确定出其主要影响因素,之后进行改进。绘制改进后的控制图,当生产过程达到稳态后计算改进后的过程能力指数,以判断是否符合当前要求。利用统计过程控制可对工件生产过程进行动态控制,提高满足需要的工件质量。

炮用象限仪角度测量不确定度的评定方法

竞争择优任务要求炮用象限仪角度测量结果给出不确定度,以便于不同行业领域的理解、交流和比对。在评定测量不确定度的过程中,鉴于实际工程测量样本量小而难以实施A类评定的问题,提出用实验室校准过程近似实际测量过程,利用历史校准数据和线性回归方法,建立了基于统计过程控制技术的A类评定方法,以某型炮用象限仪的历史校准数据并结合MATLAB工具验证该方法可行。用测量不确定传递率法得到了该型炮用象限仪测量范围内任意角度上的扩展不确定度曲线,并用蒙特卡洛法对其进行了验证。

基于PCA和SPC-动态神经网络的风电机组齿轮箱油温趋势预测

针对风电机组齿轮箱油温趋势预测中存在的信号非线性、多变量相关、各相关变量之间存在数据冗余等问题,同时为了克服人工神经网络离线训练的不足,该文提出了一种基于主成分分析（principal component analysis,PCA）和动态神经网络的齿轮箱油温趋势预测模型,并结合统计过程控制（statistical process control,SPC）实现该模型在线学习能力。确定影响油温变化的相关变量集,利用PCA消除相关变量间的数据冗余,采用有外部输入的非线性自回归动态神经网络（nonlinear autoregressive with external input,NARX）对油温和相关变量集进行建模,采用考虑残差分布规律的SPC方法控制模型在线学习行为。实际应用结果表明：该方法具有较高的稳定性和准确度,能够有效实现油温趋势预测。