[發(fā)明專利]改進(jìn)的基于決策樹的制造過程多元質(zhì)量診斷分類器

在審

• 申請(qǐng)?zhí)枺?/td>: 201710396086.8
• 申請(qǐng)日: 2017-05-27
• 公開（公告）號(hào): CN107291065A
• 公開（公告）日: 2017-10-24
• 發(fā)明（設(shè)計(jì)）人: 金平艷
• 申請(qǐng)（專利權(quán)）人: 四川用聯(lián)信息技術(shù)有限公司
• 主分類號(hào): G05B23/02
• 分類號(hào): G05B23/02
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.改進(jìn)的基于決策樹的制造過程多元質(zhì)量診斷分類器，本發(fā)明涉及機(jī)械產(chǎn)品加工制造過程質(zhì)量控制技術(shù)領(lǐng)域，具體涉及一種改進(jìn)的基于決策樹的制造過程多元質(zhì)量診斷分類器，其特征是，包括如下步驟：

步驟1：收集制造過程中質(zhì)量特性的原始數(shù)據(jù)，并對(duì)該數(shù)據(jù)進(jìn)行必要的整理、簡(jiǎn)化及計(jì)算，其具體計(jì)算過程如下：

在生產(chǎn)過程中，當(dāng)工序不存在系統(tǒng)性誤差時(shí)，產(chǎn)品的質(zhì)量特性值 符合正態(tài)分布；由于多元質(zhì)量特性值得單位不統(tǒng)一，數(shù)值大小差距也較大，需對(duì)數(shù)據(jù)做進(jìn)一步處理；

生產(chǎn)過程正常運(yùn)行收集的數(shù)據(jù)矩陣為，為樣本的個(gè)數(shù)，為樣本質(zhì)量屬性個(gè)數(shù)

上式為第個(gè)樣本第種質(zhì)量屬性值，為第種質(zhì)量屬性均值，第種質(zhì)量屬性標(biāo)準(zhǔn)差

對(duì)預(yù)處理后的數(shù)據(jù)， 進(jìn)行比重計(jì)算如下：

假設(shè)維正態(tài)分布，即，其中為總體均值向量，為協(xié)方差矩陣，由于為對(duì)稱矩陣，因此存在對(duì)稱矩陣,使得

其中為協(xié)方差矩陣的特征值，其滿足，即維多元質(zhì)量的權(quán)重分配可以表示為下式：

取前個(gè)主元的累計(jì)貢獻(xiàn)率達(dá)到80%以上，即貢獻(xiàn)率為：

則主元模型為

分別為個(gè)主元質(zhì)量的屬性向量，為誤差

步驟2：對(duì)關(guān)鍵工序的多元質(zhì)量特性進(jìn)行過程分析，其具體計(jì)算過程如下：

這里主要對(duì)步驟1中的計(jì)算和估計(jì)；

，其中是質(zhì)量特性值，是總體均值，是總體方差，當(dāng)質(zhì)量特性值服從正態(tài)分布時(shí)，其均值也服從正態(tài)分布，其中，n為樣本容量，依照正態(tài)分布的特性，則



即，無論和取何值，落在之間的概率是，也就是說，落在這個(gè)分布范圍之外的概率只有

對(duì)于過程修正的規(guī)格區(qū)域是一個(gè)橢球體，其體積計(jì)算公式為：

、分別為控制圖上第元質(zhì)量因子的上下限

多元過程在置信度下實(shí)際分布區(qū)域的橢球體為：

為多元質(zhì)量因子的協(xié)方差行列式

設(shè)其修正系數(shù)為；

、分別為規(guī)格圖、和實(shí)際過程的均值位置，為t維均值差值

另一影響因子為，為規(guī)格上下限的交點(diǎn)

即

綜上所述，表征過程能力函數(shù)如下：

為了完善上式的結(jié)果，這里整合下面的方法，具體過程如下：

錯(cuò)判誤差的概率分為兩類，一是受控狀態(tài)判為失控狀態(tài)，概率即為，二是失控狀態(tài)判為受控狀態(tài)，概率即為

樣本，當(dāng)處于受控狀態(tài)時(shí)，設(shè)其分布為正態(tài)分布；過程處于失控狀態(tài)時(shí)，其分布發(fā)生了變化，變化后的分布函數(shù)為

記控制圖的上、下控制限分別為 、；

總誤差概率為

上式為標(biāo)準(zhǔn)正態(tài)分布的分布函數(shù)在點(diǎn)處的值，為控制圖中實(shí)際參數(shù)，這個(gè)具體情況可以具體確定

一元修正系數(shù)：

、分別為中心距離差值、誤判概率的權(quán)重分配值，這里，

表征過程能力函數(shù)：

多元表征過程能力函數(shù)：

表征

根據(jù)模型即可提取制造過程質(zhì)量異常的主特征

步驟3：把觀測(cè)到的數(shù)據(jù)記錄到己經(jīng)畫好控制限的控制圖上，根據(jù)判穩(wěn)規(guī)則判斷過程是否出現(xiàn)異常現(xiàn)象，其具體計(jì)算過程如下：

如果過程處于非統(tǒng)計(jì)過程受控狀態(tài)時(shí)用樣本點(diǎn)建立的控制圖控制后續(xù)的生產(chǎn)過程，不僅起不到良好的控制效果，反而會(huì)給企業(yè)帶來錯(cuò)誤的預(yù)報(bào)，給企業(yè)造成損失

判穩(wěn)規(guī)則：

、、分別為預(yù)先設(shè)定好的參數(shù)

只有同時(shí)滿足上三式才能判定當(dāng)前狀態(tài)是否處于受控狀態(tài)，有一規(guī)則不滿足則判定為異常態(tài)

步驟4：根據(jù)識(shí)別結(jié)果，應(yīng)用改進(jìn)的決策樹方法查找出過程異常源所在；

步驟5：相關(guān)人員針對(duì)質(zhì)量問題提出并實(shí)施改善的措施，解決過程異常情況；步驟6：在改善實(shí)施后，維續(xù)使用控制圖對(duì)過程質(zhì)量進(jìn)行驗(yàn)證確認(rèn)，觀測(cè)是否仍有異常，若有則返問至（3），若無則繼續(xù)利用控制圖對(duì)制造過程進(jìn)行監(jiān)控。

2.根據(jù)權(quán)利要求1中所述的改進(jìn)的基于決策樹的制造過程多元質(zhì)量診斷分類器，其特征是，以上所述步驟4中的具體計(jì)算過程如下：

步驟4：根據(jù)識(shí)別結(jié)果，應(yīng)用改進(jìn)的決策樹方法查找出過程異常源所在，其具體計(jì)算過程如下：

根據(jù)訓(xùn)練數(shù)據(jù)集確定屬性的影響程度，每個(gè)質(zhì)量屬性都對(duì)應(yīng)若干個(gè)分量；

這里質(zhì)量屬性的確定見下式：

上式為質(zhì)量屬性重要度函數(shù)，為質(zhì)量屬性的分量因子，總共有個(gè)分量，為質(zhì)量屬性的樣本數(shù)，為質(zhì)量屬性對(duì)應(yīng)分量為的樣本數(shù)，為分量屬于受控態(tài)的概率，為分量屬于異常態(tài)的概率

從小到大確定質(zhì)量屬性的重要度，越大，對(duì)應(yīng)的質(zhì)量屬性越不重要，根據(jù)步驟3判定異常態(tài)，再通過上式比較各個(gè)分量值，確定異常分量，即異常源。