[發明專利]改進的基于決策樹的制造過程多元質量診斷分類器

在審

• 申請號: 201710396086.8
• 申請日: 2017-05-27
• 公開（公告）號: CN107291065A
• 公開（公告）日: 2017-10-24
• 發明（設計）人: 金平艷
• 申請（專利權）人: 四川用聯信息技術有限公司
• 主分類號: G05B23/02
• 分類號: G05B23/02
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術領域

本發明涉及機械產品加工制造過程質量診斷技術領域，具體涉及一種改進的基于決策樹的制造過程多元質量診斷分類器。

背景技術

現代制造過程是多變量高度相關的，對這類生產過程的過程監控稱為多元質量控制(MQC)或者多元統計過程控制(MSPC)。尋找失控原因的過程被稱為MSPC診斷或異常識別。主要有兩類方法：一是統計分解技術；二是基于機器學習的技術。主流分解技術包括了主成分分析(PCA)，特征空間比較法，MTY方法、步降方法、多向核主成分分析方法。然而，這些方法通常都包含了復雜統計過程，不利于應用。隨著計算機技術的發展，機器學習成為這一領域的研究熱點。人工神經網絡(ANN)和決策樹(DT)算法已經被應用于MSPC領域。由于產品質量在現代工業中的重要地位,統計過程控制(SPC)在機械、紡織、電子產品、汽車燈離散制造業中取得了很大成功,并逐漸向造紙、煉油、化工、食品等間歇工業和連續制造業滲透。在實際的制造過程中，被加工零部件或產品往往具有多個質量特性，且這些質量特性之間存在一定的相關性，如何確定該過程的過程能力指數以及對過程質量進行診斷，是迫切需要解決的問題，該問題的研究不僅對多元制造過程能力分析研究具有重要的意義，而且對多元制造過程的質量進行監控和診斷均具有一定的理論意義和實用價值?；谏鲜鲂枨?，本發明提供了改進的基于決策樹的制造過程多元質量診斷分類器。

發明內容

針對多元控制圖在多元過程監控和異常診斷中的不足，本發明提供了改進的基于決策樹的制造過程多元質量診斷分類器。

為了解決上述問題，本發明是通過以下技術方案實現的：

步驟1：收集制造過程中質量特性的原始數據，并對該數據進行必要的整理、簡化及計算。

步驟2：對關鍵工序的多元質量特性進行過程分析；

步驟3：把觀測到的數據記錄到己經畫好控制限的控制圖上，根據判穩規則判斷過程是否出現異?，F象；

步驟4：根據識別結果，應用改進的決策樹方法查找出過程異常源所在；

步驟5：相關人員針對質量問題提出并實施改善的措施，解決過程異常情況；

步驟6：在改善實施后，維續使用控制圖對過程質量進行驗證確認，觀測是否仍有異常，若有則返問至(3)，若無則繼續利用控制圖對制造過程進行監控。

本發明有益效果是：

1、過程能力系數條件更嚴謹，判定狀態結果更加準確。

2、算法復雜度低，處理的時間短，得到了較好的結果準確度。

3、為后續制造過程診斷技術奠定了較好的基礎。

4、考慮了質量間的多元特性，算法適應性更強，更符合實際的應用。

5、參數因子處理的更加規范合理，得到的值更符合經驗判定的結果。

6、考慮了誤判因子、又結合主成分分析方法，結果準確度得到的進一步提升。

7、數據處理更完善，減低了誤判的概率。

8、解決了數據的偏置、單位不統一的問題。

9、可以實現異常診斷技術。

10、異常態的判定規則更加簡便明朗。

附圖說明

圖1制造過程控制與診斷技術的結構流程圖

圖2本發明車間數據采集方案圖

圖3二維過程修正的規格區域與實際分布區域示例圖

圖4決策樹的多元過程監控模型示意圖

具體實施方式

為了解決傳統車間質量控制方面存在的問題，結合圖1-圖4對本發明進行了詳細說明，其具體實施步驟如下：

步驟1：收集制造過程中質量特性的原始數據，并對該數據進行必要的整理、簡化及計算，其具體計算過程如下：

在生產過程中，當工序不存在系統性誤差時，產品的質量特性值X符合正態分布；由于多元質量特性值得單位不統一，數值大小差距也較大，需對數據做進一步處理；

生產過程正常運行收集的數據矩陣為X_n×m，n為樣本的個數，m為樣本質量屬性個數。

上式X_n×i為第n個樣本第i種質量屬性值，μ_i為第i種質量屬性均值，σ_i第i種質量屬性標準差。

對預處理后的數據X′_n×i，進行比重計算如下：