[發(fā)明專(zhuān)利]改進(jìn)信息熵的制造過(guò)程多元質(zhì)量診斷分類(lèi)器

在審

• 申請(qǐng)?zhí)枺?/td>: 201711265174.0
• 申請(qǐng)日: 2017-12-01
• 公開(kāi)（公告）號(hào): CN108090506A
• 公開(kāi)（公告）日: 2018-05-29
• 發(fā)明（設(shè)計(jì)）人: 金平艷
• 申請(qǐng)（專(zhuān)利權(quán)）人: 四川用聯(lián)信息技術(shù)有限公司
• 主分類(lèi)號(hào): G06K9/62
• 分類(lèi)號(hào): G06K9/62
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

改進(jìn)信息熵的制造過(guò)程多元質(zhì)量診斷分類(lèi)器，收集制造過(guò)程中質(zhì)量特性的原始數(shù)據(jù)，進(jìn)行數(shù)據(jù)預(yù)處理，應(yīng)用混合算法對(duì)關(guān)鍵工序的多元質(zhì)量特性進(jìn)行過(guò)程分析，根據(jù)控制圖記錄的數(shù)據(jù)判穩(wěn)以及是否出現(xiàn)異常現(xiàn)象，應(yīng)用信息熵方法查找出過(guò)程異常源所在，為了使分類(lèi)結(jié)果更加準(zhǔn)確，引入了調(diào)節(jié)因子、卡方值、兩者之間權(quán)重比例、歐式距離判穩(wěn)規(guī)則。本發(fā)明過(guò)程能力系數(shù)條件嚴(yán)謹(jǐn)、判定狀態(tài)準(zhǔn)確，算法復(fù)雜度低，處理的時(shí)間快，綜合了多元質(zhì)量、誤判因子、主成分因子，適用性更強(qiáng)，參數(shù)處理規(guī)范，數(shù)據(jù)處理完善，降低了誤判概率，解決了數(shù)據(jù)偏置、單位不統(tǒng)一的問(wèn)題，比支持向量機(jī)準(zhǔn)確度高，可以實(shí)現(xiàn)異常診斷技術(shù)。

技術(shù)領(lǐng)域

本發(fā)明涉及機(jī)械產(chǎn)品加工制造過(guò)程質(zhì)量診斷技術(shù)領(lǐng)域，具體涉及一種改進(jìn)信息熵的制造過(guò)程多元質(zhì)量診斷分類(lèi)器。

背景技術(shù)

現(xiàn)代制造過(guò)程是多變量高度相關(guān)的，對(duì)這類(lèi)生產(chǎn)過(guò)程的過(guò)程監(jiān)控稱(chēng)為多元質(zhì)量控制(MQC)或者多元統(tǒng)計(jì)過(guò)程控制(MSPC)。尋找失控原因的過(guò)程被稱(chēng)為MSPC診斷或異常識(shí)別。主要有兩類(lèi)方法：一是統(tǒng)計(jì)分解技術(shù)；二是基于機(jī)器學(xué)習(xí)的技術(shù)。主流分解技術(shù)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(fù)雜統(tǒng)計(jì)過(guò)程，不利于應(yīng)用。隨著計(jì)算機(jī)技術(shù)的發(fā)展，機(jī)器學(xué)習(xí)成為這一領(lǐng)域的研究熱點(diǎn)。人工神經(jīng)網(wǎng)絡(luò)(ANN)和決策樹(shù)(DT)算法已經(jīng)被應(yīng)用于MSPC領(lǐng)域。由于產(chǎn)品質(zhì)量在現(xiàn)代工業(yè)中的重要地位,統(tǒng)計(jì)過(guò)程控制(SPC)在機(jī)械、紡織、電子產(chǎn)品、汽車(chē)燈離散制造業(yè)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(yè)和連續(xù)制造業(yè)滲透。在實(shí)際的制造過(guò)程中，被加工零部件或產(chǎn)品往往具有多個(gè)質(zhì)量特性，且這些質(zhì)量特性之間存在一定的相關(guān)性，如何確定該過(guò)程的過(guò)程能力指數(shù)以及對(duì)過(guò)程質(zhì)量進(jìn)行診斷，是迫切需要解決的問(wèn)題，該問(wèn)題的研究不僅對(duì)多元制造過(guò)程能力分析研究具有重要的意義，而且對(duì)多元制造過(guò)程的質(zhì)量進(jìn)行監(jiān)控和診斷均具有一定的理論意義和實(shí)用價(jià)值。基于上述需求，本發(fā)明提供了改進(jìn)信息熵的制造過(guò)程多元質(zhì)量診斷分類(lèi)器。

發(fā)明內(nèi)容

針對(duì)多元控制圖在多元過(guò)程監(jiān)控和異常診斷中的不足，本發(fā)明提供了一種改進(jìn)信息熵的制造過(guò)程多元質(zhì)量診斷分類(lèi)器。

為了解決上述問(wèn)題，本發(fā)明是通過(guò)以下技術(shù)方案實(shí)現(xiàn)的：

步驟1：收集制造過(guò)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。

步驟2：對(duì)關(guān)鍵工序的多元質(zhì)量特性進(jìn)行過(guò)程分析；

步驟3：把觀測(cè)到的數(shù)據(jù)記錄到己經(jīng)畫(huà)好控制限的控制圖上，根據(jù)判穩(wěn)規(guī)則判斷過(guò)程是否出現(xiàn)異常現(xiàn)象；

步驟4：根據(jù)識(shí)別結(jié)果，改進(jìn)信息熵方法查找出過(guò)程異常源所在；

步驟5：相關(guān)人員針對(duì)質(zhì)量問(wèn)題提出并實(shí)施改善的措施，解決過(guò)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(guò)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(wèn)至(3)，若無(wú)則繼續(xù)利用控制圖對(duì)制造過(guò)程進(jìn)行監(jiān)控。

本發(fā)明有益效果是：

1、過(guò)程能力系數(shù)條件更嚴(yán)謹(jǐn)，判定狀態(tài)更加準(zhǔn)確。

2、算法復(fù)雜度低，處理的時(shí)間短，得到了較好的結(jié)果準(zhǔn)確度。

3、為后續(xù)制造過(guò)程診斷技術(shù)奠定了較好的基礎(chǔ)。

4、考慮了質(zhì)量間的多元特性，算法適應(yīng)性更強(qiáng)，更符合實(shí)際的應(yīng)用。

5、參數(shù)因子處理的更加規(guī)范合理，得到的值更符合經(jīng)驗(yàn)判定的結(jié)果。

6、考慮了誤判因子、又結(jié)合主成分分析方法，結(jié)果準(zhǔn)確度得到的進(jìn)一步提升。

7、數(shù)據(jù)處理更完善，減低了誤判的概率。

8、解決了數(shù)據(jù)的偏置、單位不統(tǒng)一的問(wèn)題。