基于數(shù)據(jù)挖掘的制造過程質量異常診斷方法研究.pdf

1、隨著世界經(jīng)濟的全球化，企業(yè)對產(chǎn)品制造過程中的質量控制日益重視。質量診斷是質量控制過程中的重要環(huán)節(jié)，及時、準確地發(fā)現(xiàn)過程質量異常，并定位引起質量異常的質量影響因素，能夠有效提高產(chǎn)品質量，減少質量缺陷，對提高企業(yè)市場競爭力具有十分重要的意義。
　　通過對制造過程質量異常診斷過程分析，建立了制造過程質量異常診斷體系框架；對該框架下的質量診斷知識的表達、控制圖模式識別和質量異常診斷等關鍵技術進行了分析。
　　基于本體論對質量診斷知識

2、進行知識表達，結合粗糙集理論對質量診斷知識中的質量特性知識與質量影響因素之間的關系進行分析，從而建立產(chǎn)品質量診斷知識庫，為質量控制圖模式識別和質量診斷提供依據(jù)。
　　通過對控制圖模式分析，將控制圖的統(tǒng)計特征與形狀特征進行融合，并以其作為控制圖模式分類的統(tǒng)計量；構造基于深度學習的卷積神經(jīng)網(wǎng)絡分類模型，對控制圖的正常模式與異常模式進行識別；通過Monte Carlo仿真，驗證了該方法在小樣本條件下，具有較強的泛化能力和較高的識別精度。

3、
　　通過控制圖的有效控制，可以實現(xiàn)對制造過程質量的實時監(jiān)控；針對控制圖模式發(fā)生異常問題，在分析貝葉斯網(wǎng)絡推理基礎上，構建了貝葉斯故障診斷網(wǎng)絡，實現(xiàn)制造過程質量異常的診斷，發(fā)現(xiàn)引起質量異常的因素。
　　以活塞桿外圓精磨工序為例，分析該工序所包含的質量診斷知識，建立質量診斷知識庫；結合建立的控制圖模式識別方法，實現(xiàn)精磨外圓尺寸值的有效監(jiān)控；利用貝葉斯網(wǎng)絡質量診斷模型，當活塞桿外圓精磨尺寸出現(xiàn)異常時，推理引起質量故障的異常因素。