基于數(shù)據(jù)挖掘的制造過(guò)程質(zhì)量異常診斷方法研究.pdf

1、隨著世界經(jīng)濟(jì)的全球化，企業(yè)對(duì)產(chǎn)品制造過(guò)程中的質(zhì)量控制日益重視。質(zhì)量診斷是質(zhì)量控制過(guò)程中的重要環(huán)節(jié)，及時(shí)、準(zhǔn)確地發(fā)現(xiàn)過(guò)程質(zhì)量異常，并定位引起質(zhì)量異常的質(zhì)量影響因素，能夠有效提高產(chǎn)品質(zhì)量，減少質(zhì)量缺陷，對(duì)提高企業(yè)市場(chǎng)競(jìng)爭(zhēng)力具有十分重要的意義。
　　通過(guò)對(duì)制造過(guò)程質(zhì)量異常診斷過(guò)程分析，建立了制造過(guò)程質(zhì)量異常診斷體系框架；對(duì)該框架下的質(zhì)量診斷知識(shí)的表達(dá)、控制圖模式識(shí)別和質(zhì)量異常診斷等關(guān)鍵技術(shù)進(jìn)行了分析。
　　基于本體論對(duì)質(zhì)量診斷知識(shí)

2、進(jìn)行知識(shí)表達(dá)，結(jié)合粗糙集理論對(duì)質(zhì)量診斷知識(shí)中的質(zhì)量特性知識(shí)與質(zhì)量影響因素之間的關(guān)系進(jìn)行分析，從而建立產(chǎn)品質(zhì)量診斷知識(shí)庫(kù)，為質(zhì)量控制圖模式識(shí)別和質(zhì)量診斷提供依據(jù)。
　　通過(guò)對(duì)控制圖模式分析，將控制圖的統(tǒng)計(jì)特征與形狀特征進(jìn)行融合，并以其作為控制圖模式分類的統(tǒng)計(jì)量；構(gòu)造基于深度學(xué)習(xí)的卷積神經(jīng)網(wǎng)絡(luò)分類模型，對(duì)控制圖的正常模式與異常模式進(jìn)行識(shí)別；通過(guò)Monte Carlo仿真，驗(yàn)證了該方法在小樣本條件下，具有較強(qiáng)的泛化能力和較高的識(shí)別精度。

3、
　　通過(guò)控制圖的有效控制，可以實(shí)現(xiàn)對(duì)制造過(guò)程質(zhì)量的實(shí)時(shí)監(jiān)控；針對(duì)控制圖模式發(fā)生異常問(wèn)題，在分析貝葉斯網(wǎng)絡(luò)推理基礎(chǔ)上，構(gòu)建了貝葉斯故障診斷網(wǎng)絡(luò)，實(shí)現(xiàn)制造過(guò)程質(zhì)量異常的診斷，發(fā)現(xiàn)引起質(zhì)量異常的因素。
　　以活塞桿外圓精磨工序?yàn)槔?，分析該工序所包含的質(zhì)量診斷知識(shí)，建立質(zhì)量診斷知識(shí)庫(kù)；結(jié)合建立的控制圖模式識(shí)別方法，實(shí)現(xiàn)精磨外圓尺寸值的有效監(jiān)控；利用貝葉斯網(wǎng)絡(luò)質(zhì)量診斷模型，當(dāng)活塞桿外圓精磨尺寸出現(xiàn)異常時(shí)，推理引起質(zhì)量故障的異常因素。