MES環(huán)境下基于數(shù)據(jù)挖掘技術(shù)的質(zhì)量預(yù)測(cè)與診斷系統(tǒng)研究.pdf

1、產(chǎn)品質(zhì)量是對(duì)顧客需求的具體反映，也是顧客滿意的必要因素。為了能在競(jìng)爭(zhēng)激烈的市場(chǎng)當(dāng)中占據(jù)有利地位，提高企業(yè)競(jìng)爭(zhēng)力，現(xiàn)代企業(yè)必須加強(qiáng)質(zhì)量管理。隨著科學(xué)技術(shù)的不斷發(fā)展與市場(chǎng)的日趨成熟，市場(chǎng)對(duì)質(zhì)量的要求不斷提高，現(xiàn)有質(zhì)量管理技術(shù)與工具已不能滿足需求。
　　制造執(zhí)行系統(tǒng)(ManufacturingExecutionSystem，MES)環(huán)境下生產(chǎn)過(guò)程中的質(zhì)量數(shù)據(jù)是由車間作業(yè)現(xiàn)場(chǎng)控制收集，系統(tǒng)與工程師進(jìn)行分析處理并儲(chǔ)存在指定的數(shù)據(jù)庫(kù)或數(shù)據(jù)倉(cāng)庫(kù)

2、中。其數(shù)據(jù)內(nèi)容包含加工記錄、實(shí)時(shí)監(jiān)控信息等，這些數(shù)據(jù)的累積導(dǎo)致分析人員對(duì)數(shù)據(jù)的處理能力下降，其潛在價(jià)值沒(méi)有被進(jìn)一步挖掘而產(chǎn)生信息的浪費(fèi)。為了充分利用生產(chǎn)過(guò)程中收集的大量數(shù)據(jù)，實(shí)現(xiàn)全面質(zhì)量管理，應(yīng)用數(shù)據(jù)挖掘技術(shù)(DataMining，DM)實(shí)現(xiàn)智能化加工過(guò)程質(zhì)量診斷控制的技術(shù)和系統(tǒng)成為眾多專家學(xué)者及企業(yè)新的研究熱點(diǎn)。本文在總結(jié)前人研究基礎(chǔ)之上構(gòu)建MES環(huán)境下制造過(guò)程質(zhì)量數(shù)據(jù)挖掘平臺(tái)，分析加工質(zhì)量相關(guān)數(shù)據(jù)，研究具有控制圖模式識(shí)別、質(zhì)量預(yù)測(cè)及

3、診斷功能的質(zhì)量控制系統(tǒng)，主要研究?jī)?nèi)容包括以下三方面:
　　(1)針對(duì)制造過(guò)程數(shù)據(jù)特點(diǎn)，提出一種適用于過(guò)程質(zhì)量數(shù)據(jù)分析的不純性度量:Fβ度量類置信度比(Fβ-ConfidenceProportion，F(xiàn)CP)，并建立基于FCP不純性度量的決策樹(shù)(DecisionTree，DT)。在構(gòu)建分類器的基礎(chǔ)上，構(gòu)建基于FCP決策樹(shù)的控制圖模式識(shí)別系統(tǒng)，針對(duì)控制圖數(shù)據(jù)維度較高的現(xiàn)象引用統(tǒng)計(jì)量作為控制圖模式識(shí)別的統(tǒng)計(jì)特征。經(jīng)測(cè)試表明該模式識(shí)別系統(tǒng)

4、精度高，處理速度快，符合質(zhì)量預(yù)警控制的需求。
　　(2)提出基于FCP決策樹(shù)與聚類分析(ClusterAnalysis，CA)的質(zhì)量預(yù)測(cè)方法。同時(shí)應(yīng)用兩種數(shù)據(jù)挖掘算法分析不同種控制圖模式下的制造過(guò)程質(zhì)量數(shù)據(jù)，在獲取聚類信息及異常質(zhì)量歸類的基礎(chǔ)上研究工序質(zhì)量的異常預(yù)測(cè)。通過(guò)質(zhì)量影響因素的聚類分析，獲取不同模式下的質(zhì)量影響因素組合，利用決策樹(shù)分析現(xiàn)有過(guò)程質(zhì)量數(shù)據(jù)實(shí)現(xiàn)質(zhì)量預(yù)測(cè)。
　　(3)將基于案例推理(Case-BasedRea