本發(fā)明涉及機(jī)械產(chǎn)品加工制造過程質(zhì)量診斷技術(shù)領(lǐng)域，具體涉及一種模糊支持向量機(jī)的制造過程多元質(zhì)量診斷分類器。

背景技術(shù)：

21世紀(jì)，伴隨著全球經(jīng)濟(jì)一體化的發(fā)展，國際市場的競爭日趨激烈，與時間和成本一樣，質(zhì)量己成為企業(yè)生存與發(fā)展的主要制勝因素。廣泛應(yīng)用國內(nèi)外先進(jìn)的質(zhì)量方法和質(zhì)量技術(shù)對于企業(yè)改進(jìn)產(chǎn)品質(zhì)量、提高產(chǎn)品競爭力具有重要意義。好的質(zhì)量是低成本、高效率、低損耗、高收益的保證也是長期贏得顧客忠誠度，企業(yè)獲得可持續(xù)發(fā)展的基石。盡管中國企業(yè)界最近的熱點似乎集中在并購、資本經(jīng)營、市場拓展、多元化等方面，但事實上，對任何一家生產(chǎn)制造企業(yè)來講，質(zhì)量的管理、生產(chǎn)流程的控制，乃是企業(yè)發(fā)展的最為重要的“內(nèi)功”之一。如何練好“內(nèi)功”，不僅需要有質(zhì)量管理的思想、方法和手段,更需要有質(zhì)量工程技術(shù)的支持。如何利用質(zhì)量工程技術(shù),設(shè)計并生產(chǎn)出低成本、短周期、高質(zhì)量、高可靠性的產(chǎn)品,由此獲得竟?fàn)巸?yōu)勢,己成為國內(nèi)外廣大理論研究者和實際工作者廣泛關(guān)注的問題。而提高質(zhì)量的一個主要技術(shù)手段就是進(jìn)行有效的過程監(jiān)控。由于產(chǎn)品質(zhì)量在現(xiàn)代工業(yè)中的重要地位,統(tǒng)計過程控制(spc)在機(jī)械、紡織、電子產(chǎn)品、汽車燈離散制造業(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。在實際的制造過程中，被加工零部件或產(chǎn)品往往具有多個質(zhì)量特性，且這些質(zhì)量特性之間存在一定的相關(guān)性，如何確定該過程的過程能力指數(shù)以及對過程質(zhì)量進(jìn)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(zhì)量進(jìn)行監(jiān)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(fā)明提供了一種模糊支持向量機(jī)的制造過程多元質(zhì)量診斷分類器。

技術(shù)實現(xiàn)要素：

針對多元控制圖在多元過程監(jiān)控和異常診斷中的不足，本發(fā)明提供了一種模糊支持向量機(jī)的制造過程多元質(zhì)量診斷分類器。

為了解決上述問題，本發(fā)明是通過以下技術(shù)方案實現(xiàn)的：

步驟1：收集制造過程中質(zhì)量特性的原始數(shù)據(jù)，并對該數(shù)據(jù)進(jìn)行必要的整理、簡化及計算。

步驟2：對關(guān)鍵工序的多元質(zhì)量特性進(jìn)行過程分析；

步驟3：把觀測到的數(shù)據(jù)記錄到己經(jīng)畫好控制限的控制圖上，根據(jù)判穩(wěn)規(guī)則判斷過程是否出現(xiàn)異?，F(xiàn)象；

步驟4：根據(jù)識別結(jié)果，應(yīng)用模糊支持向量機(jī)方法查找出過程異常源所在；

步驟5：相關(guān)人員針對質(zhì)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(xù)使用控制圖對過程質(zhì)量進(jìn)行驗證確認(rèn)，觀測是否仍有異常，若有則返問至(3)，若無則繼續(xù)利用控制圖對制造過程進(jìn)行監(jiān)控。

本發(fā)明有益效果是：

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

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

3、為后續(xù)制造過程診斷技術(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)一的問題。

9、可以實現(xiàn)異常診斷技術(shù)。

附圖說明

圖1制造過程控制與診斷技術(shù)的結(jié)構(gòu)流程圖

圖2本發(fā)明車間數(shù)據(jù)采集方案圖

圖3二維過程修正的規(guī)格區(qū)域與實際分布區(qū)域示例圖

具體實施方式

為了解決多元控制圖在多元過程監(jiān)控和異常診斷中的不足，結(jié)合圖1-圖3對本發(fā)明進(jìn)行了詳細(xì)說明，其具體實施步驟如下：

步驟1：收集制造過程中質(zhì)量特性的原始數(shù)據(jù)，并對該數(shù)據(jù)進(jìn)行必要的整理、簡化及計算，其具體計算過程如下：

在生產(chǎn)過程中，當(dāng)工序不存在系統(tǒng)性誤差時，產(chǎn)品的質(zhì)量特性值x符合正態(tài)分布；由于多元質(zhì)量特性值得單位不統(tǒng)一，數(shù)值大小差距也較大，需對數(shù)據(jù)做進(jìn)一步處理；

生產(chǎn)過程正常運行收集的數(shù)據(jù)矩陣為xn×m，n為樣本的個數(shù)，m為樣本質(zhì)量屬性個數(shù)。

上式xn×i為第n個樣本第i種質(zhì)量屬性值，μi為第i種質(zhì)量屬性均值，σi第i種質(zhì)量屬性標(biāo)準(zhǔn)差。

對預(yù)處理后的數(shù)據(jù)x′n×i，進(jìn)行比重計算如下：

假設(shè)m維正態(tài)分布nm(μ，∑)，即xm～nm(μ，∑)，其中μ為總體均值向量，∑為協(xié)方差矩陣，由于∑m×m為對稱矩陣，因此存在對稱矩陣p,使得

其中λ1，λ2，…，λm為協(xié)方差矩陣的特征值，其滿足(λ1，λ2，…，λm)＞0，即m維多元質(zhì)量的權(quán)重分配可以表示為下式：

取前k個主元的累計貢獻(xiàn)率達(dá)到80％以上，即貢獻(xiàn)率為w：

則主元模型為

分別為k個主元質(zhì)量的屬性向量，e為誤差。

步驟2：對關(guān)鍵工序的多元質(zhì)量特性進(jìn)行過程分析，其具體計算過程如下：

這里主要對步驟1中e的計算和估計；

x∈n(μ，σ²)，其中x是質(zhì)量特性值，μ是總體均值，σ²是總體方差。當(dāng)質(zhì)量特性值服從正態(tài)分布時，其均值也服從正態(tài)分布，其中，n為樣本容量。依照正態(tài)分布的特性，則

p(μ-3σ＜x＜μ+3σ)＝99.73％

即，無論μ和σ取何值，x落在之間的概率是99.7％，也就是說，落在這個分布范圍之外的概率只有0.27％。

對于過程修正的規(guī)格區(qū)域是一個橢球體，其體積計算公式為：

ui、li分別為控制圖上第i元質(zhì)量因子的上下限。

多元過程在(1-α)置信度下實際分布區(qū)域的橢球體為：

|∑|為多元質(zhì)量因子的協(xié)方差行列式。

設(shè)其修正系數(shù)為k；

ε＝[(m1-μ1)²+(m2-μ2)²+…+(mt-μt)²]^1/2

mi、μi分別為規(guī)格圖、和實際過程的均值位置，ε為t維均值差值。

另一影響因子為(uj、lj)為規(guī)格上下限的交點。

即

綜上所述，表征過程能力函數(shù)如下：

為了完善上式的結(jié)果，這里整合下面的方法，具體過程如下：

錯判誤差的概率分為兩類，一是受控狀態(tài)判為失控狀態(tài)，概率即為p1，二是失控狀態(tài)判為受控狀態(tài)，概率即為p2。

樣本x，當(dāng)處于受控狀態(tài)時。設(shè)其分布為正態(tài)分布x∈n(μ，σ²)；過程處于失控狀態(tài)時，其分布發(fā)生了變化，變化后的分布函數(shù)為f(x)。

記控制圖的上、下控制限分別為u、l；

p1＝2(1-φ(λ))

p2＝f(u)-f(l)

總誤差概率為p1+p2

上式φ(λ)為標(biāo)準(zhǔn)正態(tài)分布的分布函數(shù)在點λ處的值，λ為控制圖中實際參數(shù)，這個具體情況可以具體確定。

一元修正系數(shù)k′：

β1、β2分別為中心距離差值|λ-μ|、誤判概率的權(quán)重分配值，這里β1+β2＝1，(β1，β2)＞0。

表征過程能力函數(shù)cp：

cp＝min(cpu，cpl)

多元表征過程能力函數(shù)mc′p：

表征e

e＝|mcp-mc′p|

根據(jù)x′主模型即可提取制造過程質(zhì)量異常的主特征。

步驟3：把觀測到的數(shù)據(jù)記錄到己經(jīng)畫好控制限的控制圖上，根據(jù)判穩(wěn)規(guī)則判斷過程是否出現(xiàn)異?，F(xiàn)象，其具體描述如下：

如果過程處于非統(tǒng)計過程受控狀態(tài)時用樣本點建立的控制圖控制后續(xù)的生產(chǎn)過程，不僅起不到良好的控制效果，反而會給企業(yè)帶來錯誤的預(yù)報，給企業(yè)造成損失。

步驟4：根據(jù)識別結(jié)果，應(yīng)用模糊支持向量機(jī)方法查找出過程異常源所在，其具體計算過程如下：

設(shè)訓(xùn)練集為

s＝{(xi，yi，fi)|xi∈x＝r^m，yi∈{-1，1}，ε≤fi≤1，i＝1，2，…，n}

此時它所對應(yīng)的優(yōu)化問題為：

隸屬度函數(shù)fi的確定：為了便于分類，這里引入了核函數(shù)

中心點的確定x0：

邊界點的確定xb：

r、，r1、r2、t均為預(yù)設(shè)參數(shù)。

應(yīng)用上式優(yōu)化函數(shù)，即可找到最優(yōu)的超平面將訓(xùn)練樣本歸類，進(jìn)而可以對測試樣本歸類，這樣就構(gòu)成了一個分類器。

步驟5：相關(guān)人員針對質(zhì)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(xù)使用控制圖對過程質(zhì)量進(jìn)行驗證確認(rèn)，觀測是否仍有異常，若有則返問至(3)，若無則繼續(xù)利用控制圖對制造過程進(jìn)行監(jiān)控。