传统控制图作为统计过程控制(statistical process control,SPC)的核心工具,对影响制造过程的系统性因素识别效率较低。文章针对传统控制图对系统性因素识别不充分的问题,提出基于随机森林的控制图模式识别模型,利用网格搜索法进行参数...传统控制图作为统计过程控制(statistical process control,SPC)的核心工具,对影响制造过程的系统性因素识别效率较低。文章针对传统控制图对系统性因素识别不充分的问题,提出基于随机森林的控制图模式识别模型,利用网格搜索法进行参数优化,建立基于随机森林算法流程和控制图模式识别模型以识别影响过程失控的系统性因素;以汽车离合器为例,将基于随机森林的模式识别算法应用到离合器制造过程中,并与支持向量机(support vector machine,SVM)、逻辑回归(logistic regression,LR)等机器学习算法相比较,结果验证了随机森林模型对控制图模式识别的可行性和有效性。展开更多
全面集成化的制造企业信息系统需要多样化、敏捷化的统计过程控制(Statistical Process Control,SPC)系统,以实现基于数据的产品质量管理决策。基于领域分析构造了SPC领域模型,设计了基于通用统计分析软件平台的可重构SPC系统框架,以具...全面集成化的制造企业信息系统需要多样化、敏捷化的统计过程控制(Statistical Process Control,SPC)系统,以实现基于数据的产品质量管理决策。基于领域分析构造了SPC领域模型,设计了基于通用统计分析软件平台的可重构SPC系统框架,以具有扩展点的组件化可重构架构满足制造企业应用模式和配置模式的可重构需求。然后采用SPSS(Statistical Package for the Social Science,社会科学统计软件包)实现了可重构SPC系统,通过引入SPSS组件,执行SPSS Syntax命令,实现对SPC的可视化统计分析。最后以加工误差分析实例说明系统的有效性,为全面质量控制提供了一种数字化应用。展开更多
基金国家高技术研究发展计划(863)(the National High-Tech Research and Development Plan of China under Grant No.2007AA040503) 西安邮电学院中青年基金项目(No.105-0433)
文摘全面集成化的制造企业信息系统需要多样化、敏捷化的统计过程控制(Statistical Process Control,SPC)系统,以实现基于数据的产品质量管理决策。基于领域分析构造了SPC领域模型,设计了基于通用统计分析软件平台的可重构SPC系统框架,以具有扩展点的组件化可重构架构满足制造企业应用模式和配置模式的可重构需求。然后采用SPSS(Statistical Package for the Social Science,社会科学统计软件包)实现了可重构SPC系统,通过引入SPSS组件,执行SPSS Syntax命令,实现对SPC的可视化统计分析。最后以加工误差分析实例说明系统的有效性,为全面质量控制提供了一种数字化应用。
