参数分布未知的生产过程质量监控

摘要

现代工业的发展要求工厂在多品种、大小批量混合生产的灵活模式下，研究精准的实时质量监控方法以应对频繁工艺调整带来的质量波动风险，确保产品质量的一致性。本研究旨在结合统计过程控制方法，实现对参数分布未知的生产过程的质量异常监控。构建一种非参数GWMA SR控制图对质量参数进行实时监控。为实现异常模式识别，提出一种基于PCA-RF-GA的模型，进行特征的选取和特征融合后，使用主成分分析方法进行特征降维，使用遗传算法优化的随机森林算法实现了模式分类。在仿真实验中，将不同特征组合、不同分类方法的识别速度与识别精度进行比较，结果显示所提出模式识别方法具有更优的识别效果。将本文方法应用到实际生产的质量监控中，以UO₂芯块的直径参数监控为例，证明了结合GWMA SR控制图和PCA-RF-GA模型的质量参数监控方法，可以准确快速识别参数分布未知的生产过程中的质量异常波动情况。

关键词

质量控制 / 控制图 / 模式识别 / 随机森林

基金资助

国家重点研发计划资助项目（2018YFB1702601）