[发明专利]改进的基于决策树的制造过程多元质量诊断分类器

摘要

改进的决策树的制造过程多元质量诊断分类器，收集制造过程中质量特性的原始数据，进行数据预处理，应用混合算法对关键工序的多元质量特性进行过程分析，控制图记录的数据按照判稳规则看是否出现异常现象，应用改进的决策树方法查找出过程异常源所在，为了使分类结果更加准确，构建了质量属性重要度函数。本发明过程能力系数条件严谨、判定状态准确，算法复杂度低，处理的时间快，异常态判定规则更加简便明朗，综合了多元质量、误判因子、主成分因子，适用性更强，参数处理规范，数据处理完善，降低了误判概率，解决了数据偏置、单位不统一的问题，可以实现异常诊断技术。

主权项

改进的基于决策树的制造过程多元质量诊断分类器，本发明涉及机械产品加工制造过程质量控制技术领域，具体涉及一种改进的基于决策树的制造过程多元质量诊断分类器，其特征是，包括如下步骤：步骤1：收集制造过程中质量特性的原始数据，并对该数据进行必要的整理、简化及计算，其具体计算过程如下：在生产过程中，当工序不存在系统性误差时，产品的质量特性值符合正态分布；由于多元质量特性值得单位不统一，数值大小差距也较大，需对数据做进一步处理；生产过程正常运行收集的数据矩阵为，为样本的个数，为样本质量属性个数上式为第个样本第种质量属性值，为第种质量属性均值，第种质量属性标准差对预处理后的数据， 进行比重计算如下：假设维正态分布，即，其中为总体均值向量，为协方差矩阵，由于为对称矩阵，因此存在对称矩阵,使得其中为协方差矩阵的特征值，其满足，即维多元质量的权重分配可以表示为下式：取前个主元的累计贡献率达到80%以上，即贡献率为：则主元模型为分别为个主元质量的属性向量，为误差步骤2：对关键工序的多元质量特性进行过程分析，其具体计算过程如下：这里主要对步骤1中的计算和估计；，其中是质量特性值，是总体均值，是总体方差，当质量特性值服从正态分布时，其均值也服从正态分布，其中，n为样本容量，依照正态分布的特性，则即，无论和取何值，落在之间的概率是，也就是说，落在这个分布范围之外的概率只有对于过程修正的规格区域是一个椭球体，其体积计算公式为：、分别为控制图上第元质量因子的上下限多元过程在置信度下实际分布区域的椭球体为：为多元质量因子的协方差行列式设其修正系数为；、分别为规格图、和实际过程的均值位置，为t维均值差值另一影响因子为，为规格上下限的交点即综上所述，表征过程能力函数如下：为了完善上式的结果，这里整合下面的方法，具体过程如下：错判误差的概率分为两类，一是受控状态判为失控状态，概率即为，二是失控状态判为受控状态，概率即为样本，当处于受控状态时，设其分布为正态分布；过程处于失控状态时，其分布发生了变化，变化后的分布函数为记控制图的上、下控制限分别为、；总误差概率为上式为标准正态分布的分布函数在点处的值，为控制图中实际参数，这个具体情况可以具体确定一元修正系数：、分别为中心距离差值、误判概率的权重分配值，这里，表征过程能力函数：多元表征过程能力函数：表征根据模型即可提取制造过程质量异常的主特征步骤3：把观测到的数据记录到己经画好控制限的控制图上，根据判稳规则判断过程是否出现异常现象，其具体计算过程如下：如果过程处于非统计过程受控状态时用样本点建立的控制图控制后续的生产过程，不仅起不到良好的控制效果，反而会给企业带来错误的预报，给企业造成损失判稳规则：、、分别为预先设定好的参数只有同时满足上三式才能判定当前状态是否处于受控状态，有一规则不满足则判定为异常态步骤4：根据识别结果，应用改进的决策树方法查找出过程异常源所在；步骤5：相关人员针对质量问题提出并实施改善的措施，解决过程异常情况；步骤6：在改善实施后，维续使用控制图对过程质量进行验证确认，观测是否仍有异常，若有则返问至（3），若无则继续利用控制图对制造过程进行监控。