智能制造網(wǎng)APP
智能制造網(wǎng)手機(jī)站
智能制造網(wǎng)小程序
智能制造網(wǎng)官微
智能制造網(wǎng)服務(wù)號(hào)
直播推薦
回放
回放
企業(yè)動(dòng)態(tài)
- 東莞市皓天試驗(yàn)設(shè)備即將亮相CIBF2025，邀您共探電池測(cè)試新未來
- 京東集團(tuán)發(fā)布2025年一季度業(yè)績 降本增效、技術(shù)創(chuàng)新引領(lǐng)京東工業(yè)高質(zhì)量發(fā)展
- 皓天試驗(yàn)設(shè)備將攜多款環(huán)境試驗(yàn)設(shè)備亮相CIBF2025深圳國際電池展
- 全場(chǎng)景節(jié)能30%以上！海爾中央空調(diào)亮相中國零售展
- igus全球環(huán)保騎行亞洲站在中國收官
- 京東工業(yè)與世達(dá)工具深化戰(zhàn)略合作 聯(lián)手推動(dòng)專業(yè)工具行業(yè)數(shù)智供應(yīng)鏈升級(jí)
- 舒瑞普中國卓越中心暨蘇州新工廠開業(yè)典禮圓滿落成
- 華測(cè)儀器中標(biāo)華北電力大學(xué)綜合介電分析儀采購項(xiàng)目
推薦展會(huì)
1．浙江大學(xué)工業(yè)控制技術(shù)國家重點(diǎn)實(shí)驗(yàn)室，浙江杭州310027；2．上海寶信軟件股份有限公司
［摘 要］質(zhì)量控制對(duì)提高企業(yè)產(chǎn)品質(zhì)量具有重要的意義。本文從鋼鐵生產(chǎn)過程的特點(diǎn)出發(fā)，將動(dòng)態(tài)數(shù)據(jù)挖掘運(yùn)用于質(zhì)量控制中，闡述了利用數(shù)據(jù)挖掘解決質(zhì)量預(yù)測(cè)問題和質(zhì)量分析問題的一般方法。以寶鋼連鑄生產(chǎn)過程為背景進(jìn)行挖掘?qū)嶒?yàn)，表明這種方法在實(shí)際應(yīng)中的正確性和有效性。
［關(guān)鍵詞］質(zhì)量控制；動(dòng)態(tài)數(shù)據(jù)挖掘；鋼鐵生產(chǎn)過程
0 引言
生產(chǎn)過程質(zhì)量控制是利用生產(chǎn)過程的動(dòng)態(tài)信息進(jìn)行質(zhì)量預(yù)測(cè)和質(zhì)量控制。由于其實(shí)時(shí)性和較高的準(zhǔn)確性，可以預(yù)估質(zhì)量問題，從而降低鋼鐵企業(yè)的生產(chǎn)成本和經(jīng)濟(jì)損失。生產(chǎn)過程質(zhì)量控制的基礎(chǔ)是對(duì)生產(chǎn)過程的質(zhì)量預(yù)測(cè)。因?yàn)橹挥袑?duì)未來產(chǎn)品質(zhì)量參數(shù)進(jìn)行估計(jì)，才能在產(chǎn)品質(zhì)量發(fā)生問題前調(diào)整生產(chǎn)過程，真正達(dá)到提高產(chǎn)品質(zhì)量的目的。進(jìn)行質(zhì)量預(yù)測(cè)的手段是建立生產(chǎn)過程的質(zhì)量模型，即以各種決定產(chǎn)品質(zhì)量的變量為輸入，以產(chǎn)品各質(zhì)量指標(biāo)為輸出的數(shù)學(xué)模型。但由于影響因素較多而導(dǎo)致機(jī)理建模困難等原因，質(zhì)量模型的建立比一般用于自動(dòng)控制的對(duì)象建模更為困難。
數(shù)據(jù)挖掘是一類從大量數(shù)據(jù)中自動(dòng)尋找規(guī)律的方法，在過去20年中得到了大量的研究。數(shù)據(jù)挖掘方法的特點(diǎn)是能從大量的數(shù)據(jù)中自動(dòng)分析并提取未知的、潛在有用的知識(shí)，因此可用于復(fù)雜系統(tǒng)的行為建模和行為預(yù)測(cè)。傳統(tǒng)的數(shù)據(jù)挖掘應(yīng)用通常只處理靜態(tài)的數(shù)據(jù)，即不包含時(shí)間信息的數(shù)據(jù)。但當(dāng)將數(shù)據(jù)挖掘方法用于建立鋼鐵企業(yè)生產(chǎn)過程的質(zhì)量模型時(shí)，由于傳感器對(duì)生產(chǎn)過程不斷采樣的原因，獲得的生產(chǎn)歷史數(shù)據(jù)通常都是時(shí)間序列，即歷史數(shù)據(jù)是和時(shí)間相關(guān)的—系列值。因此通常用于處理靜態(tài)數(shù)據(jù)的數(shù)據(jù)挖掘方法不能直接應(yīng)用于鋼鐵企業(yè)生產(chǎn)過程歷史數(shù)據(jù)的挖掘。
動(dòng)態(tài)數(shù)據(jù)挖掘是從海量時(shí)間序列數(shù)據(jù)中尋找規(guī)律的數(shù)據(jù)挖掘方法。將動(dòng)態(tài)數(shù)據(jù)挖掘方法應(yīng)用于鋼鐵企業(yè)生產(chǎn)過程質(zhì)量控制時(shí)，主要目標(biāo)有兩個(gè)：（1）通過對(duì)鋼鐵生產(chǎn)過程歷史記錄的數(shù)據(jù)挖掘，建立產(chǎn)品質(zhì)量預(yù)測(cè)模型，并運(yùn)用于生產(chǎn)過程，進(jìn)行實(shí)時(shí)質(zhì)量預(yù)測(cè)；（2）在產(chǎn)品質(zhì)量出現(xiàn)問題后，利用對(duì)歷史數(shù)據(jù)的挖掘分析生產(chǎn)工藝對(duì)產(chǎn)品質(zhì)量的影響，找出隱藏的生產(chǎn)規(guī)律，為鋼鐵企業(yè)改進(jìn)工藝提供決策支持。
1 問題描述
本文所研究的面向質(zhì)量控制的動(dòng)態(tài)數(shù)據(jù)挖掘可表達(dá)為以下兩類問題的求解過程。
2 面向質(zhì)量控制的動(dòng)態(tài)數(shù)據(jù)挖掘方法
2.1 樣本抽取
與靜態(tài)數(shù)據(jù)的挖掘不同，對(duì)多個(gè)時(shí)間序列進(jìn)行動(dòng)態(tài)數(shù)據(jù)挖掘時(shí)，需要解決的第1個(gè)問題是數(shù)據(jù)的樣本抽取，即將各個(gè)傳感器采樣得到的多個(gè)時(shí)間序列數(shù)據(jù)根據(jù)其時(shí)間、空間上的相關(guān)性以及對(duì)產(chǎn)品質(zhì)量檢驗(yàn)結(jié)果的影響，抽取相應(yīng)的子序列，組成數(shù)據(jù)挖掘的樣本集合。這是因?yàn)閷?duì)某一質(zhì)量指標(biāo)有影響的可能是不同工藝參數(shù)在不同時(shí)間段上的變化情況。
鋼鐵企業(yè)生產(chǎn)過程可以分為間歇型過程（如高爐煉鐵過程）和連續(xù)型過程（如連續(xù)退火過程）。間歇型生產(chǎn)過程的特點(diǎn)是：?jiǎn)闻a(chǎn)品在同一工藝裝置中，一般要經(jīng)歷多個(gè)加工處理時(shí)段，因此通常其各個(gè)操作參數(shù)的設(shè)計(jì)值在生產(chǎn)過程的不同時(shí)段取不同的值。連續(xù)型生產(chǎn)過程的特點(diǎn)是：原料連續(xù)經(jīng)過生產(chǎn)線各工藝裝置處理后成為產(chǎn)品，為了保持生產(chǎn)的連續(xù)性，各工藝裝置操作參數(shù)的設(shè)計(jì)值為定值。由于上述兩類生產(chǎn)過程的不同特點(diǎn)，在進(jìn)行數(shù)據(jù)樣本抽取時(shí)必須采用不同的處理方法。下面分別加以闡述。
2.1.1 間歇型過程
對(duì)于間歇型生產(chǎn)過程，由于單批產(chǎn)品的質(zhì)量檢驗(yàn)是在該批產(chǎn)品生產(chǎn)完成后進(jìn)行的，所以可以取單批產(chǎn)品在整個(gè)生產(chǎn)過程中完整的工藝參數(shù)測(cè)量值時(shí)間序列和質(zhì)量指標(biāo)測(cè)量值時(shí)間序列作為動(dòng)態(tài)數(shù)據(jù)挖掘所需的樣本。
2.1.2 連續(xù)型過程
對(duì)于連續(xù)型生產(chǎn)過程，因?yàn)椴煌墓に噮?shù)在不同的時(shí)段對(duì)加工的產(chǎn)品質(zhì)量發(fā)生影響，因此應(yīng)將工藝參數(shù)的測(cè)量值時(shí)間序列中，對(duì)某個(gè)質(zhì)量檢驗(yàn)結(jié)果有影響的一段子序列提取出來，和質(zhì)量指標(biāo)測(cè)量值一起組成樣本。
2.2模式提取和評(píng)價(jià)
2.2.1 質(zhì)量不良原因的模式假設(shè)
通常產(chǎn)品質(zhì)量不良的原因可分為兩類，即工藝參數(shù)的設(shè)計(jì)值有錯(cuò)誤；或在生產(chǎn)過程中工藝參數(shù)未能控制在設(shè)計(jì)值。本文提出的動(dòng)態(tài)數(shù)據(jù)挖掘方法在用于鋼鐵企業(yè)生產(chǎn)過程質(zhì)量控制時(shí)，基于以下關(guān)鍵性假設(shè)，即設(shè)產(chǎn)品質(zhì)量不良的原因可以通過生產(chǎn)過程中工藝參數(shù)的時(shí)間序列實(shí)測(cè)樣本反映出來。工藝參數(shù)的時(shí)間序列中某些特征的改變，引起生產(chǎn)質(zhì)量的變化，而這些時(shí)間序列的特征，可以用模式來描述。
例如，在連鑄生產(chǎn)工藝中，鑄坯拉速不穩(wěn)定時(shí)，容易出現(xiàn)縱向裂紋。根據(jù)此先驗(yàn)知識(shí)，可以將鑄坯拉速測(cè)量值時(shí)間序列的方差作為影響鑄坯縱向裂紋質(zhì)量事故的一個(gè)模式。為了解鑄坯拉速測(cè)量值時(shí)間序列的方差與鑄坯縱向裂紋質(zhì)量事故之間的定量關(guān)系，可以采用數(shù)據(jù)挖掘方法從海量的鑄坯拉速測(cè)量值生產(chǎn)歷史數(shù)據(jù)中去尋找。
根據(jù)上述質(zhì)量不良原因的模式假設(shè)，在進(jìn)行質(zhì)量預(yù)測(cè)模型的建?；蛸|(zhì)量事故原因的分析時(shí)，要進(jìn)行時(shí)間序列的模式提取和評(píng)價(jià)。
2.2.2 時(shí)間序列的模式提取和評(píng)價(jià)方法
時(shí)間序列的模式提取是從時(shí)間序列中抽取有價(jià)值的特征模式評(píng)價(jià)指標(biāo)的過程。在經(jīng)典的時(shí)間序列分析理論中，已給出了一類模式提取的方法：根據(jù)時(shí)間序列建立ARMA模型［3］。該方法把時(shí)間序列空間映射到ARMA模型中的參數(shù)空間，也稱為時(shí)間序列的ARMA特征空間。但是ARMA特征沒有物理意義，難以根據(jù)它來改進(jìn)產(chǎn)品質(zhì)量。
為了使模式評(píng)價(jià)指標(biāo)具有物理意義，有三類可供選擇的方法：
（1）根據(jù)理論分析和實(shí)際經(jīng)驗(yàn)，構(gòu)造與產(chǎn)品質(zhì)量有關(guān)的模式類。例如根據(jù)經(jīng)驗(yàn)，冷連軋過程中帶鋼溫度驟升驟降可能引起斷帶，因此將它作為帶鋼溫度時(shí)間序列的一種模式。
（2）對(duì)于沒有任何先驗(yàn)知識(shí)的情況，可以窮舉構(gòu)造所有可能的有物理意義的模式。例如時(shí)間序列的均值、方差、zui大值、zui小值、中間值、局部極值出現(xiàn)頻率、單調(diào)性、凹凸性、與標(biāo)準(zhǔn)值的偏差、時(shí)間累計(jì)量等都可以被認(rèn)為是候選的模式。
（3）對(duì)于只有部分先驗(yàn)知識(shí)的情況，可以結(jié)合前兩種方法。
特征模式評(píng)價(jià)指標(biāo)確定后，時(shí)間序列模式評(píng)價(jià)的一般步驟如下：
從上述過程可以看出，經(jīng)過特征模式提取和評(píng)價(jià)，已經(jīng)將時(shí)間序列數(shù)據(jù)轉(zhuǎn)換成了不顯含時(shí)間因素的模式評(píng)價(jià)值序列。
2.3數(shù)據(jù)挖掘過程
綜上所述，對(duì)于生產(chǎn)過程質(zhì)量控制而言，整個(gè)動(dòng)態(tài)數(shù)據(jù)挖掘過程，包括根據(jù)生產(chǎn)過程的性質(zhì)對(duì)時(shí)間序列數(shù)據(jù)進(jìn)行樣本抽取、根據(jù)給定的特征模式評(píng)價(jià)指標(biāo)對(duì)時(shí)間序列進(jìn)行特征模式評(píng)價(jià)、根據(jù)質(zhì)量控制的要求建立質(zhì)量預(yù)測(cè)或質(zhì)量關(guān)聯(lián)模型等三個(gè)組成部分。具體步驟總結(jié)如下：
（1）確定m個(gè)可測(cè)的產(chǎn)品質(zhì)量指標(biāo)；
（2）根據(jù)理論分析和實(shí)際經(jīng)驗(yàn)，確定可能影響質(zhì)量指標(biāo)的因素。根據(jù)這些因素，確定參加挖掘n個(gè)可測(cè)的工藝參數(shù)以及相應(yīng)的特征模式評(píng)價(jià)指標(biāo)集合；
（3）獲取工藝參數(shù)的測(cè)量值時(shí)間序列，并使用第2.1.2節(jié)中介紹的方法對(duì)時(shí)間序列進(jìn)行樣本抽取，得到數(shù)據(jù)挖掘樣本；
（4）使用第2.2.2節(jié)中的方法，對(duì)樣本進(jìn)行模式評(píng)價(jià)，從而將數(shù)據(jù)樣本轉(zhuǎn)化為模式評(píng)價(jià)樣本；
（5）對(duì)于質(zhì)量預(yù)測(cè)問題來說，使用回歸分析方法建立如式（3）所示的質(zhì)量預(yù)測(cè)模型，對(duì)于質(zhì)量分析問題來說，使用關(guān)聯(lián)分析方法建立如式（4）所示的質(zhì)量分析模型；
（6）使用測(cè)試樣本集對(duì)挖掘結(jié)果進(jìn)行測(cè)試；
（7）輸出數(shù)據(jù)挖掘結(jié)果。
3 應(yīng)用實(shí)例
運(yùn)用上述理論與方法，作者在一個(gè)冶金企業(yè)生產(chǎn)質(zhì)量分析數(shù)據(jù)挖掘平臺(tái)DMPlatform上，以某鋼廠1900直弧型板坯連鑄機(jī)生產(chǎn)過程鑄坯縱裂質(zhì)量控制為背景進(jìn)行了動(dòng)態(tài)數(shù)據(jù)挖掘試驗(yàn)。
定義質(zhì)量指標(biāo)為鑄坯縱向裂紋，考慮的數(shù)據(jù)類型為邏輯值，即只考慮鑄坯樣本有無縱向裂紋。在生產(chǎn)中通過切片硫印的方式獲取該質(zhì)量指標(biāo)的檢驗(yàn)值，采樣周期為1h。參與數(shù)據(jù)挖掘的工藝參數(shù)共有24個(gè)，zui短的采樣周期為5s（如結(jié)晶器循環(huán)冷卻水和二冷段冷卻水的溫度），zui長的采樣周期為1min（如鑄坯表面溫度）。根據(jù)已知的連鑄理論和經(jīng)驗(yàn)知識(shí)，如：錳硫比增大或者硫含量降低時(shí)裂紋減少，拉速越不穩(wěn)定越容易出現(xiàn)縱向裂紋等，確定了對(duì)各個(gè)工藝參數(shù)時(shí)間序列需要提取的具有物理意義的模式。
連鑄是連續(xù)型生產(chǎn)過程，采用第2.1.2節(jié)中的方法從生產(chǎn)歷史數(shù)據(jù)中抽取樣本，共采集了60批鑄坯的生產(chǎn)歷史記錄，每批數(shù)據(jù)記錄的時(shí)間跨度為鑄坯切片質(zhì)量硫印檢驗(yàn)前1h。因此24個(gè)工藝參數(shù)時(shí)間序列的zui大長度為43 200個(gè)采樣數(shù)據(jù)，總數(shù)據(jù)量約為200萬個(gè)數(shù)據(jù)。然后對(duì)原始數(shù)據(jù)進(jìn)行去除野值、數(shù)據(jù)平滑等預(yù)處理，接著根據(jù)表1對(duì)每批數(shù)據(jù)提取特征模式，zui后得到60個(gè)樣本。我們將前40個(gè)樣本作為訓(xùn)練集，利用樸素Bayes分類建立質(zhì)量預(yù)測(cè)模型。將后20個(gè)樣本作為測(cè)試集，對(duì)獲得的連鑄鑄坯質(zhì)量預(yù)測(cè)模型進(jìn)行了檢驗(yàn)。表2為預(yù)測(cè)結(jié)果。
可見只有No8和No20兩個(gè)預(yù)測(cè)值和實(shí)際值不符合，預(yù)測(cè)成功率為90%。由于連鑄板坯縱裂的形成原因非常復(fù)雜，根據(jù)經(jīng)驗(yàn)很難預(yù)測(cè)和控制，因此90%的質(zhì)量預(yù)測(cè)精度對(duì)于鑄坯質(zhì)量控制有很大的幫助。
［摘 要］質(zhì)量控制對(duì)提高企業(yè)產(chǎn)品質(zhì)量具有重要的意義。本文從鋼鐵生產(chǎn)過程的特點(diǎn)出發(fā)，將動(dòng)態(tài)數(shù)據(jù)挖掘運(yùn)用于質(zhì)量控制中，闡述了利用數(shù)據(jù)挖掘解決質(zhì)量預(yù)測(cè)問題和質(zhì)量分析問題的一般方法。以寶鋼連鑄生產(chǎn)過程為背景進(jìn)行挖掘?qū)嶒?yàn)，表明這種方法在實(shí)際應(yīng)中的正確性和有效性。
［關(guān)鍵詞］質(zhì)量控制；動(dòng)態(tài)數(shù)據(jù)挖掘；鋼鐵生產(chǎn)過程
0 引言
生產(chǎn)過程質(zhì)量控制是利用生產(chǎn)過程的動(dòng)態(tài)信息進(jìn)行質(zhì)量預(yù)測(cè)和質(zhì)量控制。由于其實(shí)時(shí)性和較高的準(zhǔn)確性，可以預(yù)估質(zhì)量問題，從而降低鋼鐵企業(yè)的生產(chǎn)成本和經(jīng)濟(jì)損失。生產(chǎn)過程質(zhì)量控制的基礎(chǔ)是對(duì)生產(chǎn)過程的質(zhì)量預(yù)測(cè)。因?yàn)橹挥袑?duì)未來產(chǎn)品質(zhì)量參數(shù)進(jìn)行估計(jì)，才能在產(chǎn)品質(zhì)量發(fā)生問題前調(diào)整生產(chǎn)過程，真正達(dá)到提高產(chǎn)品質(zhì)量的目的。進(jìn)行質(zhì)量預(yù)測(cè)的手段是建立生產(chǎn)過程的質(zhì)量模型，即以各種決定產(chǎn)品質(zhì)量的變量為輸入，以產(chǎn)品各質(zhì)量指標(biāo)為輸出的數(shù)學(xué)模型。但由于影響因素較多而導(dǎo)致機(jī)理建模困難等原因，質(zhì)量模型的建立比一般用于自動(dòng)控制的對(duì)象建模更為困難。
數(shù)據(jù)挖掘是一類從大量數(shù)據(jù)中自動(dòng)尋找規(guī)律的方法，在過去20年中得到了大量的研究。數(shù)據(jù)挖掘方法的特點(diǎn)是能從大量的數(shù)據(jù)中自動(dòng)分析并提取未知的、潛在有用的知識(shí)，因此可用于復(fù)雜系統(tǒng)的行為建模和行為預(yù)測(cè)。傳統(tǒng)的數(shù)據(jù)挖掘應(yīng)用通常只處理靜態(tài)的數(shù)據(jù)，即不包含時(shí)間信息的數(shù)據(jù)。但當(dāng)將數(shù)據(jù)挖掘方法用于建立鋼鐵企業(yè)生產(chǎn)過程的質(zhì)量模型時(shí)，由于傳感器對(duì)生產(chǎn)過程不斷采樣的原因，獲得的生產(chǎn)歷史數(shù)據(jù)通常都是時(shí)間序列，即歷史數(shù)據(jù)是和時(shí)間相關(guān)的—系列值。因此通常用于處理靜態(tài)數(shù)據(jù)的數(shù)據(jù)挖掘方法不能直接應(yīng)用于鋼鐵企業(yè)生產(chǎn)過程歷史數(shù)據(jù)的挖掘。
動(dòng)態(tài)數(shù)據(jù)挖掘是從海量時(shí)間序列數(shù)據(jù)中尋找規(guī)律的數(shù)據(jù)挖掘方法。將動(dòng)態(tài)數(shù)據(jù)挖掘方法應(yīng)用于鋼鐵企業(yè)生產(chǎn)過程質(zhì)量控制時(shí)，主要目標(biāo)有兩個(gè)：（1）通過對(duì)鋼鐵生產(chǎn)過程歷史記錄的數(shù)據(jù)挖掘，建立產(chǎn)品質(zhì)量預(yù)測(cè)模型，并運(yùn)用于生產(chǎn)過程，進(jìn)行實(shí)時(shí)質(zhì)量預(yù)測(cè)；（2）在產(chǎn)品質(zhì)量出現(xiàn)問題后，利用對(duì)歷史數(shù)據(jù)的挖掘分析生產(chǎn)工藝對(duì)產(chǎn)品質(zhì)量的影響，找出隱藏的生產(chǎn)規(guī)律，為鋼鐵企業(yè)改進(jìn)工藝提供決策支持。
1 問題描述
本文所研究的面向質(zhì)量控制的動(dòng)態(tài)數(shù)據(jù)挖掘可表達(dá)為以下兩類問題的求解過程。
2 面向質(zhì)量控制的動(dòng)態(tài)數(shù)據(jù)挖掘方法
2.1 樣本抽取
與靜態(tài)數(shù)據(jù)的挖掘不同，對(duì)多個(gè)時(shí)間序列進(jìn)行動(dòng)態(tài)數(shù)據(jù)挖掘時(shí)，需要解決的第1個(gè)問題是數(shù)據(jù)的樣本抽取，即將各個(gè)傳感器采樣得到的多個(gè)時(shí)間序列數(shù)據(jù)根據(jù)其時(shí)間、空間上的相關(guān)性以及對(duì)產(chǎn)品質(zhì)量檢驗(yàn)結(jié)果的影響，抽取相應(yīng)的子序列，組成數(shù)據(jù)挖掘的樣本集合。這是因?yàn)閷?duì)某一質(zhì)量指標(biāo)有影響的可能是不同工藝參數(shù)在不同時(shí)間段上的變化情況。
鋼鐵企業(yè)生產(chǎn)過程可以分為間歇型過程（如高爐煉鐵過程）和連續(xù)型過程（如連續(xù)退火過程）。間歇型生產(chǎn)過程的特點(diǎn)是：?jiǎn)闻a(chǎn)品在同一工藝裝置中，一般要經(jīng)歷多個(gè)加工處理時(shí)段，因此通常其各個(gè)操作參數(shù)的設(shè)計(jì)值在生產(chǎn)過程的不同時(shí)段取不同的值。連續(xù)型生產(chǎn)過程的特點(diǎn)是：原料連續(xù)經(jīng)過生產(chǎn)線各工藝裝置處理后成為產(chǎn)品，為了保持生產(chǎn)的連續(xù)性，各工藝裝置操作參數(shù)的設(shè)計(jì)值為定值。由于上述兩類生產(chǎn)過程的不同特點(diǎn)，在進(jìn)行數(shù)據(jù)樣本抽取時(shí)必須采用不同的處理方法。下面分別加以闡述。
2.1.1 間歇型過程
對(duì)于間歇型生產(chǎn)過程，由于單批產(chǎn)品的質(zhì)量檢驗(yàn)是在該批產(chǎn)品生產(chǎn)完成后進(jìn)行的，所以可以取單批產(chǎn)品在整個(gè)生產(chǎn)過程中完整的工藝參數(shù)測(cè)量值時(shí)間序列和質(zhì)量指標(biāo)測(cè)量值時(shí)間序列作為動(dòng)態(tài)數(shù)據(jù)挖掘所需的樣本。
2.1.2 連續(xù)型過程
對(duì)于連續(xù)型生產(chǎn)過程，因?yàn)椴煌墓に噮?shù)在不同的時(shí)段對(duì)加工的產(chǎn)品質(zhì)量發(fā)生影響，因此應(yīng)將工藝參數(shù)的測(cè)量值時(shí)間序列中，對(duì)某個(gè)質(zhì)量檢驗(yàn)結(jié)果有影響的一段子序列提取出來，和質(zhì)量指標(biāo)測(cè)量值一起組成樣本。
2.2模式提取和評(píng)價(jià)
2.2.1 質(zhì)量不良原因的模式假設(shè)
通常產(chǎn)品質(zhì)量不良的原因可分為兩類，即工藝參數(shù)的設(shè)計(jì)值有錯(cuò)誤；或在生產(chǎn)過程中工藝參數(shù)未能控制在設(shè)計(jì)值。本文提出的動(dòng)態(tài)數(shù)據(jù)挖掘方法在用于鋼鐵企業(yè)生產(chǎn)過程質(zhì)量控制時(shí)，基于以下關(guān)鍵性假設(shè)，即設(shè)產(chǎn)品質(zhì)量不良的原因可以通過生產(chǎn)過程中工藝參數(shù)的時(shí)間序列實(shí)測(cè)樣本反映出來。工藝參數(shù)的時(shí)間序列中某些特征的改變，引起生產(chǎn)質(zhì)量的變化，而這些時(shí)間序列的特征，可以用模式來描述。
例如，在連鑄生產(chǎn)工藝中，鑄坯拉速不穩(wěn)定時(shí)，容易出現(xiàn)縱向裂紋。根據(jù)此先驗(yàn)知識(shí)，可以將鑄坯拉速測(cè)量值時(shí)間序列的方差作為影響鑄坯縱向裂紋質(zhì)量事故的一個(gè)模式。為了解鑄坯拉速測(cè)量值時(shí)間序列的方差與鑄坯縱向裂紋質(zhì)量事故之間的定量關(guān)系，可以采用數(shù)據(jù)挖掘方法從海量的鑄坯拉速測(cè)量值生產(chǎn)歷史數(shù)據(jù)中去尋找。
根據(jù)上述質(zhì)量不良原因的模式假設(shè)，在進(jìn)行質(zhì)量預(yù)測(cè)模型的建?；蛸|(zhì)量事故原因的分析時(shí)，要進(jìn)行時(shí)間序列的模式提取和評(píng)價(jià)。
2.2.2 時(shí)間序列的模式提取和評(píng)價(jià)方法
時(shí)間序列的模式提取是從時(shí)間序列中抽取有價(jià)值的特征模式評(píng)價(jià)指標(biāo)的過程。在經(jīng)典的時(shí)間序列分析理論中，已給出了一類模式提取的方法：根據(jù)時(shí)間序列建立ARMA模型［3］。該方法把時(shí)間序列空間映射到ARMA模型中的參數(shù)空間，也稱為時(shí)間序列的ARMA特征空間。但是ARMA特征沒有物理意義，難以根據(jù)它來改進(jìn)產(chǎn)品質(zhì)量。
為了使模式評(píng)價(jià)指標(biāo)具有物理意義，有三類可供選擇的方法：
（1）根據(jù)理論分析和實(shí)際經(jīng)驗(yàn)，構(gòu)造與產(chǎn)品質(zhì)量有關(guān)的模式類。例如根據(jù)經(jīng)驗(yàn)，冷連軋過程中帶鋼溫度驟升驟降可能引起斷帶，因此將它作為帶鋼溫度時(shí)間序列的一種模式。
（2）對(duì)于沒有任何先驗(yàn)知識(shí)的情況，可以窮舉構(gòu)造所有可能的有物理意義的模式。例如時(shí)間序列的均值、方差、zui大值、zui小值、中間值、局部極值出現(xiàn)頻率、單調(diào)性、凹凸性、與標(biāo)準(zhǔn)值的偏差、時(shí)間累計(jì)量等都可以被認(rèn)為是候選的模式。
（3）對(duì)于只有部分先驗(yàn)知識(shí)的情況，可以結(jié)合前兩種方法。
特征模式評(píng)價(jià)指標(biāo)確定后，時(shí)間序列模式評(píng)價(jià)的一般步驟如下：
從上述過程可以看出，經(jīng)過特征模式提取和評(píng)價(jià)，已經(jīng)將時(shí)間序列數(shù)據(jù)轉(zhuǎn)換成了不顯含時(shí)間因素的模式評(píng)價(jià)值序列。
2.3數(shù)據(jù)挖掘過程
綜上所述，對(duì)于生產(chǎn)過程質(zhì)量控制而言，整個(gè)動(dòng)態(tài)數(shù)據(jù)挖掘過程，包括根據(jù)生產(chǎn)過程的性質(zhì)對(duì)時(shí)間序列數(shù)據(jù)進(jìn)行樣本抽取、根據(jù)給定的特征模式評(píng)價(jià)指標(biāo)對(duì)時(shí)間序列進(jìn)行特征模式評(píng)價(jià)、根據(jù)質(zhì)量控制的要求建立質(zhì)量預(yù)測(cè)或質(zhì)量關(guān)聯(lián)模型等三個(gè)組成部分。具體步驟總結(jié)如下：
（1）確定m個(gè)可測(cè)的產(chǎn)品質(zhì)量指標(biāo)；
（2）根據(jù)理論分析和實(shí)際經(jīng)驗(yàn)，確定可能影響質(zhì)量指標(biāo)的因素。根據(jù)這些因素，確定參加挖掘n個(gè)可測(cè)的工藝參數(shù)以及相應(yīng)的特征模式評(píng)價(jià)指標(biāo)集合；
（3）獲取工藝參數(shù)的測(cè)量值時(shí)間序列，并使用第2.1.2節(jié)中介紹的方法對(duì)時(shí)間序列進(jìn)行樣本抽取，得到數(shù)據(jù)挖掘樣本；
（4）使用第2.2.2節(jié)中的方法，對(duì)樣本進(jìn)行模式評(píng)價(jià)，從而將數(shù)據(jù)樣本轉(zhuǎn)化為模式評(píng)價(jià)樣本；
（5）對(duì)于質(zhì)量預(yù)測(cè)問題來說，使用回歸分析方法建立如式（3）所示的質(zhì)量預(yù)測(cè)模型，對(duì)于質(zhì)量分析問題來說，使用關(guān)聯(lián)分析方法建立如式（4）所示的質(zhì)量分析模型；
（6）使用測(cè)試樣本集對(duì)挖掘結(jié)果進(jìn)行測(cè)試；
（7）輸出數(shù)據(jù)挖掘結(jié)果。
3 應(yīng)用實(shí)例
運(yùn)用上述理論與方法，作者在一個(gè)冶金企業(yè)生產(chǎn)質(zhì)量分析數(shù)據(jù)挖掘平臺(tái)DMPlatform上，以某鋼廠1900直弧型板坯連鑄機(jī)生產(chǎn)過程鑄坯縱裂質(zhì)量控制為背景進(jìn)行了動(dòng)態(tài)數(shù)據(jù)挖掘試驗(yàn)。
定義質(zhì)量指標(biāo)為鑄坯縱向裂紋，考慮的數(shù)據(jù)類型為邏輯值，即只考慮鑄坯樣本有無縱向裂紋。在生產(chǎn)中通過切片硫印的方式獲取該質(zhì)量指標(biāo)的檢驗(yàn)值，采樣周期為1h。參與數(shù)據(jù)挖掘的工藝參數(shù)共有24個(gè)，zui短的采樣周期為5s（如結(jié)晶器循環(huán)冷卻水和二冷段冷卻水的溫度），zui長的采樣周期為1min（如鑄坯表面溫度）。根據(jù)已知的連鑄理論和經(jīng)驗(yàn)知識(shí)，如：錳硫比增大或者硫含量降低時(shí)裂紋減少，拉速越不穩(wěn)定越容易出現(xiàn)縱向裂紋等，確定了對(duì)各個(gè)工藝參數(shù)時(shí)間序列需要提取的具有物理意義的模式。
連鑄是連續(xù)型生產(chǎn)過程，采用第2.1.2節(jié)中的方法從生產(chǎn)歷史數(shù)據(jù)中抽取樣本，共采集了60批鑄坯的生產(chǎn)歷史記錄，每批數(shù)據(jù)記錄的時(shí)間跨度為鑄坯切片質(zhì)量硫印檢驗(yàn)前1h。因此24個(gè)工藝參數(shù)時(shí)間序列的zui大長度為43 200個(gè)采樣數(shù)據(jù)，總數(shù)據(jù)量約為200萬個(gè)數(shù)據(jù)。然后對(duì)原始數(shù)據(jù)進(jìn)行去除野值、數(shù)據(jù)平滑等預(yù)處理，接著根據(jù)表1對(duì)每批數(shù)據(jù)提取特征模式，zui后得到60個(gè)樣本。我們將前40個(gè)樣本作為訓(xùn)練集，利用樸素Bayes分類建立質(zhì)量預(yù)測(cè)模型。將后20個(gè)樣本作為測(cè)試集，對(duì)獲得的連鑄鑄坯質(zhì)量預(yù)測(cè)模型進(jìn)行了檢驗(yàn)。表2為預(yù)測(cè)結(jié)果。
可見只有No8和No20兩個(gè)預(yù)測(cè)值和實(shí)際值不符合，預(yù)測(cè)成功率為90%。由于連鑄板坯縱裂的形成原因非常復(fù)雜，根據(jù)經(jīng)驗(yàn)很難預(yù)測(cè)和控制，因此90%的質(zhì)量預(yù)測(cè)精度對(duì)于鑄坯質(zhì)量控制有很大的幫助。
關(guān)鍵詞：過程質(zhì)量控制
全年征稿/資訊合作
聯(lián)系郵箱：1271141964@qq.com
免責(zé)聲明
- 凡本網(wǎng)注明"來源：智能制造網(wǎng)"的所有作品，版權(quán)均屬于智能制造網(wǎng)，轉(zhuǎn)載請(qǐng)必須注明智能制造網(wǎng)，http://towegas.com。違反者本網(wǎng)將追究相關(guān)法律責(zé)任。
- 企業(yè)發(fā)布的公司新聞、技術(shù)文章、資料下載等內(nèi)容，如涉及侵權(quán)、違規(guī)遭投訴的，一律由發(fā)布企業(yè)自行承擔(dān)責(zé)任，本網(wǎng)有權(quán)刪除內(nèi)容并追溯責(zé)任。
- 本網(wǎng)轉(zhuǎn)載并注明自其它來源的作品，目的在于傳遞更多信息，并不代表本網(wǎng)贊同其觀點(diǎn)或證實(shí)其內(nèi)容的真實(shí)性，不承擔(dān)此類作品侵權(quán)行為的直接責(zé)任及連帶責(zé)任。其他媒體、網(wǎng)站或個(gè)人從本網(wǎng)轉(zhuǎn)載時(shí)，必須保留本網(wǎng)注明的作品來源，并自負(fù)版權(quán)等法律責(zé)任。
- 如涉及作品內(nèi)容、版權(quán)等問題，請(qǐng)?jiān)谧髌钒l(fā)表之日起一周內(nèi)與本網(wǎng)聯(lián)系，否則視為放棄相關(guān)權(quán)利。
浙公網(wǎng)安備 33010602000006號(hào)
智能制造網(wǎng)APP
智能制造網(wǎng)小程序
微信公眾號(hào)
SAMPE中國第二十屆國際先進(jìn)復(fù)合材料展覽會(huì)
展會(huì)城市：北京市展會(huì)時(shí)間：2025-06-18