面向柔性自动化的成组统计质量控制技术

针对柔性自动化生产环境下实施统计质量控制（SQC—Statisucal Quality Control）难点一质量数据不足的问题，本研究将成组思想引入统计质量控制，以提高质量数据的先验性和质量数据之间的相关关系，提出了基于工序质量数据成组的成组统计质量控制（GSQC—Group Statistical Quality Control）技术。通过对柔性自动化理论的研究和对实际生产环境的分析，证明了GSQC技术存在良好的制造技术基础。提出了以P分住数不变为原则，以这一原则为基础建立了基于统计变换的成组统计质量控制图的数学模型，给出了计算工序质量数据成组的均值一方差质量控制图控制变量的计算过程。     

基于多类别统计模式分析的过程控制框架及方法研究

针对传统统计分析方法及统计模式分析框架不适用于当前个性化定制生产中产品多品种、多参数下的过程及质量控制问题。将机器学习方法与统计模式分析相结合提出了多分类统计模式分析框架,将以往的统计模式分析框架改进分为分类器和统计模式分析两个组成部分,并以BP神经网络作为分类器为例提出了过程控制方法,用来解决多种类产品顺序生产所导致的过程分析产生的误差问题。通过冰箱发泡过程监测实验,研究结果表明,提出的框架及方法能够反映出发泡过程中的参数变化,取得较好的质量控制效果,具有一定的实用性。     

基于PLC信号的现代制造系统故障诊断模型

针对现代制造系统中常见的设备运动故障，从理论上提出了两种诊断模型－基于ＰＬＣ控制系统流程的逻辑诊断模型和基于ＰＬＣ顺序控制的时序诊断模型，两种模型相结合，可以对现代制造系统的设备运行故障进行全面的诊断。     

基于集成诊断模型加工质量的智能诊断系统研究

文章从模拟人的诊断思维出发，以融合神经网络和专家系统这２种人工智能理论为指导思想，２针对加工质量诊断问题，提出了综合使用实例知识，经验知识，模型知识的基于神经网络，覆盖集理论，数学模型的集成诊断模型，给出了基于集成诊断模型加工质量的智能诊断系统框架     

基于粗糙集理论的冠心病病因分析与研究

粗糙集理论作为一种处理不确定信息的新型数学工具，已被成功地应用于机器学习、决策分析、过程控制、模式识别与数据挖掘等领域．本文中，利用粗糙集理论和概率统计方法分别对一些冠心病病例进行了分析处理，找出了导致冠心病发生的易患因素以及根据已有病例提取出了冠心病新的诊断规则，实例证明了方法的有效性和可行性．     

嵌入式终端上质量管理控制图的研究与实现

控制图理论作为统计过程控制即SPC的核心,已成为了质量管理中的一种重要工具.控制图理论主要是应用数理统计的方法,通过对质量数据的处理来分析和判断工序是否处于稳定状态.将控制图理论与嵌入式技术相结合,研制了满足生产现场质量管理需要的集数据采集与统计分析于一体的嵌入式质量管理器.而数据的录入、保存与处理和控制图的生成与显示作为嵌入式质量管理器的重要功能,有必要单独研究.文章主要针对上述内容进行了研究和实现,解决了嵌入式质量管理器上的相关问题,为实现现场在线实时统计质量管理奠定了基础.     

基于粗糙集的T-S模糊神经网络在回转窑烧结过程中的应用

基于粗糙集理论的知识约简方法和T-S模糊神经网络的非线性映射理论,针对回转窑烧结过程被控对象复杂、各参数之间相互耦合及难以建立精确数学模型的特点,提出一种RS-FNN智能控制策略。采用基于一种新的聚类有效性准则函数的模糊C均值聚类算法对连续属性进行离散化;然后利用粗糙集理论由历史数据样本提取约简规则集,对应的T-S模型具有反映数据特征的良好拓扑结构;最后T-S模型参数由梯度下降混合最小二乘法进行精调。该方法应用于铁矿氧化球团回转窑生产过程控制取得了良好效果,增强了系统容错及抗干扰的能力。     

一种基于聚类的粗糙集连续属性的离散化算法

粗糙集理论是一种新的处理不精确、不完全与不相容知识的数学工具。粗糙集理论只能对离散属性进行处理，而不能处理连续属性。中针对这一缺陷，利用连续数值属性有序性的性质和统计方差理论，提出了一种基于聚类的连续属性离散化算法。运用典型数据将本算法与现有方法进行了比较分析，得到了满意的结果。     

基于粗糙集的毕业生就业质量评价指标优化

为构建财经类院校毕业生就业质量评价指标体系, 提出一种基于粗糙集理论的就业质量评价指标优化方法。 初步确立毕业生就业质量的 14 个评价指标, 以吉林财经大学 2012 ~2015 年近 4 届毕业生的就业信息为样本数据, 利用定量统计法对各指标权重进行了初步确定, 并对各评价对象进行了初步评价分类。 利用粗糙集论对评价指标进行约简, 剔除不影响评价对象分类的指标, 使指标体系由原来的 14 个指标约简为 6 个指标,并重新确定各指标权重, 最终得到了优化的财经类院校毕业生就业质量评价指标体系。 研究结果表明, 利用优化的指标体系可减少统计与评价的工作量, 该方法为财经类院校毕业生就业质量评价指标体系的构建和优化提供一个新的方向和途径。     

基于质量指标的球团焙烧先进过程控制

以某烧结厂球团焙烧过程中燃烧控制系统为研究对象，针对生产过程中因果非线性及条件不确定等因素的影响，综合运用网络技术、软测量技术、模糊控制和专家系统等，提出一种焙烧过程的质量控制策略和先进过程控制(APC)方案，设计了基于神经网络的模糊化软测量(FNNSS)模型。采用软测量的方法实现生产综合条件指标即广义透气性的测定，对不同的透气性采取不同的控制策略，并进行了仿真研究。     

关于工艺产品加工质量监测优化研究

质量监测可以有效的提高产品质量和生产效率。在复杂产品的生产过程当中,多个质量特性之间相互作用,共同对产品的生产质量产生影响,由于质量特性的数量较多、有些特性的关系是耦合的,因此准确诊断出异常变量是研究的难点。为了高效、准确的诊断出异常变量,提高产品的质量和生产效率,提出了基于改进网格优化的PCA-SVM多元控制图均值偏移诊断模型。在模型训练之前,使用主元分析(PCA)算法对数据进行预处理,降低数据维数和提取数据特征信息,再用改进网格算法对支持向量机(SVM)的参数进行优化,最终得到优化的SVM模型。仿真结果表明,采用的方法与传统方法相比,训练时间更短,且拥有更高的分类准确率。     

“克己复礼为仁”思想研究：概念、关系及路径选择

为解决智慧制造车间工件异常情况的实时监测问题,以及追踪工件加工过程的轨迹,提出基于RFID与复杂事件处理的实时监测方法.基于信息物理融合系统理念构建智慧制造车间的感知环境和定义各类事件模型,采用基于SMURF的综合方法清洗RFID数据,应用复杂事件处理技术监听工件的异常情况,并形成工件实时状态矩阵.仿真实验证明,该系统可以实现预期功能,为智慧制造车间的主动调度提供依据.     

Yarn Quality Prediction and Diagnosis Based on Rough Set and Knowledge-Based Artificial Neural Network

In the spinning process, some key process parameters（ i. e.,raw material index inputs） have very strong relationship with the quality of finished products. The abnormal changes of these process parameters could result in various categories of faulty products. In this paper, a hybrid learning-based model was developed for on-line intelligent monitoring and diagnosis of the spinning process. In the proposed model, a knowledge-based artificial neural network（ KBANN） was developed for monitoring the spinning process and recognizing faulty quality categories of yarn. In addition,a rough set（ RS）-based rule extraction approach named RSRule was developed to discover the causal relationship between textile parameters and yarn quality. These extracted rules were applied in diagnosis of the spinning process, provided guidelines on improving yarn quality,and were used to construct KBANN. Experiments show that the proposed model significantly improve the learning efficiency, and its prediction precision is improved by about 5. 4% compared with the BP neural network model.     

半导体制造过程的多工序协同控制模型

针对半导体制造过程的多工序质量控制,提出一种协同控制模型.该模型由目标优化、设备选择和设备控制3层组成.目标优化层利用目标优化模型对下游关键工序参数的目标值进行优化,补偿上游工序偏差对产品质量特征的影响;设备选择层综合考虑设备性能、生产时间以及设备的可利用性,选择处于最佳状态的设备完成相应的工序操作;设备控制层对选定的设备进行Run-to-Run控制,降低产品批次间的差异.从某半导体制造车间采集多道关键工序的测试数据,建立协同控制模型.通过基于生产数据的仿真,证实协同控制模型能够改善产品质量,提高设备效能和生产效率.     

柔性制造过程基于PETRI网与知识的诊断

讨论了柔性制造过程的监控与诊断问题．提出了一个有效的监控与诊断系统的结构和模型，探讨了基于ＰＥＴＲＩ网与知识的集成监控与诊断层次模型和集成诊断策略等问题．将ＰＥＴＲＩ网与基于知识的ＡＩ方法相结合，用于柔性制造过程的监控诊断，旨在提高监控与诊断的实时性、快速性和有效性     

面向装备制造业的装配过程监控模型研究

在分析装备制造业生产制造特点、MES功能优势及不足的基础上,指出进行装配过程监控系统研究的必要性。针对企业现状,提出了基于RFID的装备制造业数据采集系统总体方案,建立了装配生产过程的实时状态模型,为企业研发基于RFID的状态监测系统提供了理论参考和依据。     

生产过程远程监控与诊断技术研究

结合远程监控与诊断技术在现代制造业中的重要作用，分析了远程监控与诊断技术实现的三种模式，提出并分析了运用远程监控与诊断技术进行在线监测与诊断的七个质量评价指标，提出了一种远程监控与诊断系统模型，该模型基于分布式人工智能和网络技术，完成生产过程与设备的监测与诊断任务，具有层次清晰，实现方便，维护简单和工作可靠等特点，最后给出了该模型在大型化工生产中的一个应用实例。     

采用模糊理论的零部件工艺PFMEA评估

为了控制和降低零部件的制造质量风险,在对零部件工艺过程进行分析的基础上,提出基于模糊理论的潜在失效模式及后果分析(PFEMA)方法.通过研究零部件加工过程的风险评估,构建基于生产成本的评价指标;设计评价因素集和因素水平集,并用层次分析法确定评价因素的权重,提出零部件制造工艺的风险评估模型;采用模糊评价决策,定量计算其综合评价值,进而确定其风险等级.以某型号叉车门架系统的横梁加工工艺为例进行实例验证,结果表明:改进后PFMEA方法的可行性和正确性.     

基于逻辑回归的计数型质量特性健壮参数谨慎控制策略

针对制造过程中存在的计数型质量特性，研究了相关基于统计回归模型的健壮参数控制（RM RPC）方法的建模和优化求解.引入谨慎控制的概念，与提出的一种逻辑回归方法整合后对过程进行建模，以提高RM RPC方法在不确定性环境中的健壮性，并在此基础上给出运用逻辑回归方法进行优化求解的流程.以表面贴装制造过程为例进行了应用分析.结果表明，所提出的研究方法在提高过程质量和稳定性上是有效的.