（机械制造及其自动化专业论文）生产过程质量诊断与控制技术及其智能化决策支持系统的方法研究.pdf

摘要 摘要 在日益激烈的市场竞争中，质量占据越来越重要的地位。为确保产 品质量，对整个生产过程实行质量监控是非常重要的。随着先进制造业 的不断发展，实时在线监测系统已逐步应用到企业生产中，如何从获取 的大量生产过程监测数据中挖掘出影响生产质量的因素及其影响程度的 信息，找出生产中质量问题的症结和质量变化规律，已成为今后生产过 程质量管理和质量控制向智能化发展的一个方向。 本论文提出并描述了智能化的生产过程质量监控系统的结构体系， 分析了生产过程生产状态与生产质量之间复杂的相互作用关系。由于目 前制造业已逐步向多品种小批量的生产模式发展，而且生产过程是一个 动态的、复杂的、随机的、多样性的系统，故传统的方法已不能满足生 产过程建模的需要。粗集理论能够有效地处理生产过程本身固有的模糊 性、不确定性和不一致性，它不需要任何关于数据的辅助信息而直接从 数据本身获取用户感兴趣的知识，因此本文将其应用到生产过程质量的 诊断中。在研究了基于粗集诊断方法的基础上，考虑到实际生产中可能 出现的错误数据和缺失数据，提出了基于相似关系的粗集扩展模型的生 产过程质量诊断方法，该方法对分析生产过程变量间的相互作用关系及 诊断质量发生异变的各种原因是非常有效的。 根据粗集诊断方法，决策表的属性简约是非常重要的，然而属性简 约是n p ( n o n - - p o l y n o m i a l ) 问题，传统方法不能满足实际生产需求。针 对在线诊断的高效性要求，本文提出了一个高效的核属性求解方法，算 法可从决策表的上一时态的核信息，通过简单的计算获取当前时态的核。 遗传算法应用到最小属性简约的优化过程中，并采取了一系列控制策略 以提高算法效率，实例表明，算法可满足在线诊断的实时性要求。 粗集可以从具有相互复杂关系的生产数据中获取规则，这些规则展 示了隐藏在数据中的质量知识，可为质量控制提供有利的决策支持。根 据实际需求，本文研究了最优规则集和基于用户兴趣规则集的获取方法。 由于产品生产线上每个生产过程都存在两种质量，因此决策表中的某些 条件属性值具有优先关系，为此，本文提出了一个通用的基于相似一优 先关系的粗集新模型，它可以处理实际生产数据的缺失问题和数据间的 优先级别关系，最大程度地保证了规则的可靠性和充分性，而且获取的 规则具有更大的灵活性、更易理解和更具归纳性。 基于上述研究的基础，本文提出了一个以数据仓库为基础，以数据 华南理工大学博士学蕴论文 挖掘为手段的企业生产质量决策支持系统的模型框架，并研制开发了应 用在生产过程监测系统的生产质量决策支持系统应用软件，该系统为企 业生产的质量设计、质量控制和质量改进提供了有力的技术支持。 最后，对本课题今后的研究工作谶行了展望。 关键词生产过程监控；决策支持系统；质爨诊断与控制：糖集； 相似优先关系 a b s t r a c t a b s t r a c t q u a l i t y ， ac r i t i c a lc o m p o n e n to ft h ec o m p e t i t i v es t r a t e g y ， is a v e r yi m p o r t a n t is s u ei n m a n u f a c t u r i n gi n d u s t r i e s ， t oe n s u r e p r o d u c t sw i t hc o n s is t e n t q u a l i t y ， i tiso f k e yi m p o r t a n c e t o m o n i t o ra n dc o n t r 0 1t h ee f f e c t i v e n e s sa n de f f ic i e n c yo f m a n u f a c t u r i n gp r o c e s s e s w i t ht h e d e v e l o p m e n t o fa d v a n c e dm a n u f a c t u r i n gs y s t e m ，t h e r e a l t i m em o n i t o r i n gs y s t e mh a se x t e n s i v e l ya p p l i e d i n m a n y e n t e r p r i s e s i tis v e r yu r g e n tt od e v e l o pa ni n t e l l i g e n ts y s t e m t h a tc a ni n t e r p r e tt h ec o m p l e xr e l a t i o n s h i p sa m o n gp r o c e s s e s ， d i a g n o s e t h ed e v i a t e d p r o c e s s a n dm i n et h e k n o w l e d g e o f m a n u f a c t u r i n gp r o c e s s e sf r o m a v a r i e t yo fm o n i t o r i n gd a t aw h i c h e m b o d ie st h ep r o f o u n dq u a l i t yi n f o r m a t i o n t h isp a p e ro u t l i n e sa ni n t e l l i g e n ts t r u c t u r eo fm a n u f a c t u r i n g q u a l i t ym o n i t o r i n ga n dc o n t r o ls y s t e ma n da n a l y z e st h ei n s i g h ti n t o t h e m a n u f a c t u r i n gp r o c e s s e s w i t h c o m p l e x c o r r e l a ti o n m o d e r n m a n u f a c t u r i n gi n d u s t r yi st r e n d i n gt o w a r d sm u l t i p r o d u c ta n ds m a l l b a t c ha u t o m a t i c p r o d u c t i o n ， a n d m a n u f a c t u r i n gp r o c e s s e s a r e d y n a m i c ，c o p l e x ， r a n d o ma n d m u l t i v a r i e d ， s ot h ec l a s s i c a l m e t h o d sc a n n o ts a t i s f y t h en e e d so fm o d e l i n gf o rm a n u f a c t u r i n g p r o c e s s e s r o u g hs e tt h e o r yh a st h ea b i l i t yo fh a n d l i n gv a g u e n e s s ， i n c o n s i s t e n c ya n du n c e r t a i n t yi n h e r e n ti n 皿a n u f a c t u r i n gp r o c e s s e s a n dc a n1 e a r n d i r e c t l y f r o mt h e 皿o n i t o r i n g d a t aw i t h o u t a n y a d d i t i o n a li n f o r m a t i o na b o u tt h e d a t a ， i tis a p p l i c a b l e a n d p o w e r f u l o f q u a l i t yd i a g n o s i s f o r m a n u f a c t u r i n gp r o c e s s e s i n v i e w so ft h em is s i n gd a t aa n dw r o n gd a t ao c c u r r e di nc 0 1l e c t i n g d a t a ， a ne x t e n s i o no ft h ec l a s s i c a lr o u g hs e tt h e o r yi ss u g g e s t e d ， t h em e t h o dh a sp r o v e dt ob ee f f e c t i v ef o r8 n a l y z i n gt h ee f f e c t r e l a t i o n sa n d d i a g n o s i n g a 1 1t h e p o s s i b l e r o o tc a u s eo f m a n u f a c t u r i n gp r o c e s s e sq u a l i t y t h ea t t r i b u t e sr e d u c t i o nist h ek e yt o q u a l i t yd i a g n o s i s b y r o u g hs e t ， t h ea t t r i b u t e sr e d u c t i o nisa nn p p r o b l e m ， t h e t r a d i t i o n a lm e t h o di sd i f f i c u l tt ob eu s e di nt h ed r a c t i c a l a p p l i c a t i o no fr o u g hs e t ， t h ep a p e ra d d r e s s e sa ne f f i c i e n tm e t h o d o fc a l c u l a t i n gr e l a t i v ec o r eo fat e m p o r a ld e c i s i o nt a b l e ，w ec o u l d g e t t h en e x tt e m p o r a lr e l a t i r ec o r ea c c o r d i n gt ot h e l a s to n e b y s i m p l ec a l c u l a t i n g 。ag e n e t i c a l g o r i t h m ( g a ) i s i n t r o d u c e dt o a t t r i b u t e sr e d u c t i o n ，a n das e r i e so f c o n t r e l s t r a t e g i e s i s i n c o r p o r a t e dt oi m p r o v et h ep e r f o r m a n c eo f g aw i t ht h eo p e r a t i n g p r o c e s so fg a ，t h en e ws e a r c hm e t h o dg i v e sm o r ee f f i c i e n c yf o rt h e t e m p o r a l d e ci s i o nt a b l ea n dm a k e s i t p o s s i b l e t o p r a c t i s e t h e r e a l 一t i m ed i a g n o s i si nr e a l i t yb yr o u g hs e t r o u g hs e tc a ne x t r a c tr u l e sf r o mg i v e nd a t aw i t hh a y i n gc o m p l e x c o r r e l a t i o nw i t he a c ho t h e r ，t h er u l e sr e v e a lp r o f o u n dq u a l i t y k n o w l e d g e ，t h er u l e sa r ea p p l i c a b l et oq u a l i t yc o n t r 0 1 t h em e t h o d s a r ep r o p o s e dt oa c q u i r et w ot y p e so fr u l e s ，o n ei st h eo p t i m a lr u l e s ， a n o t h e ri sr u l e sb a s e do ns a ti s f y i n gu s e rr e q u i r e m e n t 。t h e r ea r e t w ok i n d so fp r o d u c tq u a l i t yi ne a c ho p e r a t i o no fap r o d u e t i o n1 i n e ， s os o m ea t t r i b u t e sh a v eo r d i n a lp r o p e r t i e se x p r e s s i n gp r e f e r e n c e s e a l e si nt h ed e c i s i o nt a b l eo fap r o c e s s ，ad o m i n a n c er e l a t i o n is p r o p o s e d f o r p r e f e r e n c e o r d e r s o fa t t r i b u t e sd o m a i n s ，t h e e x t e n s i v er o u g hs e tb ym e a n so fs i 瓣i l a r i t y - d o m i n a n c er e l a t i o ni s c a d a b l et of i n dm o r eu n d e r s t a n d a b l ea n df l e x i b l er u l e sf o r t h e u s e t sb e c a u s eo fi t sn a t u r a ls y n t a x t h ea b o v er e s e a r c hs h o u l dp r e y i d et h ed e v e l o p m e n to fad e c i s i o n s u p p o r ts y s t e mf o rt h ea p p l i c a t i o n o fp r o c e s sd i a g n o s i sa n dc o n t r o l t e c h n i q u e s ，af r a m e w o r ko fm a n u f a c t u r i n gq u a l i t yd e c i s i o ns u p p o r t s y s t e m ( 蘸q d s s ) i sp r e s e n t e db yd a t aw a r e h o u s ea n dd a t am i n i n g ，a n d as o f t w a r es y s t e mo fm q d s sisd e v e l o p e df o ra p p l y i n gt ot h e 毽a n 娃f 疆e t 娃r 至撞gm o n i t o r i n gs y s t e m ，t h em q d s si sc a p a b l eo fp r o v i d i n g t h e n e c e s s a r yk n o w l e d g e t o i m p r o v e t h e q u a l i t y o f a p p l y i n g a s u i t a b l et e c h n i q u ei nt h er i g h tw a y 。 f i n a l l y ，t h e f u t u r ew o r ko ft h e p a p e r isd is c u s s e d k e y w o r d s ：墩a n u f a e t u r i n 鬈p r o c e s s e sm o n i t o r i n g ：d e c i s i o ns u p p e r t s y s t e m ；q u a l i t yd i a g n e s i sa n dc e n t r e l ；r o u g hs e t ； s i m i l a r i t y - d o m i n a n e er e l a t i o n i v 华南理工大学 学位论文原创性声明 本人郑重声明：所呈交的论文是本人在导师的指导下独立进 行研究所取得的研究成果。除了文中特别加以标注引用的内容 外，本论文不包含任何其他个人或集体已经发表或撰写的成果作 品。对本文的研究做出重要贡献的个人和集体，均已在文中以明 确方式标明。本人完全意识到本声明的法律后果由本人承担。 作者签名：翟苏琦 日期：夕衫年月汐日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规 定，同意学校保留并向国家有关部门或机构送交论文的复印件和 电子版，允许论文被查阅和借阅。本人授权华南理工大学可以将 本学位论文的全部或部分内容编入有关数据库进行检索，可以采 用影印、缩印或扫描等复制手段保存和汇编本学位论文。 保密口，在年解密后适用本授权书。 本学位论文属于 不保密团。 ( 请在以上相应方框内打“”) 作者签名：程敏樽 导师签名。讯礅 日期：夕册多年月f 日 日期：年月日 第一章绪论 第一章绪论 1 1 本课题研究的意义 质量问题是经济发展中的一个战略问题，质量水平的高低是一个国 家经济、科技、教育和管理水平的综合反映，是影响国民经济和对外贸 易发展的关键因素。产品的质量也是现代生产环境如计算机集成制造系 统( c i m s ) 、柔性制造系统( f m s ) 等的基本要求之一，如果无法保证产品质 量，先进制造系统将不能发挥自己的技术优势，创造出与其投资规模相 匹配的效益。在世界经济发展趋于一体化的2 1 世纪，在日益激烈的国际 市场竞争中，在先进制造技术和模式臼新月异的形式下，质量占越来越 重要的地位。正如美国质量管理专家朱兰所说，2 0 世纪以“生产力的世 纪”载入史艇，2 1 世纪是“质量的世纪”，质量成为新世纪的主题，我们 必须迎接它的挑战。 现代质量工程技术把质量控制划分为若干阶段。首先，在产品开 发设计阶段的质量控制叫做质量设计，在制造过程部分又分为工艺设计 和制造，工艺设计阶段的质量控制也叫质量设计。在制造中需要对生产 过程进行监测，该阶段称作质量监控阶段。当前的设计和生产无论是某 道工序下的零部件产品还是最终产品，它们的质量都可以用质量特征围 绕设计目标值波动的大小来刻画。在产品开发设计和工艺设计中，可通 过质量设计使产品和零部件波动尽可能小，也就是在质量生成的先天阶 段，波动设计得越小，在后天环境中产品的质量就越高。在质量监控过 程中，质量的好坏主要来自于制造工序本身的质量，即质量监控或生产 过程控制仅仅对先天设计的波动大小进行维护，因而是后天的维护阶段。 随着质量改进与持续改进质量观点的形成和这方面质量实践的成功，生 产过程控制在质量问题上的重要性得到越来越多的关注。生产过程控制 虽不能创造新的质量，但它是质量改进的先行技术。如何进行持续质量 改进? 首先我们需要提供改进质量即减少波动所必须的信息，如波动大 小如何? 波动源在哪里? 这些信息都需要从生产过程监控中提供，根据 各种变化源的信息，以便进行质量设计从而改进产品质量。从这个意义 上，生产过程监测与质量诊断控制技术的研究具有更重要的意义和应用 价值。 近年来，随着计算机技术、自动化技术以及通讯网络技术和信号处 理技术的发展，机械制造业的自动化水平不断提高，自动监控系统以其 准确、全面、实时地获取监测对象状态的特点，在企业生产过程的质量 华南理工大学博士学位论文 监控中得到重视、发展和应用。随着现代生产向大规模化的发展，生产 过程之间的相互关系也越来越复杂，当生产过程中出现异常时，面对大 量的现场监测数据信息，仅仅依靠现场操作人员去迅速分析导致异常的 原因和提出正确的处理异常方法变得越来越不现实，因此在这种情况下， 只有借助于基于计算机的智能化数据处理方法来帮助生产的操作人员去 分析大量的现场监测信息，及时有效地找出导致异常的原因并提出正确 的处理异常方法。在这种背景下研制开发一个智能化的质量诊断和控制 系统，对保障生产安全顺利地进行，提高生产效益具有特别重要的意义。 生产过程实时监控系统通过自动监控设备对各车间监控点的各种监 测项目自动进行采样和监测，监测数据不仅反映了生产过程中有关生产 状态参数和生产质量特征参数的实时动态变化，为质量诊断与控制提供 全面丰富的信息资源，更重要的是数据中还隐藏着大量的质量信息，迸 一步对其进行加工、整理和综合概括，可从中找出生产中质量问题的症 结和某些质量变化规律。这些信息可为企业质量管理提供科学依据，为 质量设计和质量持续改进提供技术支持，同时，也可全面分析综合各种 质量问题的成因，预测质量发生异常的可能性和范围。因此建立面向生 产过程监控系统的质量决策支持系统，对企业生产过程状态信息和质量 信息进行分析和研究，为企业今后进行有效的质量设计、质量管理和质 量改进提供有力的决策支持，这不仅是形势发展的需要，也是实现质量 管理向现代化、智能化发展的重要标志。 1 2 国内外研究现状 1 2 1 生产过程质量诊断与控制 生产过程质量诊断与控制旨在能够及时发现生产过程质量的异常波 动，并尽快采取措施除去异常因素达到生产稳定状态。通过对大量国内 外文献的综合分析，目前国内外在生产过程质量诊断与控制方面的研究 方法主要是以休哈特创立的统计质量控制理论为基础，并应用模糊理论、 贝叶斯等信息处理方法，或者融合专家系统、人工神经网络等智能技术。 本文就国内外对生产过程质量诊断与控制的主要研究情况作以下一些归 纳和总结。 1 、质量统计过程诊断和控制“叫 质量统计过程控制( s t a t is t i c a lp r o c e s sc o n t r o l ，简称s p c ) 的应用主要体现在质量控制图上，从最早应用的均值一极差、均值一标 准差等休哈特控制图之后，学者们在此基础上进行了改进和发展，陆续 提出了模糊控制图、累积和控制图、指数加权移动平均控制图等数十种。 2 第一章绪论 考虑到生产线工序中，指标( 包括质量指标和技术指标) 往往有多个且 相互之间有相关性，如果分别对每一个指标进行控制，认为当每个指标 都控制在其控制界限内时过程就正常，将会导致错误的结论，因此 h h o t e l l i n g 提出了多元r 2 控制图，开辟了多元过程控制的时代，此后又 陆续研究开发了基于似然比检验的多元协方差控制图、样本广义方差蚓 图、图、l 图等，这些多元协方差控制图要求多元协方差阵为已知，然 而这在实际中并不容易做到。上述控制图均为全控图，是控制总质量的， 张公绪提出了选控图系列，可以用来选择部分异因加以控制，从而缩小 了搜索异因的范围，提高了效率。 由于在过程控制方面主要应用休哈特的过程理论，现今的s p c 理论 与当年的休哈特理论并无质上的区别。 控制图虽然解决了质量控制问题，但当其显示异常时，它并不能告 知是什么异常，发生于何处，即不能进行诊断。控制图的诊断直是国 外诊断理论的研究焦点之一，许多学者作了大量的工作，先后提出十余 种解决方法，但效果均不理想。例如主成分分析法是将r 2 统计量写成互 相独立的主成分的平方和，它的缺点是不能找出这些主成分与原变量之 间的简单对应关系，故起不到诊断的作用；邦菲隆尼不等式法则是当r 2 图 显示异常时，对每个原始变量应用一元休啥特图进行判断，以找出异常 的变量，这种将多元情形简单地分解成为若干个一元情形来处理，可能 导致错误的结论：判别分析法将所有变量分成两组，一组是被怀疑为异 常变量的集合，另一组则不含有异常变量，然后根据设计的检验统计量 来诊断，此法的问题是如何找出异常变量的集合；b 。j 。m u r p h y 给出了 个算法，对p 个变量要进行2 一一2 次检验，从实际工作角度看，工作量太 大，另外此法未指出，若异常应该调整哪些变量。 2 、多品种小批量生产的质量诊断和控制n 。“1 随着市场经济的发展，按订单安排加工的生产模式十分普遍，一条 生产线必须承担多种产品的加工，且生产批量视订单而定，根据订单进 行的生产一般批量都比较小。多品种小批量生产的特点是数据少、产品 质量信息不足，用上述常规的统计方法解决小批量生产模式的质量诊断 与控制有一定的困难。 目前国内外面向多品种小批量生产过程的质量诊断和控制方法可大 致归纳为数据变换法、过程建模法和贝叶斯方法。 ( 1 ) 数据变换法 数据变换法的基本思想是设法从相似的生产工序中获取更多的质量 信息，通过数据变换手段来构造服从同一分布的统计量以增加样本容量， 3 华南理工大学搏士学位论文 麸蔼 ：嚣接使用抟统骢s p c 方法对各生产工序进雩亍控制。 如果是些新的工序或很少有类似工序可供参考时。则不可能采用 数据变换方法来增如样本容量用以估计工序均值和工序方差。对此， q u e s e n b e r r y 提出了q 控制图，即利用r 分布来降低对数据量的要求，然 而，娄样本数很少时，由于r 分布在自由度很小时所得到的控制线的宽度 太大，监视作用将受到限制。 数据变换法的出发点是将备类相似的工序，经数据变换映射成为具 有相同总体分布的工序，以增加样本容量，以便借用传统的s p c 方法。 如何选用台适的变换方式，以及如何及时验证变换后的效果，将是数据 变换法在应用时爵临的关键闻题。 ( 2 ) 过程建模法 体治特控裁图从本质上讲，进行质量控制静焦点在于产晶( 或工序输 出的质量特征) ，仪把工序过程视为独立的过程，缺乏对过程本身固有变 讫规律静攒述。近年来，s p c 的一丈趋势是把质羹控裁豹焦点转到7 垒产 过程状态的控制，基于过程模型的质最控制技术得到了较快的发展，累 积翱控割图、指数翮权移动平均控制圈、时序控制图等正在引起天铜的 兴趣。由予它们考虑了有关过程的历史信息或模型，提高了识别工序质 量波动静能力，如霹夺的过程质量漂移更加敏感。霹爵，还可乖j 焉摸型 解决过程质量特征数据的相关性或局部数据断缺，因此，在中小批量制 造过程熬质垂控制孛褥到了一定戆痘用。然而基予过程模鳌豹s p c 方法 仍需要足够的样本来估计过程均值方麓等统计参数。 ( 3 ) 受叶豢方法 基于贝叶斯的s p c 方法试图将有关生产过程的历史检验数据与人们 对_ i 窭程豹主鼹浮价、预测窝判断攘结合，遥过综会主、客鼹镕息寒对过 程变化作出预测，从而在保证预测精度的同时，大大减少对样本容量的 要求，嚣此，它适用于小棒本的凌量诊断露控割。采用贝时絮进行诊断， 在推导过程中所用的先验概率和条件概率均需建立在大量的相似产品统 计资料之上，所以它豹应用也有一定的局限性。 事实上，上述三种方法都需要从相似的生产工序中获取足够的样本 痿惑以构造某统计量的分枣，上述三类方法虽然能适用于一些特定的应 用场合，但它们都具有一定的局限性，并且有些方法本身还存在着许多 闯题需要逃一步磷究解决。从目前的研究现状来看，尚没有出现万能的 s p c 方法可以解决所有的多品种、小批量的生产过程质量诊断和控制问 题。 4 第一章绪论 3 、人工智能技术在质量诊断和控制中的应用h ”1 随着智能技术的不断发展，人们希望有一种自动地、有效地辨识和 解释质量异常的方法，从而增加质量诊断和控制在计算机集成制造环境 下应用的可能性。人工智能技术的出现，为生产过程质量诊断和控制， 特别是质量异常的模式识别提供了一个新的解决途径。根据文献检索结 果，目前智能质量诊断和控制的研究主要集中在质量控制图异常模式的 自动识别，采用的主要技术有专家系统、推理学习、人工神经网络等。 ( 1 ) 专家系统在质量诊断和控制中的应用 质量控制图描述了生产过程产品质量特性的动态变化，为了适应加 工自动化及计算机集成制造系统的要求，开展了质量异常模式自动识别 研究。s w i f t 将基于专家系统应用于质量诊断和控制中，提出了叉形决策 树方法，并用一系列统计假设识别x 图的主要异常模式。c h e n g 应用传统 的句法模式识别方法建立了过程异常推理系统，采用模板匹配方式实现 模式识别，由于模板设定的任意性和模板匹配过程较复杂，因而在实际 应用中遇到一些困难。 ( 2 ) 人工神经网络在质量诊断和控制中的应用 为改善控制图识别精度和解决信息利用率不高等缺陷，国内外应用 神经网络自组织、自适应、自学习的优点进行生产过程质量控制图异常 模式的识别方面做了大量研究。h b h w a r n g 等建立了基于b p 神经网络的 质量控制图异常模式自动识别技术，由正常和异常模式仿真模型生成训 练样本，用于网络训练，成功地用于6 种主要异常模式的识别，但是他 的模型存在以下两个问题：首先假设加工过程一开始就处于异常状态， 而实际生产中开始往往是正常的，然后才出现异常；此外，所用的训练 和测试的样本噪声很小，而网络的正确识别率受噪声干扰的影响很大， 因此，只能用于信噪比很大的情况。d c r e d d y 和k g h o s h 提出了一个 改进的b p 神经网络，以解决控制图可能产生不同异样的模式进行判断和 解释问题，该方法可以识别小的异动的发生，进而及时采取措旌，防止 质量进一步恶化。r p l e g e r 等采用径向基函数( r b f ) 神经网络对累积 和控制图进行质量的控制和诊断，根据累积和控制图监测故障是否出现， 当故障发生时，生成故障出现过程的模式，然后用神经网络方法识别模 式进而进行诊断。 ( 3 ) 多智能融合体在质量诊断和控制中的应用 b o o s i kk a n g 等首先采用b p 神经网络评估影响质量各因素的权重， 在允许的一定范围内，利用推理学习可容易地从具有复杂关系的数据中 提取规则，采用推理学习( c 4 5 ) 对某些属性进行删减以减少问题的维数， 5 华南理工大学博士学位论文 然后采用s o m 型神经网络方法对x2 控制图的模式进行识别，以预防质量 是否会发生异常。p h a m 等采用专家系统判定控制图是否失控，若出现质 量异常，采用b p 神经网络进行模式识别，判定是否发生异常，当确定发 生异常后，进行诊断并采取相应措施。r 一s g u h 等提出了一个复合的智 能化方法用于生产过程的在线s p c ，人工神经网络用于识别生产过程的状 态( 如参数是否在控制图控制范围内) ，专家系统用于解释控制图所发出 的警报并分析可能产生的原因。 随着先进制造业的快速发展，生产过程质量诊断和质量控制理论将 沿着多元化、小样本、模糊化、柔性化等方向发展。目前的质量控制方 法虽然采用了专家系统、推理学习、人工神经网络等先进智能技术，但 这些方法仍是基于统计的控制图来进行质量的分析和诊断的。统计质量 控制的不足和缺陷日益明显，主要表现在以下几个方面： ( 1 ) 不能适应小批量多品种的柔性生产模式。控制图的设计制定是基 于平稳的随机过程和正态分布的假定，依赖于大量的稳定正常状态下的 实际检验数据。 ( 2 ) 信息利用率低。在控制图实际使用中，只利用了当前已生产工件 或前几个工件质量特性值相对控制线的位置信息，而未能充分利用质量 特性数据的全部信息。 ( 3 ) 控制图没有反映生产过程工序用量参数的信息，未能将过程参数 信息与质量特性联系起来，因而不能及时响应参数的调整变化，统计质 量控制也就难以发挥其应有的积极作用。 ( 4 ) 当影响生产过程的质量因素一旦发生变化，就需要重新建立和分 析控制图，因此柔性差。 ( 5 ) 不能有效地处理多工序、多指标生产过程中质量数据序列之间存 在着的复杂关系。 由于现代生产的复杂性和多样性，特别是要求对生产异常诊断和控 制的实时性，也使得生产过程质量诊断和控制方法的实际应用具有一定 的难度，迄今为止，还未有一种确定的、普遍适用的且被广泛认同的生 产过程质量诊断和控制方法。因此，在新的形势下，如何吸取传统质量 诊断和控制手段的实质与精髓，摒弃传统方法的一些限制条件，建立新 的质量诊断和控制方法，并在此基础上实施充分有效的质量诊断和控制， 提高产品质量，增强市场竞争力，已成为当前国内外质量诊断和控制研 究中的一项紧迫任务。 本论文提出了一种基于粗集理论的质量诊断和控制的方法，可以在 不需要关于数据的任何先验或附加信息条件下，有效地处理生产过程中 6 第一章绪论 固有的不一致性、不确定性和不完备性，为生产过程的质量诊断和控制 探索了一条新思路。 1 2 2 生产质量决策支持系统口。”1 目前，决策支持系统( d e c i s i o i l s u p p o r ts y s t e m ，简称d s s ) 已在应 用需求推动和人工智能技术支持下，逐步发展了一套以数据库( d a t a b a s e ，简称db ) 、模型库( m o d e lb a s e 简称m b ) 和知识库( k n o w l e d g eb a s e 简称k b ) “三库”为核心的理论体系结构和系统建模方法。模型库的构造 是决策支持系统的一个核心部分，它用来表达、构造专业领域知识和处 理数据、信息。通过大量文献的检索和分析，目前国内外建立的决策模 型都是基于以下基本理论之一： 1 “白箱”理论 对系统内部结构和行为已掌握清楚的系统，应用各种已知的科学知 识进行描述从而建立系统模型的理论和方法称为“白箱”理论。基于数 学模型的建模方法就是典型地应用“白箱”理论的方法，借助于数学模 型对系统的行为进行描述和模拟，给出全面而清晰的变化规律。 2 数理统计分析理论 应用数理统计规律建立系统模型的理论和方法称为数理统计分析方 法。若系统的某些特征都具有一定范围的随机变动性，这就使得该特征 变化成为一种很强的随机过程，其表现为在大量随机现象之间存在着必 然的、统计的规律性，在此意义上考察，统计数学模型就是寻求事物随 机变量之间某种特殊规律性的一种数学处理方法与技术。 3 “黑箱”理论 对环境系统内部结构和行为不清楚，将系统当作未知的“黑箱”，仅 依据可控因素的输入所引起可观测因素变化的各种实验和现场实测数据 来确定系统运行规律，从而建立系统模型的理论和方法称为“黑箱”理 论。人工神经网络的建模方法是将系统当作未知的“黑箱”，通过历史数 据，经过反复训练和学习，得出运行规律的方法。 4 “灰色”理论 “灰色”理论介于“白箱”和“黑箱”理论之间，其特点是对系统 内部结构和行为的主要部分清楚，其他部分不清楚的系统，采用已知的 科学知识建立模型，然后通过实验或现场实测资料对所建模型进行补充 和修正，从而建立系统模型的理论和方法称为“灰色”理论。 目前在机械制造领域中模型构造的主要方法有基于领域知识的数学 方法、数理统计分析理论和人工神经网络理论。 7 华南理工大学博士学位论文 知识库的引入，利用专家的知识，特别是经验知识经过推理可获取 辅助决策结论。专家系统和分析模型的集成可以达到定性辅助决策和定 量辅助决策相结合，增强系统整体功能，决策的效果将会大大改善。 由文献检索结果可知，相关企业生产的决策支持系统的研究很多， 本文就一些典型的研究方法进行分析。 w e r n e ra j s c h i p p e r s 提出了不同特性和类别的生产过程应采用与 其相适应的质量统计控制技术，建立了过程控制技术应用的框图，为企 业在生产过程中提供一个如何正确选择适合的质量控制技术的决策支持 技术平台。j a nk o s t u r i a k 提出了一个基于系统工程思想的企业生产经营 的动态决策支持系统模型，建立了企业整个生产生命周期的各个过程的 仿真模型，如产品模型、生产能力分析模型、生产系统布局模型、生产 系统分析模型和生产系统分层仿真模型等，文献着重论述了各个过程仿 真模型的作用以及模型之间的相互层次关系，各个模型的建模方法并未 涉及。彭小奇等提出了直接从大量实际生产数据中提取优化的人工控制 经验，以此建立多变量系统模糊控制模型并实现自适应控制的生产过程 计算机决策支持系统，该系统由于很难建立准确的工业生产过程计算机 控制数学模型，故实际生产中还要求现场操作人员具有较高的水平和丰 富的生产经验，才能获取令人满意的生产质量。n e d e b 针对具体问题进行 模型描述的动态生成，在此基础上采用模型自动生成技术生成可供线性 规划软件求解用的数学模型，为生产建模经营计划决策支持系统提供建 模工具。针对实际生产中许多问题是不能通过理论模型来完全解决，则 借助于实际的经验来解决。 生产系统是一个复杂、多样、随机、不确定的动态系统，这使得建 立实际生产过程相关的数学模型相当困难，因此实际生产模型往往是经 验性的、近似的知识描述。人工神经网络是通过历史数据，经过反复训 练和学习，得出运行规律的方法，因此不需要设置任何参数和模型的具 体形式。y o r a mr e i c h 等讨论了如何利用工程经验数据建立神经网络模型 的方法，并提供了模型质量评估方法以及采用s t a c k e dg e n e r a l iz a t i o n 和e n s e m b le 建模的先进方法改进模型质量。s s e t t e 等将生产过程描述 为一个函数f ( a ，b ) = c ，a 为产品原材料的所有特性参数集，口为机器设 置参数集，c 为最终产品特性参数，生产过程太复杂，很难用精确的数学 方式表达，故采用b p 神经网络描述生产过程的特征函数，建立生产过程 质量模型，优化原材料特征参数和设备参数以使输出的产品达到质量最 优。然而对于工况背景多变、状态复杂的制造系统，要全面获取各种状 态的先验模式样本是不可能的，因此人工神经网络在实际生产应用中有 8 第一章绪论 一定的局限性。 f e l i xt s c h a n 提出了一个人工智能和计算机仿真技术集成的智能 决策支持系统以辅助柔性制造系统( f m s ) 的设计，人工智能技术用来支 持f m s 设计过程的建立，仿真模型用来多项设计方案的构造和测试，实 施生产过程中的质量控制需要许多领域的知识，如发现生产中存在问题 的知识、改进生产的方法知识、可采用的质量技术知识、如何在生产中 实施这些技术的知识等，这就需要不同的专家提供这些不同的知识。由 于知识系统的瓶颈问题，且专家经验归纳成规则往往不是唯一的，故很 难详细描述知识和模型的任务。 通过对国内外大量文献的综合分析，目前研制的与企业生产相关的 决策支持系统大多数处在设计方案与系统规划阶段，缺乏可操作、可实 施的技术、方法和工具，应用多停留在演示阶段，灵活性、可用性差， 因而不够实用，未能迈入大规模的工业工程实践。造成这种现象的主要 原因是基于模型驱动的决策支持系统缺乏处理复杂而多变的生产关系的 智能化自动数据分析工具，专家系统为d s s 的智能化发展提供了支持， 系统能够进行一些与专家知识有关的推理和运算，但这仍然是有限的， 这种体系结构并不能依据系统数据库中的大量数据进行学习和推理，所 以知识的来源并非是从生产中真正的学习而来。随c i m s 的普及和应用， 自动监控设备在线获取样本数据使得收集生产数据非常容易，这种新情 况下，要求d s s 能够具有比较强的学习功能，能够利用现有的数据进行 挖掘，获取新的有用的信息和知识，使系统具有自动学习、自动获取知 识的功能，让系统具有真正的“智能”。为适应现代企业日益复杂的生产 过程和生产自动化、智能化的发展趋势，本论文提出了面向生产过程监 控系统的基于数据驱动的企业生产质量决策支持系统框架，综合运用人 工智能、计算智能、模式识别等先进技术，从大量数据中挖掘和发现有 价值和隐含的知识，建立一个以数据为核心，数据为驱动的决策支持模 式。 1 3 本论文的主要研究内容 本论文主要的研究内容是生产过程质量诊断和控制技术以及企业生 产质量决策支持系统方法的研究。论文首先针对目前的生产过程质量诊 断技术无法满足现代生产发展的需要，提出了一种基于粗集理论的质量 诊断方法，探索出一条能与其他行业的诊断统一的一个综合的诊断理论 方法。其次，研究了生产过程质量控制规则的获取方法和算法，为生产 质量提供了有效的控制策略和改进措施。最后，基于目前决策支持系统 9 华南理工大学博士学位论文 结构模式处理大规模数据的局限性，提出了一种基于数据驱动的企业生 产质量决策支持系统，并研究开发一个基于知识表达和模式解释的企业 生产质量决策支持的应用软件系统。 本论文的主要研究方法和内容包括： 第一章首先介绍了本课题研究的重要性，论述了生产过程质量诊断 和控制技术以及企业生产决策支持系统在国内外发展和研究现状，重点 阐述了目前方法存在的局限性，在此基础上，提出了本课题的研究任务。 第二章在生产过程监测系统的一般性结构的基础上，提出了具有智 能诊断、控制和决策的生产过程质量监控系统的集成化模型框架。分析 和明确了生产过程中“两种质量”的概念，在此基础上，建立了生产过 程的质量分析模型。最后，给出了质量分析模型中变量参数的预处理方 法。 第三章主要介绍了粗集理论的特点、基本概念和数据处理的基本方 法。 第四章将粗集理论分析和处理数据的思想用于生产过程的质量分析 和诊断，建立了基于相似关系的广义的生产过程质量诊断方法。 第五章研究了生产过程质量诊断的优化算法“核”和“最小属性 简约”的计算，重点讨论了算法的改进，特别是实时诊断算法以满足实 际生产需求。 第六章研究了如何从大量生产数据中获取面向最优和用户需求的生 产过程质量控