面向过程质量控制的数据降维与熵分析研究

发布时间：2017-08-17 22:23

  本文关键词：面向过程质量控制的数据降维与熵分析研究

  更多相关文章： 特征提取 主成分分析 熵分析 过程能力分析 数据挖掘 滑动窗口 过程质量控制

【摘要】：过程质量控制(Process Quality Control,PQC)是监测产品制造质量的一种有效有段,主要包括两个方面:一是过程质量是否稳定;二是稳定的过程能力是否满足技术要求。统计过程控制(Statistical Process Control,SPC)可以用来判断过程质量的稳定性,过程能力分析(Process Capability Analysis,PCA)则用于评估生产过程的实际加工能力。随着智能制造的发展,制造业在加工、装配、试验、检验等环节可以采集到大量与质量相关的数据,将数据挖掘应用到SPC中可以充分利用大数据的价值,然而大数据维度大异常点多的特点增加了数据挖掘的复杂度。PCA假设过程参数服从一致性分布,这一点在实际生产中并不总是能得到满足,导致分析结果不能准确的反映真实生产过程能力。因此,为了更好的将数据挖掘应用到SPC中,更准确的评估生产过程能力,就必须有效地对收集到的质量相关数据进行维度处理,并解决过程能力分析的假设性问题。因此本文主要针对这两个问题进行了研究:(1)针对数据的高维度问题,应用特征提取方法降低数据维度。在主成分分析(Principal Component Analysis,PCA)的基础上,引入滑动窗口模型及异常点检测,对新到达的数据进行增量更新并去除异常点,以提高主成分分析的速度,消除异常点对降维的影响,从而快速准确的降低数据维度。通过仿真分析验证了提出算法的有效性。(2)针对传统过程能力分析假设过程参数为一致分布的缺点,引入熵方法,检测数据分布的变化。样本熵(Sample Entropy,Samp En)只能检测时间序列方差的变化,因此本文对样本熵的输入做了修改,使其不仅可以检测时间序列方差的变化而且可以检测均值的变化。通过仿真分析对提出的算法进行了验证,最后计算出不同数据段在方差与均值变化下熵值比的百分位数,为检测生产过程变化提供了一个可靠的参考。本文通过对过程质量控制的研究,分析数据挖掘在SPC应用中的困难及过程能力分析在实际应用中的不足,提出了相应的解决方法并对其进行了仿真验证。所以,本文对数据挖掘及大数据等技术在产品过程质量控制中的应用具备一定的参考价值。
【关键词】：特征提取 主成分分析 熵分析 过程能力分析 数据挖掘 滑动窗口 过程质量控制
【学位授予单位】：西安电子科技大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TB114.2
【目录】：

• 摘要5-6
• ABSTRACT6-10
• 符号对照表10-12
• 缩略语对照表12-15
• 第一章 绪论15-21
• 1.1 研究背景15-16
• 1.2 国内外研究现状16-18
• 1.2.1 过程质量控制研究现状16-17
• 1.2.2 数据挖掘在过程质量控制中的应用研究现状17-18
• 1.2.3 熵分析研究现状18
• 1.3 研究目的及意义18-19
• 1.4 本文的主要研究内容和论文组织结构19-21
• 第二章 面向统计过程控制的数据降维方法介绍21-31
• 2.1 统计过程控制21-23
• 2.2 数据降维简介23-24
• 2.3 特征提取方法24-29
• 2.3.1 主成分分析24-26
• 2.3.2 线性判别分析26-27
• 2.3.3 因子分析27
• 2.3.4 偏最小二乘法27-29
• 2.4 本章小节29-31
• 第三章 面向多维质量数据的鲁棒增量主成分分析方法31-39
• 3.1 增量主成分分析方法原理31-33
• 3.2 鲁棒增量主成分分析33-35
• 3.2.1 滑动窗口模型33-34
• 3.2.2 利用反k近邻法判别数据流离群点34
• 3.2.3 鲁棒增量主成分分析算法34-35
• 3.2.4 计算复杂度分析35
• 3.3 仿真分析35-38
• 3.4 本章小结38-39
• 第四章 过程能力分析与熵分析39-51
• 4.1 过程能力分析39-42
• 4.1.1 第一代过程能力指数39-40
• 4.1.2 第二代过程能指数40-41
• 4.1.3 第三代过程能力指数41
• 4.1.4 过程能力的判定41-42
• 4.2 熵分析介绍42-49
• 4.2.1 近似熵42-43
• 4.2.2 样本熵43-45
• 4.2.3 多尺度熵45-47
• 4.2.4 多元多尺度熵47-49
• 4.3 本章小结49-51
• 第五章 改进的样本熵方法及其在过程能力分析中的应用51-67
• 5.1 改进的样本熵方法51-53
• 5.2 仿真分析53-61
• 5.2.1 仿真分析 1：只有方差变化的情况54-56
• 5.2.2 仿真分析 2：只有均值变化的情况56-59
• 5.2.3 仿真分析 3：均值和方差都变化的情况59-61
• 5.3 改进的样本熵在过程能力分析中的应用61-66
• 5.3.1 方差变化的情况61-63
• 5.3.2 均值变化的情况63-65
• 5.3.3 改进样本熵应用举例65-66
• 5.4 本章小结66-67
• 第六章 总结与展望67-69
• 6.1 论文总结67
• 6.2 未来展望67-69
• 参考文献69-73
• 致谢73-75
• 作者简介75-76

【参考文献】

中国期刊全文数据库 前10条

1 张忠平;梁永欣;;基于反k近邻的流数据离群点挖掘算法[J];计算机工程;2009年12期

2 温婕;吴辰文;纪凤仙;;基于本体协助的数据挖掘在质量控制中的应用研究[J];兰州交通大学学报;2008年04期

3 王晓慧;;线性判别分析与主成分分析及其相关研究评述[J];中山大学研究生学刊(自然科学、医学版);2007年04期

4 吕金平,袁庆丰,王克胜,孙令强;神经网络在在线产品质量控制中的应用[J];机械制造;2005年05期

5 刘慧,和卫星,陈晓平;生物时间序列的近似熵和样本熵方法比较[J];仪器仪表学报;2004年S1期

6 金澈清,钱卫宁,周傲英;流数据分析与管理综述[J];软件学报;2004年08期

7 汤淑明,王飞跃;过程能力指数综述[J];应用概率统计;2004年02期

8 赵妙霞,贾九红,郑玉巧;工序控制方法中工序能力的分析[J];甘肃工业大学学报;2003年04期

9 陈涛;基于因子分析的多元工序能力指数[J];机床与液压;2003年01期

10 黄平捷,杨将新;基于工序能力指标的工序公差优化设计研究[J];工程设计;2000年03期

，

本文编号：691421