基于大数据的多工序产品质量预测.pdfVIP

第３５卷　第１期　　　　 　　　西　南　科　技　大　学　学　报　　　 　　　Ｖｏｌ．３５Ｎｏ．１ ２０２０年３月　　　　　　 ＪｏｕｒｎａｌｏｆＳｏｕｔｈｗｅｓｔＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ 　　　　　Ｍａｒ．２０２０ 基于大数据的多工序产品质量预测 杨　岚　石宇强 （西南科技大学制造科学与工程学院　四川绵阳　６２１０１０） 摘要：随着生产过程越来越复杂，多工序制造过程在工业生产中越来越普遍，工序之间相互关联作用，产品质量的影 响因素日益复杂。针对大数据环境下多工序复杂生产过程，考虑数据的全样本、多特征特性，构建了谱聚类（ＳＣ）和 粒子群（ＰＳＯ）算法优化径向基（ＲＢＦ）神经网络的质量预测模型。模型验证结果表明，单一的ＲＢＦ预测误差为 ０．６４９，ＳＣ＋ＲＢＦ预测误差为０．２１４，ＢＰ神经网络质量预测误差为０．１８３，改进的ＲＢＦ预测模型效果最佳，均方根误 差为０．０８９，小于１０％，满足工业生产的实际要求。 关键词：大数据　质量预测　ＲＢＦ神经网络优化　制造过程 中图分类号：Ｆ２７３．２；ＴＰ３１１．１３　　文献标志码：Ａ　　文章编号：１６７１－８７５５（２０２０）０１－００８１－０９ ＭｕｌｔｉｐｒｏｃｅｓｓＰｒｏｄｕｃｔＱｕａｌｉｔｙＰｒｅｄｉｃｔｉｏｎＢａｓｅｄｏｎＢｉｇＤａｔａ ＹＡＮＧＬａｎ，ＳＨＩＹｕｑｉａｎｇ （ＳｃｈｏｏｌｏｆＭａｎｕｆａｃｔｕｒｉｎｇＳｃｉｅｎｃｅａｎｄＥｎｇｉｎｅｅｒｉｎｇ，ＳｏｕｔｈｗｅｓｔＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ， Ｍｉａｎｙａｎｇ６２１０１０，Ｓｉｃｈｕａｎ，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｗｉｔｈｔｈｅｐｒｏｄｕｃｔｉｏｎｐｒｏｃｅｓｓｂｅｃｏｍｉｎｇｍｏｒｅａｎｄｍｏｒｅｃｏｍｐｌｅｘ，ｍｕｌｔｉｐｒｏｃｅｓｓｍａｎｕｆａｃｔｕｒｉｎｇ ｐｒｏｃｅｓｓｉｓｂｅｃｏｍｉｎｇｍｏｒｅａｎｄｍｏｒｅｃｏｍｍｏｎｉｎｉｎｄｕｓｔｒｉａｌｐｒｏｄｕｃｔｉｏｎ．Ｔｈｅｐｒｏｃｅｓｓｅｓａｒｅｉｎｔｅｒｒｅｌａｔｅｄ，ａｎｄ ｔｈｅｉｎｆｌｕｅｎｃｉｎｇｆａｃｔｏｒｓｏｆｐｒｏｄｕｃｔｑｕａｌｉｔｙａｒｅｉｎｃｒｅａｓｉｎｇｌｙｃｏｍｐｌｅｘ．Ｉｎｖｉｅｗｏｆｔｈｅｍｕｌｔｉｐｒｏｃｅｓｓａｎｄｃｏｍ ｐｌｅｘｐｒｏｄｕｃｔｉｏｎｐｒｏｃｅｓｓｉｎｌａｒｇｅｄａｔａｅｎｖｉｒｏｎｍｅｎｔ，ｃｏｎｓｉｄｅｒｉｎｇｔｈｅｆｕｌｌｓａｍｐｌｅａｎｄｍｕｌｔｉｆｅａｔｕｒｅｃｈａｒａｃｔｅｒ ｉｓｔｉｃｓｏｆｔｈｅｄａｔａ，ａｑｕａｌｉｔｙｐｒｅｄｉｃｔｉｏｎｍｏｄｅｌｏｆｒａｄｉａｌｂａｓｉｓｆｕｎｃｔｉｏｎ（ＲＢＦ）ｎｅｕｒａｌｎｅｔｗｏｒｋｏｐｔｉｍｉｚｅｄｂｙ ｓｐｅｃｔｒａｌｃｌｕｓｔｅｒｉｎｇ（ＳＣ）ａｎｄｐａｒｔｉｃｌｅｓｗａｒｍｏｐｔｉｍｉｚａｔｉｏｎ（ＰＳＯ）ａｌｇｏｒｉｔｈｍｉｓｐｒｏｐｏｓｅｄ．Ｔｈｅｍｏｄｅｌｖａｌｉｄａ ｔｉｏｎｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｓｉｎｇｌｅＲＢＦｐｒｅｄｉｃｔｉｏｎｅｒｒｏｒｉｓ０．６４９，ｔｈｅＳＣ＋ＲＢＦｐｒｅｄｉｃｔｉｏｎｅｒｒｏｒｉｓ０．２１４， ａｎｄｔｈｅＢＰｎｅｕｒａｌｎｅｔｗｏｒｋｑｕａｌｉｔｙｐｒｅｄｉｃｔｉｏｎｅｒｒｏｒｉｓ０．１８３．ＴｈｅｉｍｐｒｏｖｅｄＲＢＦｐｒｅｄｉｃｔｉｏｎｍｏｄｅｌｈａｓｔｈｅ ｂｅｓｔｅｆｆｅｃｔ；ｔｈｅＲＭＳＥｉｓ０．０８９，ｌｅｓｓｔｈａｎ１０％，ｗｈｉｃｈｍｅｅｔｓｔｈｅａｃｔｕａｌｉｎｄｕｓｔｒｉａｌｒｅｑｕｉｒｅｍｅｎｔｓ． Ｋｅｙｗｏｒｄｓ：Ｂｉｇｄａｔａ；Ｑｕａｌｉｔｙｐｒｅｄｉｃｔｉｏｎ；ＲＢＦｎｅｕｒａｌｎｅｔｗｏｒｋｏｐｔｉｍｉｚａｔｉｏｎ；Ｍａｎｕｆａｃｔｕｒｉｎｇｐｒｏｃｅｓｓ 　　质量管理是制造执行系统中的核心内容之一，是 “工业４．０”、“工业互联网”、“中国制造 ２０２５” 企业获得利益并取得长期竞争优势的关键。产品质