毛片网站在线观看-毛片网站在线-毛片网站有哪些-毛片网站视频-女生脱衣服app-女色综合

1．引言 

    隨著原材料、能源價格上升以及市場競爭日益激烈，企業(yè)對于其產(chǎn)品質(zhì)量的要求越來越高。質(zhì)量控制的傳統(tǒng)方法是對產(chǎn)品進(jìn)行人工檢驗(yàn)，這種方法耗時耗力，并且含有由主觀因素引起的不確定性。同時，由于是事后的離線檢驗(yàn)，當(dāng)發(fā)現(xiàn)產(chǎn)品質(zhì)量出現(xiàn)問題后再對生產(chǎn)過程進(jìn)行調(diào)整時，已經(jīng)造成了大量的生產(chǎn)浪費(fèi)。

    統(tǒng)計質(zhì)量控制（Statistical Quality Control）是過去二十年來在國內(nèi)外企業(yè)廣泛采用的另一種較為先進(jìn)的質(zhì)量控制方法，它是用頻率分布、控制圖、顯著性檢驗(yàn)等統(tǒng)計技術(shù)進(jìn)行質(zhì)量控制，其特點(diǎn)是找出影響工序的關(guān)鍵因素，采取措施進(jìn)行生產(chǎn)控制，減少產(chǎn)品質(zhì)量波動，達(dá)到提高產(chǎn)品質(zhì)量的目的[1]。但是由于制造質(zhì)量的分散和無序從而大大降低了統(tǒng)計分析的可實(shí)施性和可靠性[2]等原因，在企業(yè)的實(shí)際質(zhì)量活動中應(yīng)用還存在困難。

    生產(chǎn)質(zhì)量控制是利用生產(chǎn)過程的動態(tài)信息進(jìn)行質(zhì)量預(yù)測和質(zhì)量控制。由于其實(shí)時性和較高的準(zhǔn)確性，可以預(yù)估質(zhì)量問題，從而降低企業(yè)的生產(chǎn)成本和經(jīng)濟(jì)損失。生產(chǎn)質(zhì)量控制的基礎(chǔ)是生產(chǎn)過程的質(zhì)量預(yù)測，因?yàn)橹挥袑ξ磥碣|(zhì)量參數(shù)進(jìn)行估計，才能在產(chǎn)品質(zhì)量發(fā)生問題前提前調(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[3]。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控制的對象建模更為困難。

    數(shù)據(jù)挖掘是一類從大量數(shù)據(jù)中自動尋找規(guī)律的方法，在過去二十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)中自動分析并提取未知的、潛在有用的知識，因此可用于建立復(fù)雜系統(tǒng)的行為建模和行為預(yù)測。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)，即不包含時間信息的數(shù)據(jù)。但當(dāng)將數(shù)據(jù)挖掘方法用于建立生產(chǎn)過程的質(zhì)量模型時，由于傳感器對生產(chǎn)過程不斷采樣的原因，獲得的生產(chǎn)歷史數(shù)據(jù)通常都是時間序列，即歷史數(shù)據(jù)是和時間相關(guān)的一系列值，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)用于生產(chǎn)過程質(zhì)量預(yù)測模型的挖掘。

    我們將從海量時間序列數(shù)據(jù)中尋找規(guī)律的數(shù)據(jù)挖掘方法稱為動態(tài)數(shù)據(jù)挖掘。將動態(tài)數(shù)據(jù)挖掘的方法應(yīng)用于生產(chǎn)質(zhì)量控制時，主要的目標(biāo)有兩個：（1）通過對生產(chǎn)過程歷史記錄的數(shù)據(jù)挖掘，建立產(chǎn)品質(zhì)量預(yù)測模型，并運(yùn)用于生產(chǎn)過程，進(jìn)行實(shí)時質(zhì)量預(yù)測；（2）在產(chǎn)品質(zhì)量出現(xiàn)問題后，利用對歷史數(shù)據(jù)的挖掘分析生產(chǎn)工藝對產(chǎn)品質(zhì)量的影響，找出隱藏的生產(chǎn)規(guī)律，為企業(yè)改進(jìn)工藝提供決策支持。

    本文以鋼鐵生產(chǎn)過程為背景，闡述用于生產(chǎn)質(zhì)量控制的動態(tài)數(shù)據(jù)挖掘方法。并以寶鋼的連鑄生產(chǎn)過程為例，介紹了這種方法在實(shí)際中的應(yīng)用。

2．問題描述

    我們將面向質(zhì)量控制的動態(tài)數(shù)據(jù)挖掘定義為以下過程：
    設(shè)生產(chǎn)過程P具有n個可測的工藝參數(shù)x₁,x₂,L,x_n。不失一般性設(shè)這些工藝參數(shù)均為時間的函數(shù)，且其取值可以是以下3種數(shù)據(jù)類型之一：
    （1）數(shù)值型，即該工藝參數(shù)的測量值為一實(shí)數(shù)（如高爐的爐頂溫度或壓力參數(shù)）或整數(shù)（如軋制的道數(shù)）；
    （2）枚舉型，即該工藝參數(shù)的測量值為給定集合中的一個元素（如熱軋鋼板的鋼種）；
    （3）邏輯型，即該工藝參數(shù)的測量值可表達(dá)為“是”或“否”二者之一（如某種原料成分是否存在）。

    設(shè)上述任一工藝參數(shù)x_i從t時刻開始的測量值已知，且可表達(dá)為周期為△t_i的n_i個采樣值的時間序列，即：
    x_i(t)={x_i(t+△t_i),x_i(t+2△t_i),...,x_i(t+n_i△t_i)}                          （1）
    其中任一采樣值可能帶有分布已知或未知的測量噪聲。
    再設(shè)生產(chǎn)過程P具有m個可測的產(chǎn)品質(zhì)量指標(biāo)y₁,y₂,L,y_m。不失一般性設(shè)這些質(zhì)量指標(biāo)均為時間的函數(shù)，且其取值與上述工藝參數(shù)類似，可以是數(shù)值型、枚舉型、邏輯型等3種數(shù)據(jù)類型之一。
    設(shè)上述任一產(chǎn)品質(zhì)量指標(biāo)y_j從t時刻開始的測量值已知，且可表達(dá)為周期為△T_j的m_j個采樣值的時間序列，即：
    y_j(t)={y_j(t+△T_j),y_j(t+2△T_j),...,y_j(t+m_j△T_j)}                          （2）
    本文所研究的面向質(zhì)量控制的動態(tài)數(shù)據(jù)挖掘可表達(dá)為以下兩種類型問題的求解過程：

2．1 質(zhì)量預(yù)測問題
    給定工藝參數(shù)x₁,x₂,...x_n從t時刻開始的測量值時間序列歷史記錄，和產(chǎn)品質(zhì)量指標(biāo)y₁,y₂,L,y_m從t時刻開始的測量值時間序列歷史記錄，求解質(zhì)量預(yù)測模型
                              （3）
    其中為工藝參數(shù)在t時刻的測量值向量，                  
    為質(zhì)量指標(biāo)   
    在t時刻的估計值向量。
    因此，數(shù)據(jù)挖掘的目標(biāo)是根據(jù)工藝參數(shù)和質(zhì)量指標(biāo)的測量值時間序列歷史記錄和建立質(zhì)量預(yù)測模型。該模型可以在線使用，也可以離線使用。在線使用時，根據(jù)工藝參數(shù)的測量值可實(shí)時預(yù)測生產(chǎn)過程質(zhì)量指標(biāo)，從而進(jìn)行質(zhì)量控制。離線使用時，可以根據(jù)工藝參數(shù)的設(shè)計值進(jìn)行工藝設(shè)計驗(yàn)證，即將新的工藝參數(shù)設(shè)計值輸入質(zhì)量模型，驗(yàn)證是否會導(dǎo)致質(zhì)量問題。

2．2 質(zhì)量分析問題
    給定工藝參數(shù)從t時刻開始的測量值時間序列歷史記錄，和產(chǎn)品質(zhì)量指標(biāo)從t時刻開始的測量值時間序列歷史記錄，求解質(zhì)量關(guān)聯(lián)模型：
                              （4）
    其中是質(zhì)量指標(biāo)y_j在出現(xiàn)問題的時刻的測量值，是邏輯值，表示工藝參數(shù)是否與質(zhì)量指標(biāo)y_j出現(xiàn)問題有關(guān)。
    因此，數(shù)據(jù)挖掘的目標(biāo)是根據(jù)工藝參數(shù)和質(zhì)量指標(biāo)的測量值時間序列歷史記錄和建立質(zhì)量關(guān)聯(lián)模型。質(zhì)量分析是一種離線應(yīng)用。在發(fā)生質(zhì)量事故后，根據(jù)質(zhì)量指標(biāo)y_j在出現(xiàn)問題的時刻的測量值，可以判斷哪幾個工藝參數(shù)和質(zhì)量問題有關(guān)，為分析事故發(fā)生原因從而改進(jìn)生產(chǎn)工藝提供決策支持。

3． 面向質(zhì)量控制的動態(tài)數(shù)據(jù)挖掘方法

3．1 數(shù)據(jù)歸整（Data coordination）
    與靜態(tài)數(shù)據(jù)的挖掘不同，對多個時間序列進(jìn)行動態(tài)數(shù)據(jù)挖掘時，需要解決的第一個問題是數(shù)據(jù)歸整。所謂數(shù)據(jù)歸整，指的是將多個時間序列的數(shù)據(jù)進(jìn)行調(diào)整，使它們符合時間、空間上的相關(guān)性，因?yàn)閷δ骋煌诰蚪Y(jié)果有影響的可能是不同時間序列在不同時刻的值。

    以鋼鐵生產(chǎn)過程為例，其內(nèi)部的生產(chǎn)流程可以分為連續(xù)型過程（如連續(xù)退火過程）和批量型過程（如高爐煉鐵過程）兩大類。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，各工藝裝置操作參數(shù)的設(shè)計值為定值。以熱鍍鋅連續(xù)退火過程為例，帶鋼依次進(jìn)入連續(xù)退火機(jī)組的預(yù)熱段、均熱段、緩冷段和快冷段，各段的設(shè)定溫度均為定值。

    批量型生產(chǎn)過程的特點(diǎn)是：單批產(chǎn)品在同一工藝裝置中，一般要經(jīng)歷多個加工處理時段，因此通常其各個操作參數(shù)的設(shè)計值在生產(chǎn)過程的不同時段取不同的值。以轉(zhuǎn)爐煉鋼過程為例，鐵水在轉(zhuǎn)爐中經(jīng)過吹氧、排渣、加炭等階段，每個階段都有不同的工藝參數(shù)設(shè)計值。

    由于上述兩類生產(chǎn)過程的不同特點(diǎn)，在數(shù)據(jù)歸整時必須采用不同的處理方法。下面分別加以闡述。

3．1．1 批量型過程的數(shù)據(jù)歸整
    對于批量型生產(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，所以可以取單批產(chǎn)品整個生產(chǎn)過程中完整的工藝參數(shù)測量值時間序列和質(zhì)量指標(biāo)測量值時間序列作為動態(tài)數(shù)據(jù)挖掘所需的樣本。

    為方便描述，假設(shè)批量型過程 的產(chǎn)品質(zhì)量指標(biāo) 的采樣周期均為 ，任一產(chǎn)品質(zhì)量指標(biāo) 從 時刻開始的測量值已知，且可表達(dá)為周期為 的 個采樣值的時間序列，即：
                                （5）
    產(chǎn)品質(zhì)量檢驗(yàn)在時刻完成，則取作為動態(tài)數(shù)據(jù)挖掘所需的
個樣本，其中
   
    其中 [ ]為向下取整函數(shù)。

3．1．2 連續(xù)型過程的數(shù)據(jù)歸整
    對于連續(xù)型生產(chǎn)過程，應(yīng)該將不同工藝參數(shù)在不同時刻對參與質(zhì)量抽樣檢驗(yàn)的“局部產(chǎn)品”的測量值與質(zhì)量檢驗(yàn)結(jié)果一起組成樣本，也即將工藝參數(shù)的測量值時間序列中，對某個質(zhì)量檢驗(yàn)結(jié)果有影響的一段時間序列提取出來，和質(zhì)量指標(biāo)測量值一起組成樣本。

    為方便描述，假設(shè)連續(xù)型過程P的產(chǎn)品質(zhì)量指標(biāo)的采樣周期均為△T，任一產(chǎn)品質(zhì)量指標(biāo)y_j從t時刻開始的測量值已知，且可表達(dá)為周期為△T的個采樣值的時間序列，即：
                               （10）
    產(chǎn)品質(zhì)量檢驗(yàn)在時刻完成。各工藝參數(shù)的測量點(diǎn)可能安裝在生產(chǎn)線的同一區(qū)域或者不同區(qū)域，參與質(zhì)量抽樣檢驗(yàn)的第k個“局部產(chǎn)品”經(jīng)歷x_i測量點(diǎn)所在的區(qū)域的時間為，其中 。
    則取作為動態(tài)數(shù)據(jù)挖掘所需的個樣本，其中
   
    其中 [ ]為向下取整函數(shù)。]

3．2 時間序列的模式提取
3.2.1 質(zhì)量不良原因的模式假設(shè)
    通常生產(chǎn)質(zhì)量不良的原因可分為兩類，即工藝參數(shù)設(shè)計時有錯誤；或在生產(chǎn)過程中工藝參數(shù)未能控制在設(shè)計值。本文提出的動態(tài)數(shù)據(jù)挖掘方法在用于生產(chǎn)質(zhì)量控制時，基于以下關(guān)鍵性假設(shè)：
    假設(shè)：（質(zhì)量不良原因的模式假設(shè)）
    設(shè)生產(chǎn)質(zhì)量不良的原因可以通過生產(chǎn)過程中工藝參數(shù)的時間序列實(shí)測樣本反映出來。工藝參數(shù)的時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，容易出現(xiàn)縱向裂紋[4][5]。根據(jù)此先驗(yàn)知識，可以將鑄坯拉速測量值時間序列的方差作為影響鑄坯縱向裂紋質(zhì)量事故的一個模式。為了解鑄坯拉速測量值時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)測模型的建模或質(zhì)量事故原因的分析時，要進(jìn)行時間序列的模式提取，即將時間序列樣本集合轉(zhuǎn)換為特征模式樣本集合。

3.2.2 時間序列的模式提取方法
    時間序列的模式提取可以看成一個從時間序列到模式集合的變換過程，即從時間序列中抽取有價值的模式。在經(jīng)典的時間序列分析理論中，已給出了一類模式提取的方法：根據(jù)時間序列建立ARMA模型。該方法把時間序列空間映射到ARMA模型中的參數(shù)空間，也稱為時間序列的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。
    為了使模式提取具有物理意義，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先單調(diào)上升后單調(diào)下降的情況可能引起斷帶，因此將它作為帶鋼溫度時間序列的一種模式。
    （2）對于沒有任何先驗(yàn)知識的情況，可以窮舉構(gòu)造所有可能的有物理意義的模式。例如時間序列的均值、方差、最大值、最小值、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、時間累計等等。
    （3）對于只有部分先驗(yàn)知識的情況，可以結(jié)合前兩種方法。
    時間序列模式提取的一般步驟如下：
    （1）給定用于各工藝參數(shù)測量值時間序列模式提取的模式集合，以表示，其中   為某個工藝參數(shù)要提取的一種模式；
    （2）給定待提取模式的時間序列 
    （3）根據(jù)各模式提取的計算方法，對上述時間序列進(jìn)行模式提取，即計算：
                                （15）
    其中m_i為時間序列在模式s_i下的模式提取結(jié)果，即模式評價值；為模式s_i的計算算式。模式評價值m_i的數(shù)據(jù)類型根據(jù)模式的不同可能為數(shù)值型、枚舉型或邏輯型。；
    （3）將樣本中的時間序列進(jìn)行模式提取，提取的結(jié)果是將測量值時間序列轉(zhuǎn)換為模式提取結(jié)果，從而將樣本轉(zhuǎn)化為
    從上述過程可以看出，經(jīng)過模式提取，已經(jīng)將時間序列數(shù)據(jù)轉(zhuǎn)換成了不顯含時間因素的模式評價值序列。

3.3 面向質(zhì)量控制的動態(tài)數(shù)據(jù)挖掘過程
    當(dāng)給定一系列生產(chǎn)歷史數(shù)據(jù)時間序列后，對于如第2節(jié)所定義的兩類質(zhì)量控制數(shù)據(jù)挖掘問題，部分的數(shù)據(jù)挖掘過程是相同的，但也有一部分并不相同，比如使用的挖掘算法以及對結(jié)果的處理等。下面分別進(jìn)行討論。

3.3.1 求解質(zhì)量預(yù)測問題的動態(tài)數(shù)據(jù)挖掘過程
    求解質(zhì)量預(yù)測問題的動態(tài)數(shù)據(jù)挖掘過程，首先要為挖掘準(zhǔn)備可用的數(shù)據(jù)，然后選擇合適的方法進(jìn)行質(zhì)量預(yù)測模型的訓(xùn)練和測試，最后輸出模型。具體步驟如下：
    （1）確定m個可測的產(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個可測的工藝參數(shù)，以及工藝參數(shù)測量值時間序列模式提取的模式集合；
    （3）使用第3.1節(jié)中介紹的方法對工藝參數(shù)時間序列進(jìn)行數(shù)據(jù)歸整，得到個樣本；
    （4）對樣本所包含的數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗，包括去處野值、數(shù)據(jù)平滑等過程；
    （5）使用第3.2.2節(jié)中的方法，對樣本中的時間序列  進(jìn)行模式提取，得到模式評價值序列 ，從而將樣本轉(zhuǎn)化為；
    （6）將樣本分為訓(xùn)練樣本集和測試樣本集，使用數(shù)據(jù)挖掘方法建立質(zhì)量預(yù)測模型；
    （7）使用測試樣本集對挖掘結(jié)果進(jìn)行測試；
    （8）輸出質(zhì)量預(yù)測模型。

3.3.2 求解質(zhì)量分析問題的動態(tài)數(shù)據(jù)挖掘過程
    求解質(zhì)量分析問題的動態(tài)數(shù)據(jù)挖掘過程，首先要為挖掘準(zhǔn)備可用的數(shù)據(jù)，然后選擇合適的方法進(jìn)行關(guān)聯(lián)分析，最后輸出關(guān)聯(lián)規(guī)則。具體步驟如下：
    （1）～（6）同第3.3.1節(jié)中的步驟，獲得數(shù)據(jù)挖掘所需的樣本數(shù)據(jù)     
                ；
    （7）使用動態(tài)數(shù)據(jù)挖掘中的關(guān)聯(lián)分析方法，求解質(zhì)量關(guān)聯(lián)模型；
    （8）輸出質(zhì)量關(guān)聯(lián)模型。

4．應(yīng)用實(shí)例

    運(yùn)用上述理論與方法，作者在上海寶信軟件股份有限公司與浙江大學(xué)工業(yè)控制技術(shù)國家重點(diǎn)實(shí)驗(yàn)室聯(lián)合開發(fā)的冶金企業(yè)生產(chǎn)質(zhì)量分析數(shù)據(jù)挖掘平臺DMPlatform上，以寶鋼一煉鋼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)行了動態(tài)數(shù)據(jù)挖掘試驗(yàn)。

    縱裂是連鑄板坯常見的表面缺陷之一，輕微的縱裂紋經(jīng)板坯精整后對下工序不會產(chǎn)生影響，嚴(yán)重的縱裂紋會使整塊板坯報廢，甚至在連鑄生產(chǎn)過程中引起縱裂漏鋼，給設(shè)備和生產(chǎn)帶來嚴(yán)重的危害。關(guān)于縱裂產(chǎn)生的原因有過很多研究，國內(nèi)外很多文獻(xiàn)中都有所報道。歸納起來主要有：鋼水的成分、連鑄的工藝操作參數(shù)、保護(hù)渣等方面，不同的工廠、不同的連鑄機(jī)在不同的階段，由于條件不同，每個因素對鑄坯縱裂影響的程度也在變化[4][5]。

    動態(tài)數(shù)據(jù)挖掘用于進(jìn)行質(zhì)量預(yù)測試驗(yàn)，即數(shù)據(jù)挖掘的目的是建立質(zhì)量預(yù)測模型。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或無縱向裂紋。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1小時。參與數(shù)據(jù)挖掘的工藝參數(shù)共有24個，最短的采樣周期為5秒（如結(jié)晶器循環(huán)冷卻水和二冷段冷卻水的溫度），最長的采樣周期為1分鐘（如鑄坯表面溫度）。根據(jù)已知的連鑄理論和經(jīng)驗(yàn)知識，如：錳硫比增大或者硫含量降低，裂紋減少；拉速越不穩(wěn)定，越容易出現(xiàn)縱向裂紋等，確定了對各個工藝參數(shù)時間序列需要提取的具有物理意義的模式，如表1所示。

    連鑄是連續(xù)型生產(chǎn)過程，采用3.1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)歷史紀(jì)錄，每批數(shù)據(jù)記錄的時間跨度為鑄坯切片質(zhì)量硫印檢驗(yàn)前1小時。因此24個工藝參數(shù)時間序列的最大長度為86400個采樣數(shù)據(jù)，總數(shù)據(jù)量約為200萬個數(shù)據(jù)。然后對原始數(shù)據(jù)進(jìn)行去處野值、數(shù)據(jù)平滑等預(yù)處理，接著根據(jù)表1對所有樣本提取特征模式，利用樸素Bayes分類建立質(zhì)量預(yù)測模型。圖1給出了在DMPlatform軟件平臺上進(jìn)行組態(tài)的數(shù)據(jù)挖掘流程。

    采用5組工藝參數(shù)實(shí)測值對獲得的連鑄鑄坯質(zhì)量預(yù)測模型進(jìn)行了檢驗(yàn)，預(yù)測準(zhǔn)確性為80％。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)測和控制，因此80％的質(zhì)量預(yù)測精度對于鑄坯質(zhì)量控制有很大的幫助。

圖1. DMPlatform軟件平臺上進(jìn)行組態(tài)的連鑄鑄坯質(zhì)量預(yù)測數(shù)據(jù)挖掘流程

5．結(jié)論

    生產(chǎn)質(zhì)量控制是利用生產(chǎn)過程的動態(tài)信息進(jìn)行質(zhì)量預(yù)測和質(zhì)量控制。將動態(tài)數(shù)據(jù)挖掘的方法應(yīng)用于質(zhì)量控制時，主要解決兩個問題：（1）質(zhì)量預(yù)測問題，即通過對生產(chǎn)過程歷史記錄的數(shù)據(jù)挖掘，建立產(chǎn)品質(zhì)量預(yù)測模型；（2）質(zhì)量分析問題，即在產(chǎn)品質(zhì)量出現(xiàn)問題后，利用對歷史數(shù)據(jù)的挖掘分析生產(chǎn)工藝對產(chǎn)品質(zhì)量的影響，找出隱藏的生產(chǎn)規(guī)律，為企業(yè)改進(jìn)工藝提供決策支持。

    由于生產(chǎn)歷史數(shù)據(jù)通常都是時間序列，因此用于處理靜態(tài)數(shù)據(jù)的數(shù)據(jù)挖掘方法不能直接應(yīng)用于鋼鐵生產(chǎn)過程。本文給出了動態(tài)數(shù)據(jù)挖掘用于生產(chǎn)過程質(zhì)量控制的一般方法。將此方法運(yùn)用于寶鋼一煉鋼1900直弧型板坯連鑄機(jī)生產(chǎn)過程鑄坯縱裂質(zhì)量控制，在上海寶信軟件股份有限公司與浙江大學(xué)工業(yè)控制技術(shù)國家重點(diǎn)實(shí)驗(yàn)室聯(lián)合開發(fā)的冶金企業(yè)生產(chǎn)質(zhì)量分析數(shù)據(jù)挖掘平臺DMPlatform上進(jìn)行試驗(yàn)，質(zhì)量預(yù)測準(zhǔn)確性達(dá)到80％。

[參考文獻(xiàn)]

[1]劉海英. 基于計算機(jī)技術(shù)的工序質(zhì)量控制系統(tǒng)研究.中國機(jī)械工程，14（13)：1118－1121，2003
[2]劉明周，任蘭，張銘鑫. 產(chǎn)品質(zhì)量統(tǒng)計過程中的制造質(zhì)量數(shù)據(jù)管理方法研究.計算機(jī)集成制造系統(tǒng)，11（2），280－283，2005
[3]萬百五. 工業(yè)生產(chǎn)的產(chǎn)品質(zhì)量模型和質(zhì)量控制模型及其應(yīng)用.自動化學(xué)報，28（6），1019－1024，2002
[4]熊毅剛. 板坯連鑄.冶金工業(yè)出版社，1994
[5]曹廣疇. 現(xiàn)代板坯連鑄.冶金工業(yè)出版社，1994