[发明专利]改进信息熵的制造过程多元质量诊断分类器

权利要求书

1.改进信息熵的制造过程多元质量诊断分类器，本发明涉及机械产品加工制造过程质量控制技术领域，具体涉及改进信息熵的制造过程多元质量诊断分类器，

其特征是，包括如下步骤：

步骤1：收集制造过程中质量特性的原始数据，并对该数据进行必要的整理、简化及计算，其具体计算过程如下：

在生产过程中，当工序不存在系统性误差时，产品的质量特性值符合正态分布；由于多元质量特性值得单位不统一，数值大小差距也较大，需对数据做进一步处理；

生产过程正常运行收集的数据矩阵为，为样本的个数，为样本质量属性个数

上式为第个样本第种质量属性值，为第种质量属性均值，第种质量属性标准差

对预处理后的数据，进行比重计算如下：

假设维正态分布，即，其中为总体均值向量，为协方差矩阵，由于为对称矩阵，因此存在对称矩阵,使得

其中为协方差矩阵的特征值，其满足，即维多元质量的权重分配可以表示为下式：

取前个主元的累计贡献率达到80%以上，即贡献率为：

则主元模型为

分别为个主元质量的属性向量，为误差

步骤2：对关键工序的多元质量特性进行过程分析，其具体计算过程如下：

这里主要对步骤1中的计算和估计；

，其中是质量特性值，是总体均值，是总体方差，当质量特性值服从正态分布时，其均值也服从正态分布，其中，n为样本容量，依照正态分布的特性，则

即，无论和取何值，落在之间的概率是，也就是说，落在这个分布范围之外的概率只有

对于过程修正的规格区域是一个椭球体，其体积计算公式为：

、分别为控制图上第元质量因子的上下限

多元过程在置信度下实际分布区域的椭球体为：

为多元质量因子的协方差行列式

设其修正系数为；

、分别为规格图、和实际过程的均值位置，为t维均值差值

另一影响因子为，为规格上下限的交点

即

综上所述，表征过程能力函数如下：

为了完善上式的结果，这里整合下面的方法，具体过程如下：

错判误差的概率分为两类，一是受控状态判为失控状态，概率即为，二是失控状态判为受控状态，概率即为

样本，当处于受控状态时，设其分布为正态分布；过程处于失控状态时，其分布发生了变化，变化后的分布函数为

记控制图的上、下控制限分别为、；

总误差概率为

上式为标准正态分布的分布函数在点处的值，为控制图中实际参数，这个具体情况可以具体确定

一元修正系数：

、分别为中心距离差值、误判概率的权重分配值，这里，

表征过程能力函数：

多元表征过程能力函数：

表征

根据模型即可提取制造过程质量异常的主特征

步骤3：把观测到的数据记录到己经画好控制限的控制图上，根据判稳规则判断过程是否出现异常现象，其具体描述如下：

如果过程处于非统计过程受控状态时用样本点建立的控制图控制后续的生产过程，不仅起不到良好的控制效果，反而会给企业带来错误的预报，给企业造成损失

步骤4：根据识别结果，改进信息熵方法查找出过程异常源所在；

步骤5：相关人员针对质量问题提出并实施改善的措施，解决过程异常情况；

步骤6：在改善实施后，维续使用控制图对过程质量进行验证确认，观测是否仍有异常，若有则返问至（3），若无则继续利用控制图对制造过程进行监控。

2.根据权利要求1中所述的改进信息熵的制造过程多元质量诊断分类器，其特征是，以上所述步骤4中的具体计算过程如下：

步骤4：根据识别结果，改进信息熵方法查找出过程异常源所在，其具体计算过程如下：

根据训练数据集确定属性的信息熵，每个质量属性都对应若干个分量；

这里质量属性的确定见下式：

到分别表示属性S分裂所形成的c个不同的样本属性值，为调节因子，A，B为属性信息的权重值，为类均值，为类对应的属性值

再根据欧式距离确定异常源，具体如下：

上式为属性S与控制图理想控制线的欧式距离，为控制图理想控制线

越大，对应的质量属性越不稳定，超过阈值MIN，即引发警报，再通过上式确定异常分量，即异常源。