基于时间序列的挖掘算法在流程工业产品质量控制模型中的应用  

Product Quality Control Model for Process Industries and Their Applications Based on Time Series Mining Algorithm

作　　者：张延华[1] 王国刚[1] 李朋辉[1] 

机构地区：[1]沈阳化工学院信息工程学院,辽宁沈阳110142

出　　处：《数学的实践与认识》2010年第5期87-90,共4页Mathematics in Practice and Theory

基　　金：辽宁省教育厅高等学校科学技术研究项目

摘　　要：针对目前流程工业产品质量控制采用人工检查和统计质量控制方法,缺乏产品质量预先预报以及时时调整生产过程的工艺参数存在一定困难.利用生产过程采集到的实际数据,采用基于时间序列的动态数据挖掘技术和BP神经元网络,预测产品质量和分析产品生产过程的工艺,最大限度减少不合格产品的产出,提高生产效率.根据上述理论建立流程工业数据动态质量控制平台,以中厚钢板生产过程为例,应用表明了这种方法在实际应用中的正确性和有效性.Manual inspection and statistical quality control methods are adopted in product quality control model for process industries, it is difficulty for adjustment of product process parameter and lacking product quality prediction. Product process data is utilized, which prediction product quality and analysis product process parameter based on time series dynamic mining technology and BP neural network. The methods improve product efficiency and decrease rejected goods. Process industries data quality control system iS established with fore-mentioned theory, fact apply for plate steel product that the method is valid and perfect.

关 键 词：时间序列 流程工业 生产过程质量控制 动态数据挖掘 BP神经网络 

分 类 号：O211.61[理学—概率论与数理统计]