基于动态挖掘的流程工业产品质量模型的研究与应用  

Research and application of product quality control in process industries with dynamic data mining

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,沈阳110142

出　　处：《计算机应用》2010年第A01期47-48,共2页journal of Computer Applications

基　　金：辽宁省教育厅高等学校科学技术研究项目(2009A589)

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实时调整生产过程的工艺参数存在困难的情况,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, and it is difficult to adjust product process parameter and there is not product quality prediction. Product process data was utilized for product quality prediction and the analysis of product process parameter based on time series dynamic mining technology and BP neural network. The method improved product efficiency and decreased rejected goods. Data quality control system of process industries was established with fore-mentioned theory. Real application of plate steel product shows 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：TP182[自动化与计算机技术—控制理论与控制工程] TP183[自动化与计算机技术—控制科学与工程]