一种基于信息熵和加权距离的离散制造机械产品质量溯源方法技术

本发明专利技术公开一种基于信息熵和加权距离的离散制造机械产品质量溯源方法，所属领域为制造业信息化技术领域。针对当前在离散制造过程中质量溯源方法准确度不高的问题，提出一种基于信息熵和加权距离的离散制造机械产品质量溯源方法。首先，确定出各种质量指标中对产品质量影响较大的指标并对其赋予较高的质量权值；其次，计算出各个质量指标的信息熵并据此给质量指标分配信息熵权值；再次，计算出各个质量指标数据的加权距离，进一步计算出局部可达密度、离群因子；最后通过比较离群因子的大小来分析得出造成质量问题的原因的可能性大小，从而为产品的质量追溯提供重要的信息。

A quality tracing method for discrete manufacturing machinery based on information entropy and weighted distance

The invention discloses a discrete manufacturing mechanical product quality traceability method based on information entropy and weighted distance, and belongs to the manufacturing information technology field. In order to solve the problem that the accuracy of the quality tracing method is not high in the process of discrete manufacturing, a method of tracing the quality of discrete manufacturing mechanical products based on information entropy and weighted distance is proposed. First, determine the quality index and give high quality weight to the product quality. Secondly, the information entropy of each quality index is calculated and the weight of information entropy is assigned to the quality index. Then, the weighted distance of each quality index data is calculated. In the end, the size of the outlier factor is compared to analyze the possibility of the cause of the quality problem, which provides important information for the quality tracing of the product.

【技术实现步骤摘要】
一种基于信息熵和加权距离的离散制造机械产品质量溯源方法
本专利技术属于制造业信息化
，涉及一种基于信息熵和加权距离的离散制造机械产品质量溯源方法。
技术介绍
产品质量是企业生存、发展和参与市场竞争的基础，是经济性、可靠性、外观等方面的综合体现。对于离散机械产品制造企业而言，制造过程的质量决定了除产品设计因素外的大部分质量，是企业精益质量的核心环节之一。准确的产品质量信息追溯方法是企业提高产品质量水平的前提，对企业的长远发展具有重要意义。而在质量追溯中，溯源方法起到对质量追溯数据分析处理的作用，是产品质量追溯的核心问题。在离散机械产品质量追溯过程中，由于存在产品普遍结构复杂，零件繁多等难题，产品质量溯源问题一直离散机械产品制造企业实现质量管理面临的一项难题。近些年来，随着企业质量意识的提高，一些简单的质量溯源方法逐渐在企业中普及推广，但多以利用单个质量指标数据的统计学方法为主，没有准确度更高的溯源分析方法。这就造成了企业现有的质量追溯不能把跟踪追溯数据转化为质量管理决策信息，从而为制定质量改善措施提供科学的参考依据。因此，找到切实可行的离散机械产品质量溯源方法是亟待解决的问题。
技术实现思路
本专利技术的目的主要针对当前在离散制造过程中质量溯源方法准确度不高的的问题，提出一种基于信息熵和加权距离的离散制造机械产品质量溯源方法。首先，确定出各种质量指标中对产品质量影响较大的指标并对其赋予较高的质量权值；其次，计算出各个质量指标的信息熵并据此给质量指标分配信息熵权值；再次，计算出各个质量指标数据的加权距离，进一步计算出局部可达密度、离群因子；最后，通过比较离群因子的大小来分析出造成质量问题的原因的可能性大小，从而为产品的质量追溯提供重要的信息。本专利技术是通过以下技术方案达到上述目的：一种基于信息熵和加权距离的离散制造机械产品质量溯源方法，该方法包括如下步骤：1)提取质量追溯数据：提取出不同生产情况下可能造成质量问题的各种原因，并统计产品质量指标数据，根据生产过程中的跟踪数据分别统计出在这些潜在原因下生产的产品的质量指标数据；2)数据预处理：为消除不同产品质量指标数据量纲和取值范围不同的影响，并保留各数据之间的关系，本专利技术采用改进的“零-均值规范化”作为质量问题溯源数据集的预处理方法，公式如下：其中x为原数据，x*为预处理后的数据，为原始数据的均值，σ*为绝对标准差，其计算公式如下：其中W是数据中位数；3)计算质量指标数据的质量权值：根据不同机械产品的质量要求，给质量指标数据分配不同的质量权值。4)计算质量指标数据的信息熵权值：将质量指标数据的信息熵作为该数据数据质量权值，其计算公式为：其中X为数据随机变量，S(X)为X的取值集合为，P(X)为X可能取值的概率，E(X)为该数据的信息熵；5)计算各个质量指标数据的加权距离：计算各个数据对象之间的加权距离，其计算公式如下：其中p，q属于数据集D，和为第i(i＝1，2，…，d)维属性的值，wk是第K维的信息熵权值，xk是第K维的信息熵权值，d(p，q，w)为数据对象p和q之间的加权距离；6)计算各个质量指标数据的局部离群因子：6.1)计算离群点候选集中数据对象p的k距离，表示为k-distance(p)，当k满足条件：a)至少存在k个数据对象o′∈\D{p}使得d(p，o′)≤d(p，o)；b)至少存在k-1个数据对象o′∈\D{p}使得d(p，o′)＜d(p，o)；k距离的计算公式如下：k-distance(p)＝d(p，o)其中，所述距离为公式5)中的加权距离；6.2)计算对象p的第k距离邻域NK(p)，其公式如下：NK(p)＝{q|d(p，o)≤k-distance(p)}6.3)计算D中两个对象的可达距离，公式如下：reach-disk(p，o)＝max{k-distance(o)，d(p，o)}6.4)计算对象p的局部可达密度lrdk(p)，公式如下：6.5)计算对象p的局部离群因子LOF，公式如下：6.6)重复步骤6.1)到步骤6.5)，直到计算出所有时空段的局部离群因子；7)依据6)中计算出的局部离群因子，对可能造成质量问题的原因进行排序，其中数据对象的局部离群因子越大则越有可能为造成产品质量问题的原因；8)依据7)中可能造成质量问题的原因的排序，输出溯源结果排序；9)依据8)中的溯源结果，逐一对可能造成质量问题的原因依质量异常指数大小进行逐一排查。附图说明图1示出了本专利技术提供的一种基于信息熵和加权距离的离散制造机械产品质量溯源方法的流程图；图2示出了本专利技术提供的一种基于信息熵和加权距离的局部离群因子计算方法的流程图；具体实施方式为了使本专利技术的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术作进一步的详细描述：本专利技术提出一种基于信息熵和加权距离的离散制造机械产品质量溯源方法，如图1所示，该方法包括如下步骤：1.根据不同机械产品特性，提取出各种生产情况下可能造成质量问题的各种原因，并统计产品质量指标数据，根据生产过程中的跟踪数据分别统计出在这些潜在原因下生产的产品的质量指标数据。2.对这些追溯数据进行预处理，为消除不同产品质量指标数据量纲和取值范围不同的影响，并保留各数据之间的关系，本专利技术采用改进的“零-均值规范化”作为质量问题溯源数据集的预处理方法，使用公式处理原始数据，其中x为原数据，x*为预处理后的数据，为原始数据的均值，σ*为绝对标准差，使用计算绝对标准差σ*，其中W是数据中位数。3.根据不同机械产品的质量要求，给质量指标数据分配不同的质量权值。4.将质量指标数据的信息熵作为该数据数据质量权值，计算质量指标数据的信息熵使用公式E(X)＝-∑x∈S(X)P(x)lbP(x)，其中X为数据随机变量，S(X)为X的取值集合为，P(X)为X可能取值的概率，E(X)为该数据的信息熵。5.如图2所示，在计算数据的离群因子前，使用质量指标数据的加权距离作为对象之间的距离，计算数据对象之间的加权距离的公式为其中p，q属于数据集D，和为第i(i＝1，2，…，d)维属性的值，wk是第K维的信息熵权值，xk是第K维的信息熵权值，d(p，q，w)为数据对象p和q之间的加权距离。6.首先输入预处理后的质量指标数据，和近邻个数k计算出每个对象的加权距离矩阵，然后依次计算数据集中每个点q的k距离、k距离领域、可达距离、可达密度、局部离群因子。所述k距离指的是对于数据集中的任意点q，与q点最近的第k个距离被称为点q的k距离，所述距离指的是加权距离。所述k距离邻域指的是对于数据集中的任意点q，把所有距离不大于q的k距离的数据对象点所形成的邻域称之为k距离邻域。所述可达距离的计算使用公式reach-disk(p，o)＝max{k-distance(o)，d(p，o)}，其中，数据对象p的第k距离表示为k-distance(p)，d(p，o)为对象p与对象o之间的加权距离。所述局部可达密度lrdk(p)，使用计算得到。所述局部离群因子，使用计算得到。7.对计算所得的局部离群因子进行排序，其中数据对象的局部离群因子越大则越有可能为造成产品质量问题的原因。8.输出结果，所述结果指的是造成产品问题的原因的可能性大小的排序。本文档来自技高网...

【技术保护点】
1.一种基于信息熵和加权距离的离散制造机械产品质量溯源方法，其特征在于：包括以下步骤：1)提取质量追溯数据；2)数据预处理；3)计算质量指标数据的质量权值；4)计算质量指标数据的信息熵权值；5)计算各个质量指标数据的加权距离；6)计算各个质量指标数据的局部离群因子；7)依据6)中计算出的局部离群因子，对可能造成质量问题的原因进行排序，其中数据对象的局部离群因子越大则越有可能为造成产品质量问题的原因；8)依据7)中可能造成质量问题的原因的排序，输出溯源结果排序；9)依据8)中的溯源结果，逐一对可能造成质量问题的原因依质量异常指数大小进行逐一排查。

【技术特征摘要】
1.一种基于信息熵和加权距离的离散制造机械产品质量溯源方法，其特征在于：包括以下步骤：1)提取质量追溯数据；2)数据预处理；3)计算质量指标数据的质量权值；4)计算质量指标数据的信息熵权值；5)计算各个质量指标数据的加权距离；6)计算各个质量指标数据的局部离群因子；7)依据6)中计算出的局部离群因子，对可能造成质量问题的原因进行排序，其中数据对象的局部离群因子越大则越有可能为造成产品质量问题的原因；8)依据7)中可能造成质量问题的原因的排序，输出溯源结果排序；9)依据8)中的溯源结果，逐一对可能造成质量问题的原因依质量异常指数大小进行逐一排查。2.如权利要求1所述的一种基于信息熵和加权距离的离散制造机械产品质量溯源方法，其特征在于：所述步骤2)中预处理采用如下公式：其中x为原数据，x*为预...

【专利技术属性】
技术研发人员：罗志勇，杨群，罗蓉，赵杰，宦红伦，杨美美，韩冷，郑焕平，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：重庆,50