一种质量影响因素相关性分析方法技术

本发明专利技术提出了一种质量影响因素相关性分析方法，其包括如下步骤：筛选，依据实际收集的数据对多个因子的效应进行分析；析因，分析与验证目标相关的多个因子的主效应及交互效应；优化和验证，找到目标与因子之间的函数关系，依据不同因子的参数变化，调整其他因子的参数，最后对相关性分析及调整后的结果进行实时监控及评估。根据本发明专利技术的方法，可以通过多元异构的质量、检测数据，输入参数，对模型进行训练，分析相关因素对质量问题的影响，改进质量工艺，提升企业的经济效益。

A Method of Correlation Analysis of Quality Influencing Factors

【技术实现步骤摘要】
一种质量影响因素相关性分析方法
本专利技术属于智能制造技术及工业大数据分析领域，具体涉及一种质量影响因素相关性分析方法。
技术介绍
大数据及数据分析技术，指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。通过大数据技术，使企业在运营过程中，对运营所需资源的挖掘、具体情况和储量分布等，企业都可以进行搜集分析，形成基于企业的资源分布可视图，就如同“电子地图”一般，将各种优势点，进行“点对点”的数据化、图像化展现，让企业的管理者可以更直观地面对自己的企业，更好地利用各种已有和潜在资源。大数据的虚拟化特征，大大降低了企业的经营风险，使企业能够在生产或服务尚未展开之前就给出相关确定性答案，让生产和服务做到有的放矢。目前企业对于质量问题和关键参数数值的预测功能还不够完善，质量过程控制及工艺优化需得到进一步提升。
技术实现思路
本专利技术要解决的技术问题本专利技术的目的在于研究和处理多因子与响应变量关系，通过质量问题知识库与工艺知识库的集成，对质量数据与工艺数据、生产数据等数据信息的潜在关系进行分析挖掘，建立基于质量数据的工艺改进模型，预测产品或过程的性能，找优化关键技术参数的设置，即：1利用大数据及经典统计算法，挖掘数据价值，应用于工业生产；2通过建立模型、训练算法从多视图、多层次、多关联、全方面分析质量相关性信息，辅助决策；3通过对使用数据的分析，量化变量的作用，确定显著变量，了解变量之间的相互联系。解决技术问题的技术手段为了解决上述技术问题，本专利技术的专利技术人提出了一种质量影响因素相关性分析方法，其包括如下步骤：筛选，依据实际收集的数据对多个因子的效应进行分析；析因，分析与验证目标相关的多个因子的主效应及交互效应；优化和验证，找到目标与因子之间的函数关系，依据不同因子的参数变化，调整其他因子的参数，最后对相关性分析及调整后的结果进行实时监控及评估。优选地是，在筛选步骤中，通过DOE方法中的部分析因试验，筛选出关键的影响质量的因子，按因子对质量的主效应值对因子进行排序。进一步优选地是，在筛选步骤中，筛选试验采用两水平试验。优选地是，在析因步骤中，结合已知影响质量的因子，通过全析因试验，计算出所有因子对验证目标的因子效应和交互效应，对交互效应进行排序。优选地是，在优化和验证步骤中，通过曲面响应设计，确定因子对验证目标是否有弯曲效应，如果有，则提高因子水平数，找到因子与目标值之间的函数关系，根据函数关系，依据不同因子的参数变化，调整其他因子的参数，以提升产品质量。进一步优选地是，在优化和验证步骤中，根据设定的样本量、各质量测量点的上下线，通过过程能力指数实时监控总览窗口对制造过程的精确能力和准确能力做出评估。专利技术效果本专利技术基于企业在生产过程中产生海量数据，构建数据模型，表征车间运行过程中发生的各类事件。利用概要、采样等数据预处理技术，对海量异构数据进行清洗和约简。应用分布式数据挖掘引擎，应对数据规模增速快、数据结构复杂等问题。快速定位可能影响质量的因素、指征与合格率等统计数据的相关性，提供工艺优化的输出依据。本专利技术作为大数据领域支撑技术，可牵引企业开展制造资源和能力物联化、虚拟化，通过专利技术方法实现服务化、协同化，从而体现云制造智能化特征。用户可通过INDICS平台按产品、批次、日期查看质量一致性信息；用户还可通过INDICS平台查看连接扭矩和分离扭矩的相关因素以及相关因素的影响系数范围，以此指导产线工序以及工艺改进。附图说明图1为质量过程控制相关性分析网络示意图。图2为质量相关性分析主要步骤。图3为主效应分析示意图。图4为主效应因子排序。图5为因子对质量的交互效应图。图6为目标和因子间的函数关系。图7为分析目标与因子的主效应、交互效应计算结果示例及分析工具界面。图8为过程能力指数监控总览窗口。具体实施方式以下结合附图对本专利技术的具体实施方式进行详细说明。本专利技术通过相关性分析算法，对实时采集到的因子参数及输出性能参数，计算因子效应，并进行排序，同时也需要考虑因子间的交互效应，识别对性能影响较大的因子及交互因子。质量相关分析的长期目标是通过相关性分析，最终建立并不断完善产品的输出与因子间的函数模型，优化设计参数。如图1所示，通过建立的函数模型，调整生产过程中的重点参数值，使得最终输出达到最优，同时，每一次的生产质量数据都将用于完善产品的输出与因子间的函数模型。质量影响因素相关性分析方法的步骤如图2所示：（1）筛选在筛选阶段，依据实际收集的数据对多个因子的效应进行分析。通过DOE方法中的部分析因试验，从众多因子中筛选出少数关键的影响质量的因子，大多数筛选试验采用两水平试验。利用部分析因的两水平试验得到的因子主效应图如图3所示，图中，直线的斜率绝对值越大，说明此因子对验证目标的影响越大；按因子对质量的主效应值对因子进行排序，得到图4。（2）析因在析因阶段，分析与验证目标相关的多个因子的主效应及交互效应。结合已知影响质量的因子，通过全析因试验，可计算出所有因子对验证目标的因子效应和交互效应。因子对质量的交互效应图如图5所示，图中，交互效应曲线平行说明没有交互效应，交互效应曲线交叉的角度越大表明交互效应越明显，从而能够对交互效应进行排序。（3）优化和验证在优化和验证阶段，找到目标与因子之间的函数关系。通过曲面响应设计，确定因子对验证目标是否有弯曲效应，如果有，则不断提高因子水平数，找到因子与目标值之间的函数关系并不断完善，从而实现高精度的预测和控制产品质量。图6为验证目标与因子之间的函数关系通用表达式，根据函数关系，系统可以依据不同因子的参数变化，调整其他因子的参数，使最终的产品质量达到最优的结果，此过程可以应用于产品的公差适配。图7为分析目标与因子的主效应、交互效应计算结果示例，为关因分析工具的功能界面。关因分析工具根据录入/自动采集的质量检测参数/因子值，提供响应指标构造、影响因子配置功能，对已采用的数据进行数据清洗、处理。应用方差分析、自由度计算、多元回归模型、t检验模型、F检验模型等，计算出所有因子的效应值，并进行排序。其中，交互效应曲线平行说明没有交互效应，交互效应曲线交叉的角度越大表面交互效应越明显，从而能够对交互效应进行排序。最后，需要对相关性分析及优化调整后的结果进行实时监控及评估。根据设定的样本量、各质量测量点的上下线，即可通过“过程能力指数实时监控总览窗口”对制造过程的“精确能力”和“准确能力”做出评估。过程能力指数实时监控总览窗口如图8所示。本专利技术关键在于可以通过多元异构的质量、检测数据，输入参数，对模型进行训练，分析相关因素对质量问题的影响，改进质量工艺，提升企业的经济效益。本文档来自技高网...

【技术保护点】
1.一种质量影响因素相关性分析方法，其特征在于包括如下步骤：筛选，依据实际收集的数据对多个因子的效应进行分析；析因，分析与验证目标相关的多个因子的主效应及交互效应；优化和验证，找到目标与因子之间的函数关系，依据不同因子的参数变化，调整其他因子的参数，最后对相关性分析及调整后的结果进行实时监控及评估。

【技术特征摘要】
1.一种质量影响因素相关性分析方法，其特征在于包括如下步骤：筛选，依据实际收集的数据对多个因子的效应进行分析；析因，分析与验证目标相关的多个因子的主效应及交互效应；优化和验证，找到目标与因子之间的函数关系，依据不同因子的参数变化，调整其他因子的参数，最后对相关性分析及调整后的结果进行实时监控及评估。2.根据权利要求1所述的质量影响因素相关性分析方法，其特征在于，在筛选步骤中，通过DOE方法中的部分析因试验，筛选出关键的影响质量的因子，按因子对质量的主效应值对因子进行排序。3.根据权利要求1所述的质量影响因素相关性分析方法，其特征在于，在筛选步骤中，筛选试验采用两水平试验。4.根据权利要求1所述的质量影响因...

【专利技术属性】
技术研发人员：周炜，陈晓双，谷牧，向小玲，徐明歌，
申请(专利权)人：北京航天智造科技发展有限公司，
类型：发明
国别省市：北京,11