一种基于多维决策树群的提升产品合格率的方法技术

本发明专利技术公开了一种基于多维决策树群的提升产品合格率的方法，以生产要素为分类标准，构建不同的决策树，形成多维决策树群，提供多维度的优化建议，包括最高合格率配置建议，还能根据影响因子的影响程度判断哪些影响因子对产品合格率影响大，可进行辅助性决策，做到既能提升产品合格率，又减少修正量，提升工作效率，或者直接给出在更高合格率下最少改动配置的建议，所述方法支持实时更新数据，支持决策树的动态生长，其机器学习还能够对基础工况进行微调，进而学习微调后的生产率变化，同时，由于设备参数多，决策树群需要较大的空间，而本发明专利技术的决策树群和机器学习模块能够在不同的内存空间中切换，在相应的内存空间中灵活调度或学习所需的数据。

A Method to Improve Product Qualification Rate Based on Multidimensional Decision Tree Group

【技术实现步骤摘要】
一种基于多维决策树群的提升产品合格率的方法
本专利技术涉及生产管理
，尤其涉及一种基于多维决策树群的提升产品合格率的方法。
技术介绍
提升工业生产线产品合格率是工业行业内关注的重要课题，其主要难点在于无法精准地控制生产线各工艺机器参数使产品合格率最大化。目前工业领域的机器控制基本都是按照人工经验进行操作，而机器参数太多，人工无法确认哪些机器参数对合格率影响大，导致无法预知当前操作对产品合格率造成的影响，或者，机器的控制需要有一定经验的操作人员进行，且不同的操作人员会有不同的操作方式，无法统一，造成产品合格率的不稳定。因此有必要提出一种低成本、安全、便捷的智能化的辅助决策方案，帮助给出生产线机器的各类生产参数在特定环境下产品合格率最大的参数设定方案，从而提升工业生产领域的产品合格率。
技术实现思路
本专利技术为解决上述技术问题，本申请提出一种基于多维决策树群的提升产品合格率的方法，将当前工况结合历史数据，给出提升产品合格率的建议。为实现上述技术效果，所述方法包括：S10采集生产线上影响产品合格率的基础工况，所述基础工况包括设备参数和环境参数；S20以生产要素为分类标准，构建不同的决策本文档来自技高网...

【技术保护点】
1.一种基于多维决策树群的提升产品合格率的方法，将当前工况结合历史数据，给出提升产品合格率的建议，其特征在于，所述方法包括：S10采集生产线上影响产品合格率的基础工况，所述基础工况包括设备参数和环境参数；S20以生产要素为分类标准，构建不同的决策树，形成多维决策树群；所述决策树下储存有历史数据，所述历史数据包括历史的基础工况和一一对应的产品合格率。S30机器学习模型学习所述历史数据；S40根据当前的生产要素类别在所述决策树群中调度出对应的决策树，并匹配到该决策树下基础工况相同的历史记录；S50预测当前基础工况下的产品合格率是多少并给出调优建议。

【技术特征摘要】
1.一种基于多维决策树群的提升产品合格率的方法，将当前工况结合历史数据，给出提升产品合格率的建议，其特征在于，所述方法包括：S10采集生产线上影响产品合格率的基础工况，所述基础工况包括设备参数和环境参数；S20以生产要素为分类标准，构建不同的决策树，形成多维决策树群；所述决策树下储存有历史数据，所述历史数据包括历史的基础工况和一一对应的产品合格率。S30机器学习模型学习所述历史数据；S40根据当前的生产要素类别在所述决策树群中调度出对应的决策树，并匹配到该决策树下基础工况相同的历史记录；S50预测当前基础工况下的产品合格率是多少并给出调优建议。2.根据权利要求1所述的一种基于多维决策树群的提升产品合格率的方法，其特征在于，所述调优建议包括最高产品合格率的配置建议或者产品合格率提升程度和操作复杂度的排序，现场工作人员根据预判分析是否需要进行调优，若是，则根据调优建议对基础工况进行调整，以提高产品合格率。3.根据权利要求1所述的一种基于多维决策树群的提升产品合格率的方法，其特征在于，所述S10包括S11：找出基础工况中主要的影响因子，即计算各个影响因子对产品合格率的影响程度和影响程度的可信度。4.根据权利要求3所述的一种基于多维决策树群的提升产品合格率的方法，其特征在于，利用信息论的信息增益率计算基础工况对产品合格率的影响程度，再根据TTest算法计算其可信度。5.根据权利要求3或4所述的一种基于多维决策树群的提升产...

【专利技术属性】
技术研发人员：刘煜，孙再连，蓝振宏，
申请(专利权)人：厦门邑通软件科技有限公司，
类型：发明
国别省市：福建,35