一种基于模糊理论与VIKOR方法的关键质量特性评价方法技术

本发明专利技术公开了一种基于模糊理论与VIKOR方法的产品关键质量特性的评价方法，步骤如下：先通过车间数字化检测来获取生产过程中的多元质量特性数据信息，形成产品质量特性数据集；将其输入多目标优化特征选择算法，得到关键质量特性集的Pareto最优解集；将关键质量特性集的Pareto最优解集整合，将各目标函数值作为评价指标值；最终使用改进VIKOR方法对Pareto最优解集进行排序选出最优折衷解。本发明专利技术考虑了多元质量特性对产品最终质量的复杂影响，准确分析产品中关键质量特性，为关键质量特性识别提供借鉴，为质量控制决策提供支撑，提高对产品质量预测能力。提高对产品质量预测能力。提高对产品质量预测能力。

【技术实现步骤摘要】
一种基于模糊理论与VIKOR方法的关键质量特性评价方法


[0001]本专利技术提供一种基于模糊理论与VIKOR方法的关键质量特性评价方法，属于智能制造和质量管理领域。

技术介绍

[0002]在如今现代化的工业生产中，产品生产过程中会产生海量的过程数据和质量特性数据，其中有生产环境数据、产品特性数据、装配特性数据和客户需求特性数据等等。其中一些质量特性对产品的质量有十分重要的影响，有些却对其影响甚微，因此，识别与产品质量密切相关的关键质量特性对产品的持续性改进、产品的质量预测以及产品的质量控制具有十分重要的意义。
[0003]传统的关键质量特性识别方法包括关键特性展开和质量功能展开等，但质量特性间影响关系复杂，传统定性、定量方法难以确定各质量特性的相互影响和关键程度。随着计算机技术的发展，在多目标优化算法和机器学习模型结合的基础上，利用工业生产中的质量特性数据，给出了关键质量特性的识别方法。中国专利技术专利申请号为CN202110752786.2，公开了一种基于多目标进化随机森林特征选择的关键质量特性识别方法，用于生产过程中的产品持续性改本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于模糊理论与VIKOR方法的关键质量特性评价方法，其特征在于， 包括以下步骤：步骤1：通过车间数字化检测来获取生产过程中的多元质量特性数据信息，形成产品质量特性数据集；步骤2：将基于步骤1得到的产品质量特性数据集，输入多目标优化特征选择算法，得到关键质量特性集的Pareto最优解集；步骤3：将基于步骤2得到的关键质量特性集的Pareto最优解集整合，将各目标函数值作为评价指标值；步骤4：最终使用改进VIKOR方法对Pareto最优解集进行排序选出最优折衷解。2.根据权利要求1所述一种基于模糊理论与VIKOR方法的关键质量特性评价方法，其特征在于：步骤1中所述产品质量特性数据集是指对同一研究对象（产品）而言，具有一定数量的质量特性（特征属性）、一定数量的样本（抽检产品）和每个样本（抽检产品）明确分类的数据集。3. 根据权利要求1所述一种基于模糊理论与VIKOR方法的关键质量特性评价方法，其特征在于：步骤2所述多目标优化特征选择算法由多目标优化算法由两部分组成，一是多目标进化算法，包括但不限于：NSGA
‑
II, NASGA
‑
III, MOEA/D, MOPSO等，利用Matlab软件实现；二是机器学习分类器，包括但不限于：Randomforest, Catboost, X...

【专利技术属性】
技术研发人员：潘荣顺，赵永满，余佳昊，周雪，魏子凯，
申请(专利权)人：石河子大学，
类型：发明
国别省市：