余世音

摘 要：論文敘述了質(zhì)量控制圖的原理與基本模式，控制圖模式識(shí)別的意義以及神經(jīng)網(wǎng)絡(luò)在控制圖模式識(shí)別中的應(yīng)用、研究現(xiàn)狀、在質(zhì)量工程領(lǐng)域的發(fā)展趨勢(shì)和研究方向?？刂茍D異常模式自動(dòng)識(shí)別在如今的生產(chǎn)制造過(guò)程越來(lái)越重要，識(shí)別方法的合理有效性直接影響質(zhì)量診斷結(jié)果的準(zhǔn)確性，利用復(fù)雜的神經(jīng)網(wǎng)絡(luò)可以有效地進(jìn)行模式識(shí)別，對(duì)工業(yè)生產(chǎn)制造有很大的意義，有效減少經(jīng)濟(jì)損失，取得經(jīng)濟(jì)效益。

關(guān)鍵詞：神經(jīng)網(wǎng)絡(luò);質(zhì)量控制圖;模式識(shí)別

1.引言

質(zhì)量控制圖首先由休哈特提出，之后得到了廣泛的研究與應(yīng)用，取得了相當(dāng)不錯(cuò)的經(jīng)濟(jì)效益與社會(huì)效益，對(duì)經(jīng)濟(jì)的發(fā)展做出了巨大的貢獻(xiàn)。質(zhì)量控制圖初期主要用于工業(yè)生產(chǎn)過(guò)程的質(zhì)量控制，后來(lái)逐漸應(yīng)用到分析實(shí)驗(yàn)用來(lái)對(duì)分析質(zhì)量的控制?？刂茍D模式的判定準(zhǔn)則主要是GB/T4091——2001給出的8種情況，幾種常見(jiàn)的基本模式：向上趨勢(shì)、向下趨勢(shì)、向上偏移、向下偏移、循環(huán)模式和正常模式。質(zhì)量控制圖異常模式自動(dòng)識(shí)別在如今的生產(chǎn)制造過(guò)程越來(lái)越重要，研究有關(guān)控制圖模式識(shí)別方法的合理有效性很有意義。神經(jīng)網(wǎng)絡(luò)是一種旨在模仿人腦結(jié)構(gòu)及其功能的信息處理系統(tǒng)，可通過(guò)自學(xué)習(xí)、自組織和非線性動(dòng)力學(xué)所形成的并行分布方式來(lái)處理模式信息進(jìn)而進(jìn)行模式識(shí)別，用神經(jīng)網(wǎng)絡(luò)進(jìn)行控制圖的模式識(shí)別是一種有效的方法。

2.質(zhì)量控制圖

質(zhì)量控制圖，由沃特·休哈特博士率先提出。他指出：每一個(gè)方法都存在著變異，都受到時(shí)間和空間的影響，即使在理想的條件下獲得的一組分析結(jié)果，也會(huì)存在一定的隨機(jī)誤差。質(zhì)量控制圖是一種根據(jù)假設(shè)檢驗(yàn)的原理，在以橫坐標(biāo)表示樣組編號(hào)、以縱坐標(biāo)表示根據(jù)質(zhì)量特性或其特征值求得的中心線和上、下控制線。在直角坐標(biāo)系中，把抽樣所得數(shù)計(jì)算成對(duì)應(yīng)數(shù)值并以點(diǎn)子的形式按樣組抽取次序標(biāo)注在圖上。視點(diǎn)子與中心線、界限線的相對(duì)位置及其排列形狀，鑒別工序中有否存在系統(tǒng)原因，分析和判斷工序是否處于控制狀態(tài)，從而具有區(qū)分正常波動(dòng)與異常波動(dòng)功能的統(tǒng)計(jì)圖形。它反映和控制質(zhì)量特性值分布狀態(tài)隨時(shí)間而發(fā)生的變動(dòng)情況，判斷過(guò)程是否處于穩(wěn)定狀態(tài)。

控制圖的基本原理有四個(gè)，包括正態(tài)性假定、假設(shè)性檢驗(yàn)思想、小概率事件原理、3σ準(zhǔn)則。任何生產(chǎn)過(guò)程生產(chǎn)出來(lái)的產(chǎn)品，其質(zhì)量特性值總會(huì)存在一定程度的波動(dòng)，當(dāng)過(guò)程穩(wěn)定或者說(shuō)受控時(shí)，這些波動(dòng)主要是由5M1E的微小變化造成的隨機(jī)誤差。此時(shí)，絕大多數(shù)質(zhì)量特性值均服從或近似服從正態(tài)分布。由正態(tài)分布的性質(zhì)可知質(zhì)量數(shù)據(jù)出現(xiàn)在平均值的正負(fù)三個(gè)標(biāo)準(zhǔn)差之外的概率僅為0.27%，這是一個(gè)很小的概率，根據(jù)概率論“視小概率事件為實(shí)際上不可能”的原則，可以認(rèn)為出現(xiàn)在x±3σ區(qū)間外的事件是異常波動(dòng)，它的發(fā)生是由于異常原因使其總體的分布偏離了正常位置。

模式識(shí)別就是根據(jù)研究對(duì)象的特征或者屬性，運(yùn)用一定的分析算法認(rèn)定其類別，并且分類識(shí)別的結(jié)果盡可能地符合真實(shí)?？刂茍D模式識(shí)別有幾個(gè)步驟，首先需要進(jìn)行模式采集，即控制圖那六種基本模式，之后提取/選擇特征，提取一般以分類中使用的某種判決規(guī)則為準(zhǔn)則。然后進(jìn)行學(xué)習(xí)訓(xùn)練：使機(jī)器具有分類識(shí)別功能，首先對(duì)其進(jìn)行訓(xùn)練，產(chǎn)生分類識(shí)別的規(guī)則和分析程序。之后分類識(shí)別，把特征空間劃分為類空間，把未知類別屬性的樣本確定為類空間中的某一類型。機(jī)器中的分類識(shí)別知識(shí)與待識(shí)別對(duì)象越匹配，知識(shí)的運(yùn)用越合理，系統(tǒng)的識(shí)別功能就越強(qiáng)。

3.基于神經(jīng)網(wǎng)絡(luò)的控制圖模式識(shí)別

根據(jù) SPC 理論，過(guò)程中存在兩類變差：普通原因變差和特殊原因變差。為了有效對(duì)過(guò)程中的特殊原因變差進(jìn)行監(jiān)控，六類 SPC 控制圖模式（即，正常模式，向上/向下中心平移模式，向上/向下趨勢(shì)模式，循環(huán)模式）需要盡快得到識(shí)別。然而，傳統(tǒng)休哈特控制圖不適合于具有相關(guān)性質(zhì)的過(guò)程觀測(cè)數(shù)據(jù)，會(huì)導(dǎo)致過(guò) 高的虛發(fā)報(bào)警。神經(jīng)網(wǎng)絡(luò)是一種運(yùn)算模型，由大量的節(jié)點(diǎn)（或稱神經(jīng)元）之間相互聯(lián)接構(gòu)成。隨著對(duì)人工神經(jīng)網(wǎng)絡(luò)的深入研究，其在模式識(shí)別領(lǐng)域已成功地解決了許多現(xiàn)代計(jì)算機(jī)難以解決的實(shí)際問(wèn)題，表現(xiàn)出了良好的智能特性。人工神經(jīng)網(wǎng)絡(luò)的特點(diǎn)和優(yōu)越性，具有自學(xué)習(xí)功能，聯(lián)想存儲(chǔ)功能和高速尋找優(yōu)化解的能力?；舅枷胧牵盒畔⑻幚碛缮窠?jīng)元節(jié)點(diǎn)之間的反饋?zhàn)饔脕?lái)實(shí)現(xiàn)，可對(duì)特征復(fù)雜的數(shù)據(jù)進(jìn)行高精確度的自動(dòng)分類。BP神經(jīng)網(wǎng)絡(luò)由三層網(wǎng)絡(luò)結(jié)構(gòu)和兩部分組成：分別是輸入層、隱層、輸出層及輸入信息的正向傳播和誤差的反向傳播，由于加入了反饋環(huán)節(jié)，輸出層輸出若未能達(dá)到預(yù)期值，則調(diào)整誤差權(quán)重，并進(jìn)行誤差的反向傳播。通過(guò)正向傳播和反饋，不斷地計(jì)算誤差并調(diào)節(jié)權(quán)重，逐漸逼近真實(shí)值，從而完成網(wǎng)絡(luò)的訓(xùn)練。

4.研究現(xiàn)狀

神經(jīng)網(wǎng)絡(luò)控制圖模式識(shí)別應(yīng)用非常廣泛，也有很大的發(fā)展。有一部分把小波分析與神經(jīng)網(wǎng)絡(luò)相結(jié)合，根據(jù)基本模式識(shí)別方法，對(duì)比直接概率神經(jīng)網(wǎng)絡(luò)識(shí)別模型和小波提取特征以及概率神經(jīng)網(wǎng)絡(luò)識(shí)別模型的性能，就并發(fā)模式，并發(fā)異常信號(hào)進(jìn)行小波變換，可以將其分解為基本模式信號(hào)的組合，其中大尺度逼近部分代表其中的低頻部分，而細(xì)節(jié)部分代表其中的高頻部分。并根據(jù)得到的數(shù)據(jù)系數(shù)重構(gòu)原始信號(hào)。其中 BP 神經(jīng)網(wǎng)絡(luò)的輸入問(wèn)題的難點(diǎn)在于小波基函數(shù)的選擇、分解水平數(shù)的確定以及重構(gòu)系數(shù)的選擇，因?yàn)椴l(fā)模式中不同基本模式識(shí)別效率存在一定明顯差異，其中的原因還沒(méi)有很清楚的確定，需要更深一步的探索。

5.結(jié)束語(yǔ)

質(zhì)量特性控制圖模式識(shí)別是統(tǒng)計(jì)工序控制進(jìn)行過(guò)程異常預(yù)警的重要手段，應(yīng)用非常廣泛?？刂茍D模式識(shí)別對(duì)于實(shí)現(xiàn)控制圖應(yīng)用過(guò)程的自動(dòng)化至關(guān)重要。識(shí)別方法的合理有效性直接影響質(zhì)量診斷結(jié)果的準(zhǔn)確性，利用復(fù)雜的神經(jīng)網(wǎng)絡(luò)可以有效地進(jìn)行模式識(shí)別，迅速反映異常問(wèn)題，對(duì)生產(chǎn)質(zhì)量控制監(jiān)測(cè)有很大幫助。利用神經(jīng)網(wǎng)絡(luò)進(jìn)行控制圖的模式識(shí)別是個(gè)研究熱點(diǎn)，依然有發(fā)展空間。加強(qiáng)神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)控制的穩(wěn)定性研究和應(yīng)用研究，使理論研究成果盡快應(yīng) 用于實(shí)際工業(yè)過(guò)程，從而更好地解決復(fù)雜的實(shí)際工業(yè)控制難題。

參考文獻(xiàn)

[1]卓德保.徐濟(jì)超.質(zhì)量診斷技術(shù)及其應(yīng)用綜述.系統(tǒng)工程學(xué)報(bào)，2008，23（3）

[2]費(fèi)仁元.王民.基于神經(jīng)網(wǎng)絡(luò)的控制圖異常模式識(shí)別研究.北京工業(yè)大學(xué)學(xué)報(bào)，2006，32（8）

[3]靳富麗.模式識(shí)別理論及其應(yīng)用[J].湖北廣播電視大學(xué)學(xué)報(bào)，2007（12）：159-160.