基于CART决策树的复杂生产过程质量预测方法研究.pdf

《基于CART决策树的复杂生产过程质量预测方法研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、·先进管理技术·组合机床与自动化加工技术文章编号：1001—2265(2010)03—0094一O4基于CART决策树的复杂生产过程质量预测方法研究术戚长松，余忠华，侯智，杨振生(浙江大学现代制造工程研究所，杭州310027)摘要：针对复杂生产过程，提出了基于CART决策树的质量预测方法，该方法具有较高的准确率和较强的自学习能力。利用CART决策树可以对复杂生产过程中经过参数识别的组合数据进行质量预测模型的构建，进行复杂质量信息的回归分类和规则的提取，发现海量的质量数据中存在的一致性规律。对陶瓷管生产过

2、程进行关键参数识别和模型构建的结果表明，CART决策树方法能胜任陶瓷管生产质量的预测。关键词：决策树；CART算法；复杂生产过程；质量预测中图分类号：TH16；TG65文献标识码：AStudyonQualityPredictionoftheComplexProductionbasedonCARTAlgorithmQIChang—song，YuZhong-hua，HOUZhi，YANGZhen—sheng(ZhejiangUniversityInstituteofModernManufacturingEn

3、gineering，Hangzhou310027，China)Abstract：Aimingatcomplexproduction，amethodofqualitypredictionbasedoncartalgorithmispresented．Theprecisionofthemethodishigherthanthatofeithersub-mode1．Themethodconductsthedataminingofvastcombineddatafromtheceramictubeproduct

4、iononthebasisofmodelingandkeyparameteridentificationoftheprocess．ThroughtheDecisionTreeofCARTAlgorithm，complexqualityinformationisregressed，clas·siftedandrulesaredetected，thenregularpatternsareextractedfromthequalitydata．Theresultsshowthattheproposedmode

5、lpossesseshi【ghprecisionandstrongself-studyability．Themethodcanbeusedinqualitypredictionofceramictubeproduction．Keywords：decisiontree；CARTalgorithm；complexproduction；qualityprediction性的复杂生产过程质量预测研究。O引言本文针对复杂生产过程，面向决策树应用构建生产由于复杂生产过程具有工艺参数众多、机理复杂、过程信息模型，并以

6、陶瓷管生产过程为例，运用CART非线性显著和动态变化等特点，难以用常规方法建立其决策树算法进行了快速、有效的生产过程质量预测。精确的数学模型⋯。同时，随着工业自动化技术和计算1复杂生产过程CART决策树构建机信息技术的快速发展及应用，在生产现场又积累了海量的数据，激发了人们对分析这些数据的浓厚兴趣，以CART决策树法是由Breiman等人于1984年提出识别和发掘其中隐藏的规律，更好地指导生产实践。的决策树构建算法。。同其它决策树算法如ID3和统计质量控制方法关注于生产工序的质量波动CHAID相比较，C

7、ART算法的最大特点在于它可以处性，通过统计推断预测工序的变异性，以便及时展开工理目标变量是连续型变量的情形。该方法使用替代变艺调整。模糊分类法、人工神经网络、贝叶斯分量(SurrogateVariable)¨可有效解决分析中出现缺失类法和支持向量机"等数据挖掘方法可以对工序质数据的问题。同时，它不要求预测变量与目标变量之量进行分析和预测，取得了较好的应用效果。相比之间具有某种特定的分布，还能有效地处理非线性问题下，决策树(DecisionTree)方法具有易于处理变化的数的建模与求解。因此，非常适合予

8、解决复杂生产过程据、对噪声数据具有健壮性、生产规则容易理解、识别的质量预测问题。效率高等优点，决策树中的CART(CART：Classification图1为本文给出的一种面向复杂生产过程质量预AndRegressionTree)算法可以使用回归方程的形式进测的CART决策树构建模型。其主要步骤包括：①识行预测变量建模，因此该方法非常适用于具有以上特别复杂生产过程中产品关键质量特性(y)及其相关的牧稿日期：2009—10—26+基金项目：国