案例分析

        MPQCAgent融合了目前国际上各种先进的统计分析、统计学习、深度神经网络、统计过程控制、知识发现、在线控制等理论与方法，以工具箱的方式，采用了一种开发的、模块化的结构实现制造过程质量控制。采用Python编程语言，满足不同平台需求(包括Windows、Linux)，以B/S模式，通过前端与后端集成开发，采用开放的、模块化、多层架构的设计思想，开发了面向网络化车间制造的工序质量智能控制系统。应用B/S五层架构完成了工序质量控制系统的开发，为网络化车间制造提供有效工序质量控制。开发先进质量控制软件工具包，涵盖以下八大模块，实现制造过程的产品质量的可预测性和可控性：
1.制造过程变量选择算法
2.制造过程数据降维与特征提取算法
3.制造过程质量状态自适应建模算法
4.制造过程状态实时监控算法
5.制造过程故障智能诊断算法
6.制造过程异常溯源算法
7.制造过程关键知识提取算法
8.制造过程在线调节算法

图1 员工信息管理

图2 平均值与极差控制图

图3 正态分布

图4 控制图设置

图5 特征提取

图6 时空变量辨识

图7 查询数据

图8 模型参数设置

图9 生成报表

图10 模型参数设置

图11 查询设置