【学位论文】汽车生产质量控制管理应用研究.pdf

分类号：学校代码：10153UDC:密 级：公开硕士学位论文汽车生产质量控制管理应用研究 申请学位：工学硕士所在单位：信息与控制工程学院 _ 硕士研究生学位论摘要I摘要随着汽车制造产业的高速发展，产品生产制造过程是质量控制管理的重要环节,同时也 是产品质量问题的主要来源之一。对此本文采用一种更加有效的质量控制系统来进一步提 高汽车生产制造的质量控制管理水平。首先利用现代化的数据采集方法和制造执行系统 MES的思想，结合质量AUDIT管理，使质量数据的有效性有了大大的提高，为质量控制管理 打下坚实的基础，然后通过大量、及时、准确的质量检测数据作保证，决策者就可以全面 掌握企业的质量状态。本文在对质量检测数据的分析时，研究了目前的AP聚类算法和最简 规则提取算法，并分别在谱分析和概念格的基础上提出以下两种优化算法。针对传统的质量控制管理的质量检测数据规模大、属性多等复杂因素，提出了一种基 于谱分析的 AP 聚类优化算法(Affi ni ty Pr opag ati on based on S pectr um anal yze,AP-S A)。首 先，通过采用谱分析技术将分布在高维非线性的数据点集映射到几乎线性的子空间上，映 射过程实现高维数据降至低维。最后，通过AP聚类算法对映射在低维空间上的数据进行 聚类，从而提高了 AP算法在高维空间上的聚类性能，。仿真实验结果表明，该优化算法相 比于传统AP算法，在低维数据中无明显的优势，但随着实验的数据集的样本规模与维数 的增加，在高维数据中的该方法降低了聚类时间的同时，也保证了较好的聚类效果。针对传统的质量控制管理存在过程统计复杂、生产质量决策规则数量大且提取复杂等 问题，提出了一种基于概念格的最简规则提取优化算法。该优化算法利用扩展不可分辨矩 阵和概念格之间的关系构造概念格模型，使质量检测同生产紧密结合。在挖掘质量决策规 则时，通过构造概念格时的概念结点之间的偏序关系，直接判断决策属性集合中的所有概 念结点有无父结点，再根据父结点的内涵得到最简规则集。不但给企业提供直观的、易理 解的最简规则集，提高了产品质量控制管理水平，还简化了最简规则提取步骤。仿真实验 结果表明，该优化算法具有一定稳定性的同时，也提高了提取的效率。最后，应用一个工程实例验证了本课题设计的可行性与有效性。关键词：汽车；质量控制系统；AP聚类；谱分析；概念格；最简规则 硕士研究生学位论文Abstr actIIIAbstractWi th th e devel opment of automobi l e manufactur i ng i ndustr y r api dl y,pr oduct manufactur i ng pr ocess i s an i mpor tant l i nk i n qual i ty contr ol manag ement,i s al so one of th e mai n sour ces of pr oduct qual i ty pr obl em.S o th i s paper adopts a mor e effecti ve qual i ty contr ol system,to fur th er i mpr ove th e l evel of automobi l e manufactur i ng s qual i ty contr ol manag ement.Use modem meth ods of data col l ecti on and th e th oug h t of manufactur i ng ex ecuti on system MES,combi ned wi th th e qual i ty AUDIT manag ement,th er e i s bi g i mpr ovement i n th e effecti veness of th e qual i ty data.Th at l ay a sol i d foundati on for th e qual i ty contr ol manag ement.Th r oug h a vast,ti mel y and accur ate qual i ty test data to ensur e th e deci si on maker s can ful l y g r asp th e qual i ty status of th e enter pr i se.At th e same ti me,i n or der to th e anal ysi s of qual i ty testi ng data,th i s paper studi es th e cur r ent AP cl uster i ng al g or i th ms and th e mi ni mal i st r ul e ex tr acti on al g or i th m,and r especti vel y based on spectr um anal ysi s and concept l atti ce to pr opose th e two fol l owi ng opti mi zati on al g or i th ms.In or der to tr adi ti onal qual i ty contr ol manag ement h ave mor e compl ex factor s,such as qual i ty test data si ze,mor e attr i butes,th i s paper puts for war d a ki nd of meth od Affi ni ty Pr opag ati on cl uster i ng based on spectr um anal ysi s(Affi ni ty Pr opag ati on-based on spectr al anal yze,AP-S A).Fi r st,by usi ng spectr um anal ysi s tech nol og y wi l l be di str i buted i n h i g h-di mensi onal nonl i near mappi ng data col l ecti on to th e al most l i near subspace,h i g h di mensi onal data to l ow di mensi onal mappi ng pr ocess.At l ast,th r oug h th e AP cl uster i ng al g or i th m for mappi ng i n l ow di mensi onal space to cl uster th e data,and i mpr ove th e AP al g or i th m i n h i g h di mensi onal space cl uster i ng per for mance.Th e si mul ati on r esul ts sh ow th at th i s meth od i s compar ed wi th th e tr adi ti onal AP al g or i th m,no obvi ous advantag e i n th e l ow di mensi onal data,but wi th th e i ncr ease of th e ex per i ment datas sampl e si ze and di mensi on,th i s meth od i n th e h i g h di mensi onal data r educes th e cl uster i ng of ti me and at th e same ti me,al so ensur es g ood cl uster i ng effect.In or der to tr adi ti onal stati sti cal pr ocess of qual i ty contr ol manag ement ar e compl i cated,th e pr oducti on qual i ty deci si on r ul es i s bi g and compl ex ex tr acti on and so on,th i s paper i s put for war d th e mi ni mal i st r ul es ex tr acti on opti mi zati on al g or i th m based on concept l atti ce.Th e opti mi zati on al g or i th m use th e r el ati onsh i p between Ex tended Indi sti ng ui sh abl e Matr i x and concept l atti ce to constr uct concept l atti ce model,make qual i ty moni tor i ng i nteg r ated wi th pr oducti on cl osel y.In qual i ty deci si on r ul es mi ni ng,Th e opti mi zati on al g or i th m by th e par ti al or der r el ati on between th e concept nodes,di r ect to deter mi ne wh eth er al l th e concept nodes fr om deci si on attr i bute set h ave th e par ent nodes,and th en accor di ng to th e par ent nodes connotati on IVAbstr act硕士研究生学位论文to g et th e mi ni mal i st deci si on r ul es set.Not onl y g i ve th e enter pr i se to pr ovi de a vi sual and easi l y under standabl e mi ni mal i st r ul es set,i mpr ove th e l evel of pr oduct qual i ty contr ol manag ement,but al so si mpl i fy th e steps of th e mi ni mal i st r ul es ex tr acti on.S i mul ati on ex per i ment r esul ts sh ow th at th e opti mi zati on al g or i th m h as cer tai n stabi l i ty at th e same ti me,al so i mpr ove th e effi ci ency of ex tr acti on.Fi nal l y,th e appl i cati on of eng i neer i ng i nstance ver i fi ed th i s topi c desi g n i s feasi bi l i ty and effecti veness.Keywords:Automobile;Quality Control System;Affinity Propagation Clustering;Spectrum Analysis;Concept Lattice;Minimalist Rule 硕士研究生学位论文目次I目次摘要.IAbstr act.II第一章绪论.11.1 课题研究的目的意义.11.1.1 课题研究的意义.11.1.2 课题研究的目的.11.2 国内外研究现状及发展趋势.11.2.1 质量控制及其发展概况.11.2.2 MES系统及其发展概况.21.2.3 数据处理及其发展概况.31.3 课题研究内容.41.3.1 汽车质量控制体系框架设计.41.3.2 汽车质量检测数据的预处理.41.3.3 汽车质量检测数据的最简规则提取.51.3.4 MES项目的实现及分析.51.4 本文的创新之处.71.5 本文的结构安排.7第二章汽车质量控制体系框架设计.82.1 引言.82.2 汽车质量控制系统.82.2.1 生产计划录入、排程、变更管理.82.2.2 质量过程数据采集.92.2.3 质量 AUDIT 管理.102.2.4 质量追溯管理.112.3 汽车质量控制系统架构.112.4 本章小结.13第三章汽车质量检测数据的预处理.143.1 引言.143.2 数据清理和补齐简介.143.3 数据的离散化.153.4 数据聚类的主要方法.163.4.1 K-means 算法.16 n目次硕士研究生学位论文3.4.2 AP 算法.173.4.3 k-means算法与AP算法的比较.203.5 基于谱分析的AP算法优化.213.5.1 谱分析技术分析.223.5.2 高维空间中AP聚类算法分析.223.5.3 AP聚类的优化算法.223.6 实验结果及分析.233.6.1 算法的初始值设置.233.6.2 算法有效评价指标.243.6.3 实验结果分析.243.7 本章小结.26第四章汽车质量检测数据的最简规则提取.274.1 引言.274.2 最简规则的简介.274.3 规则提取的主要算法.274.3.1 粗糙集.274.3.2 概念格.304.3.3 粗糙集与概念格的关系.304.4 基于概念格的最简规则提取优化算法.314.4.1 概念格的构造.314.4.2 最简规则提取优化算法.314.5 实验结果分析.334.6 应用举例.344.7 本章小结.36第五章 工程实例分析.375.1 概述.375.1.1 汽车公司简介.375.1.2 系统背景.375.2 基于MES的质量控制系统的设计实现.385.2.1 生产计划导入设计实现.385.2.2 生产计划排程设计实现.395.2.3 质量过程数据采集设计实现.415.2.4 质量AUDIT设计实现.435.2.5 质量追溯设计实现（物料、工艺参数）.445.3 汽车质量决策规则提取的设计实现.46 硕士研究生学位论文目次i n5.4 本章小结.49第六章结论.506.1 结论.506.2 展望.50参考文献.51作者简介.54致谢.55 硕士研究生学位论文ContentsIContentsAbstr act.IAbstr act.IICh apter 1 Intr oducti on.11.1 Resear ch Pur pose and S i g ni fi cance.11.1.1 Resear ch S i g ni fi cance.11.1.2 Resear ch Pur pose.11.2 Over seas and Domesti c Resear ch S tatus and Devel opment Tr end.11.2.1 Qual i ty Contr ol and Devel opment S i tuati on.11.2.2 MES S ystem and Devel opment S i tuati on.21.2.3 Data Pr ocessi ng and Devel opment S i tuati on.31.3 Resear ch Contents.41.3.1 Desi g n Auto Qual i ty Contr ol S ystem Fr amewor k.41.3.2 Auto Qual i ty Testi ng Data Pr epr ocessi ng.41.3.3 Mi ni mal i st Rul es Ex tr act fr om Auto Qual i ty Testi ng Data.51.3.4 MES Pr oj ect Impl ementati on and Anal ysi s.51.4 Innovati on.71.5 Or g ani zati on S tr uctur e.7Ch apter 2 Desi g n Auto Qual i ty Contr ol S ystem Fr amewor k.82.1 Pr eface.82.2 Auto Qual i ty Contr ol S ystem.82.2.1 Pr oducti on Pl anni ng Entr y S ch edul i ng and Ch ang e Manag ement.82.2.2 Qual i ty Data Col l ecti on.92.2.3 Qual i ty AUDIT Manag ement.102.2.4 Qual i ty Taceabi l i ty Manag ement.112.3 Auto Qual i ty Contr ol S ystem Fr amewor k.112.4 S ummar y.13Ch apter 3 Auto Qual i ty Testi ng Data Pr epr ocessi ng.143.1 Pr eface.143.2 Data Cl eani ng and Fi lli ng.143.3 Data Di scr eti zati on.153.4 Th e Mai n Al g or i th m of Data Cl uster i ng.163.4.1 K-means Al g or i th m.163.4.2 AP Al g or i th m.173.4.3 Compar e K-means Al g or i th m and AP Al g or i th m.20 nContents硕士研究生学位论文3.5 Opti mi ze AP Al g or i th m Based on S pectr um Anal yze.213.5.1 S pectr um Anal yze Tech nol og y.223.5.2 Anal yze AP Al g or i th m i n Hi g h Di mensi onal S pace.223.5.3 AP Cl uster i ng Opti mi zati on Al g or i th m.223.6 Ex per i mental Resul ts and Anal ysi s.233.6.1 Ini ti al Val ue S et.233.6.2 Val i di ty Eval uati on Index.243.6.3 Anal yze Ex per i mental Resul ts.243.7 S ummar y.26Ch apter 4 Mi ni mal i st Rul es Ex tr act fr om Auto Qual i ty Testi ng Data.274.1 Pr eface.274.2 Mi ni mal i st Rul es.274.3 Th e Mai n Al g or i th m of Rul es Ex tr acti on.274.3.1 Roug h S et Al g or i th m.274.3.2 Concept Latti ce Al g or i th m.304.3.3 Rel ati onsh i p Between Roug h S et and Concept Latti ce.304.4 Mi ni mal i st Rul es Ex tr acti on Opti mi zati on Al g or i th m Based on Concept Latti ce.314.4.1 Constr uct Concept Latti ce.314.4.2 Mi ni mal i st Rul es Ex tr acti on Opti mi zati on Al g or i th m.314.5 Ex per i mental Resul ts and Anal ysi s.334.6 Appl i cati on Ex ampl e.344.7 S ummar y.36Ch apter 5 Eng i neer i ng Pr acti ce Anal ysi s.375.1 Pr eface.375.1.1 Auto Company Pr ofi l e.375.1.2 S ystem Backg r ound.375.2 Real i ze Qual i ty Contr ol S ystem Based on MES Desi g n.385.2.1 Real i ze Pr oducti on Pl anni ng Entr y Desi g n.385.2.2 Real i ze Pr oducti on Pl anni ng S ch edul i ng Desi g n.395.2.3 Real i ze Qual i ty Data Col l ecti on Desi g n.415.2.4 Real i ze Qual i ty AUDIT Desi g n.435.2.5 Real i ze Qual i ty Taceabi l i ty Desi g n(Mater i al and Pr ocess Par ameter s).445.3 Real i ze Auto Qual i ty Deci si on Rul e Ex tr acti on Desi g n.465.4 S ummar y.49Ch apter 6 Concl usi ons.506.1 Concl usi ons.50 硕士研究生学位论文Contentsni6.2 Pr ospect.50Refer ences.51Auth or Intr oducti on.54Acknowl edg ements.55 硕士研究生学位论文第一章绪论1第一章绪论1.1 课题研究的目的意义1.1.1 课题研究的意义随着当今社会的高速发展，市场化竞争也日益激烈，这促使了买方市场的形成以及 产品更新换代的速度日益加快，企业竞争的焦点也由价格竞争转向了质量的比拼。企业要 想在市场中求得生存，已经不再仅仅取决于企业的产量和规模，而关键在于企业能否把控 好产品的质量，生产出高质量的产品j。近年来，随着科技水平的提高，汽车产品呈现出 规格多样化、个性化、技术尖端化、结构复杂化的特征，个性化的产品就要求企业的制造 模式从传统的大批量生产模式逐步过渡到多品种、小批量的生产模式，结果导致了影响质 量的因素更加复杂，增加了质量检测的难度。如一些典型的混合流水生产，其生产过程复 杂，工序多，导致质量检测相关数据采集量大并且复杂，进行质量控制更是难上加难。结合制造执行系统(MES,Manufactur i ng Ex ecuti on S ystem)技术，质量控制系统对汽 车生产全过程中质量检测数据的有效采集，实现对产品质量进行控制和追溯，达到对产品 质量的全面、及时、准确、智能的控制和管理。因此开展本课题的研究，对于提高生产制 造企业的产品质量水平，提高企业竞争力，有重要的社会和经济意义。1.1.2 课题研究的目的本课题针对汽车制造行业产品质量判定复杂，很难进行准确控制这一问题，通过结合 制造执行系统(MES)相关思想和技术,利用谱系聚类算法和基于谱分析的AP聚类优化算法 对质量检测数据进行数据预处理，实现数据离散化、数据降维、数据聚类；并采用基于概 念格的最简规则优化算法获得质量控制决策规则，对产品的质量进行决策分析，将整个 产品生产环节的质量控制过程融入到MES的体系中，为全面质量控制提供了强有力的支 持。最终研究目的：结合MES系统，建立一套完整的质量控制体系；在体系中，通过对 采集到的质量检测数据的数据预处理及决策规则挖掘，达到对产品质量进行控制的目的1.2 国内外研究现状及发展趋势1.2.1 质量控制及其发展概况质量控制管理主要分为四个阶段。从20世纪初到30年代以前，质量控制处于初级 阶段一一质量检验阶段，其主要特点是以事后把关叫企业一般都设置专门的质量检验部 门，产品检验都是通过一支专职的质量检验团队进行自检来完成的，在当时保证产品的质 量方面发挥了十分重要的作用。但该质量控制技术的缺陷：事后把关，即产品质量状况已 2第一章绪论硕士研究生学位论文经不合格，主要是将不合格产品分离出来。随着统计学的发展，质量控制发展到了统计质 量控制管理阶段。美国工程师休哈特提出了统计过程控制(S PC)理论与监控过程的工具 控制图，道奇与罗密克(H.G.Romi ng)则提出了抽样检验理论，上述成果为统计质量控 制(S QC)阶段奠定了基础。统计质量控制阶段主要运用数理统计的方法控制产品的质量并 能预防不合格产品的产生。休哈特认为质量问题是生产制造出来的，检验只是发现了质量 问题。所以质量控制的重点是生产制造的过程。在定性分析的基础上，强调定量分析，这 标志着质量管理学科开始走向成熟网。统计方法的使用减少了不合格品，降低了生产费用。系统质量控制属丁,事中控制，且具有一定的预测效果。但其主耍缺点是：过分依赖统计学 技术，影响在实际生产中的推广。而且容易忽视了人为的作用。到了 20世纪60年代始，科学技术突飞猛进，大规模系统开始涌现，强调全局观点的系统科学开始出现；同时，国际贸易问的竞争不断加剧，对产品质量的要求日益提高，美国质量管理大师朱兰和费根 堡姆提出了全面质量管理的概念，这些都促进了质量控制进入了全面质量管理阶段。质量 控制管理不仅仅与生产过程有关，还与生产经营的因素有关。只有考虑到所有与生产有关 的环节，才可以实现质量的全面控制管理。该质量控制理论认为：产品质量是设计出来的，其次才是制造出来的。所以对产品质量的控制管理要在设计阶段就进行预防控制，这样才 能真正的达到质量控制。到了 20世纪80年代后，国际标准化组织提出了 IS 09000国际质 量管理标准体系，是质量控制来到了 IS 09000质量体系管理口3阶段。该体系从管理角度出 发，通过控制生产流程的质量来控制质量，靠内外审核、管理评审及认证等措施来保障的。从质量控制的发展历程可以看到，质量控制管理的观念和所运用的技术和方法，是一个不 断发展和完善的过程。四个阶段是一个连续的传承，前一个阶段是后一个阶段的基础，后 一个阶段是前一个阶段的继承与发展。近些年来，随着科学技术的发展，对于质量管理与控制又有了新的研究方向，多源信 息的综合判定成为研究的热点，充分考虑设计、生产、试验、服务等各个过程的多种因素，质量控制管理数字化山】正逐渐成为领域内的热点，并有望成为又一里程碑。1.2.2 MES系统及其发展概况在当今的信息化时代，进入系统的信息越来越多，来源越来越广，相关层次越来越复 杂，为了使以上这些信息具有实际的意义，能够使信息资源和物理资源更好地的结合，制 造执行系统(MES,Manufactur i ng Ex ecuti on S ystem)便成为了国内外学术界研究和开发的 重点领域口引。MES是当前信息化领域的重点研究对象之一，我国当前对MES的主要研 究集中在可集成和智能化方面,MES系统作为一种为生产过程质量控制提供动态管理的支 持平台，给生产过程质量管理提供了丰富的质量检测数据支持。作为新的研究热点，美国 国家工业信息框架协议协会(Nati onal Industr i al Infor mati on Infr astr uctur e Pr otocol)进行了 一 项名为 S MAT(S ol uti on for MES-Adapter Republ i c Tech nol og y)的研究叫该研究提出 了一种 新的信息交换模型，通过其可集成且可配置的特性，扩展了 MES的应用领域，此研究代 表了 MES技术的发展趋势均。采用MES技术，利用信息系统对生产过程建立虚拟的信息 硕士研究生学位论文第一章绪论3化模型，通过传感器和其他数据采集系统，将实际物理设备的状态反射到模型中，并通过 控制系统对模型中的设备参数或者状态进行调整，并且对实际设备也进行同步调整，实现 企业对现实生产过程管控的需求口6-闾。将实际物理设备信息化，在信息系统中对生产进行 控制，并且将控制过程和结果反馈给实际对应设备，这一过程实际形成了一个整体控制结 构，能够实现生产环节的智能控制。同时，在对质量问题进行追溯时，由信息系统中的记 录很容易就能够查找到对应的问题原因和设计的具体设备编号和位置，有效提高生产管理 效率。在实际的应用过程中，企业的采购、计划、生产等于产品生产有关的所有部门都被 包含在这个MES的体系中，当产品出现质量问题，首先由控制系统进行决策，分析原因，如果是原料的问题，会将相关信息进行追溯然后反馈给采购部门和供货商；如果是生产环 节出现问题，那么会追溯到具体的设备和工艺环节，若设备出现故障或者其他问题则对设 备进行维修或维护，若工艺出现问题则对工艺进行修改；如果因为客户需要或产能调整，则可以调整质量控制相关参数，修改对设备加工时的生产和质量要求。结合MES,可以对 质量进行全面的智能控制。1.2.3 数据处理及其发展概况伴随着信息化的高速发展，大量的信息绝不是以往的简单堆积，需要对其进行有效的 处理，而如今信息表现形式多样、容量大及处理速度需求快等因素，都完全超出了我们人 脑的信息综合能力叨2汽车制造行业的产能巨大，工序复杂，设备参数众多，使得质量 控制的难度非常大，因此，我们需要一种能够对复杂数据进行处理并能够挖掘出其中关联 关系和相关规则的技术。对于大量的复杂来源数据，已经有研究者从不同的角度或者不同 的方法进行研究并提出解决方案。信息融合作为研究热点经常被研究者们提起，所谓信息融合，是指利用计算机技术对 按时序获得的多源观测信息在一定准则下加以自动分析、综合以完成所需的决策和估计任 务而进行的信息处理过程店”其应用范围包括机器人、智能制造、智能交通、医疗诊断、监控系统、金融系统和多源图形处理、故障诊断、分类等信息融合技术有很多方法，其中 比较成熟的主要有基于随机模型的融合方法画、基于最小二乘法的融合方法因和智能型融 合方法磔。但是由于信息融合技术的研究处于初级阶段，所以缺乏同时具有通用性和稳定 性的方法26，还需要研究者们继续研究。模式识别技术在图像处理研究中的应用较多，并且获得很多优秀有效的成果，也已经 具有很多成熟的产品，但是其研究方法在生产过程控制领域的应用很少。在生产过程中，我们会采集到很多的现场原始数据，如果不进行处理的话，这些数据都是没有意义的，面 对这些大量、复杂的数据，我们可以借鉴模式识别领域中的聚类算法，对这些复杂数据进 行分析和提取。例如AP聚类2刀、谱聚类四、谱系聚类网、边界检测聚类网算法等。NJW 算法属于谱聚类算法的一种，通过多路分割的，将矩阵的每一行向量作为空间中的一个 点。NJW算法用于生产过程中的质量检测数据分析时，可以通过对数据的降维使数据复杂 4第一章绪论硕士研究生学位论文度降低，NJW算法是一种无监督状态下的聚类算法，利用谱图理论来构建相似性矩阵，计 算出特征向量来进行聚类。该算法法能够适用于非测度空间而且能够避免数据的维数过大 所造成的奇异性问题。该算法不需要考虑数据的全局结构，而是通过局部信息来表示两个 点属于同一类的可能性。所以再结合AP聚类算法，对降维后的数据聚类，使属性集分为 多个类型，在查找质量问题原因是提供有力的数据支撑。数据挖掘已经成为比较成熟的技术，对于提取数据之间的关系和规则，从60年代以 来，数据挖掘(Data Mi ni ng,DM)已经成为公认较为可靠的方法，可以从海量的数据重提取 有价值的信息。只要有大量的数据需要处理，就需要数据挖掘技术。所以进一步的促进了 其理论应用研究。较为成熟的方法包括粗糙集M、概念格阳、决策树网等方法。概念格是 数据挖掘中的一种应用广泛的数学模型，它作为数据形式化处理和数据挖掘的一种十分有 效的数学工具和手段，被广泛的应用到信息检索，规则提取，属性约减等各个方面。在规 则挖掘过程中，应用概念格模型具有许多优点。但数据挖掘技术还有很多问题需要解决：如数据挖掘的效率的提高，规则提取的准确性等问题。13课题研究内容在汽车制造行业的生产中，由于质量控制过程比较复杂，涉及到设计、生产、物流、计划等多个环节，每个环节所应用的方法有相当大的差异，并且之间的信息交互机制没有 统一标准或方法。所以，本课题以某汽车有限公司MES项目为依托,提出一种基于MES的 质量控制体系，解决目前存在的问题。本课题主要研究三方面：一是基于MES的质量控制体系框架设计；二是基于谱分析 的AP聚类优化算法对质量检测数据属性的降维和分类；三是基于概念格的最简规则提取 优化算法从质量检测数据中提取质量决策规则，实现质量问题分析及质量控制，为企业管 理层的制定生产计划提供有决策根据的参考意见。最后，以某汽车有限公司MES项目的 实现及分析结束。1.3.1汽车质量控制体系框架设计根据汽车制造的生产情况，提出了基于MES的质量控制体系。体系中分析了汽车生 产过程质量管理中的质量检测数据采集、质量AUDIT管理、质量追溯管理功能。及各部 分之间的关系，运作模式以及实现形式。特别是质量控制系统与MES结合的方式，在生 产过程中如果出现质量相关的事件，快速找出由哪些设备提供的元数据，由哪些功能模块 负责处理该数据，最后如何将控制信号反馈给设备实现MES体系中的智能控制。对整个 框架体系中进行了合理的设计和部署。132汽车质量检测数据的预处理质量检测受多重因素影响，其数据来源也多种多样，具有相当的复杂度。并且属性的 硕士研究生学位论文第一章绪论5数量和总类较多，如果采用传统的方法可能会无法从众多的属性中快速定位，所以需要进 行属性的分类，定位问题时只需要定位到某一类属性，这样就大大降低了分析的难度。数 据属性的分类主要步骤：数据的离散化，数据的降维，数据的聚类。1.3.2.1 质量检测数据离散化谱系聚类算法是一种常用的数据离散化算法。效果理想的离散化算法是属性的离散归 一化后的空间维数十分的小；且属性值被离散化后信息的丢失也十分的小。该算法的时间 复杂度不高，而且计算简单，可以将质量检测数据有效离散化。1.3.2.2 质量检测数据降维由于属性数量较大，可以将其视为高维数据，NJW算法是一个新的有效的降维算法,可以针对高维数据降维，属于局部优化算法，而且NJW算法最大的优点是算法简单而且 能在获得的低维数据中保持数据之间的拓扑关系。降维后的数据可以实现数据的约简，并 且还保持了之间的关系，也就是属性的关系，这对后面的属性聚类是非常重要的。1.3.2.3 质量检测数据的聚类在质量检测决策系统中，需要对质量问题进行分析，通过对属性的分类，我们可以将 问题定位到属性类而不是具体的属性，当然，如果需要定位到具体的属性也是可以的。定 位到属性类，可以降低分析难度，提高分析速度，便于快速解决问题。AP聚类算法在聚 类时不同于其他聚类算法，在构建超高维空间时，该算法不需要预先设定初始聚类数目，不会陷入局部最优解，且对相似度矩阵的对称性没有要求，在聚类时能够更准确，而且复 杂