林斌銮1,刘〓栋2,汪惠芬1,刘庭煜1
                                         (1.南京理工大学机械工程学院,江苏 南京〓210094）
                                           （2.科技部高技术研究发展中心,北京〓100044)
摘要：为确定新产品制造过程中复杂的工艺参数，采用数据挖掘与可视化技术，指导复杂生产环境下的磁瓦生产工艺优化过程。通过FP-growth关联规则算法挖掘过程规律，使用数据清洗技术从过程规律中筛选出与质量相关的工艺参数组合，并结合可视化分析技术解释工艺参数对产品质量的影响规律，最终结果可辅助工艺人员选择工艺参数。
关键词：工艺优化；FP-growth算法；过程数据；可视化
中图分类号：TH162.1;TH166〓文献标识码：A〓文章编号：2095-509X(2019)04-0006-06

    制造车间中产品的工艺参数随着客户需求变化、原料变更、设备调整等因素而不断地进行调整与改进。制造过程复杂的新产品，实现其工艺参数的快速、有效制定，对于现代制造企业具有重要意义。近年来，国内外学者分别从试验、经验推测、智能搜索等角度对产品工艺参数选择进行了大量的研究。陆星宇等通过正交法分析控制因子对熔融沉积成型质量特征的影响，基于熵权TOPSIS（technique for order preference by similarity to an ideal solution）模型评价结果，得到了工艺参数组合方案；董斌斌等使用正交法设计计算机辅助工程实验，通过方差分析和直观分析发现了影响收缩翘曲量的关键因素；孟凡国等利用Deform-2D软件对合金的热挤压过程进行有限元计算，分析了热挤压工艺参数对合金组织的影响规律；Matin等为铸造过程开发了基于规则推理的〖HJ*5/9〗专家系统，改进了工艺设计过程，最终获得满足表面质量要求的粗糙度及尺寸偏差；Teng等针对电子封装，采用正交法实现了包装翘曲的精确预测；Hung等在正交试验的基础上结合人工神经网络和遗传算法，对引线键合参数进行了优化；蒋纪委利用BP神经网络为气体辅助注塑成型过程建立质量指标与工艺参数的映射，并使用遗传算法得到了最优工艺参数；夏绪辉等采用粒子群优化算法优化了再制造异形件涂油过程中的喷嘴安装位置和异形件运动速度，提高了工件表面涂层质量。此外，遗传算法以及神经网络还被应用于电焊、蜡模快速成型、切削、烧结、注塑等过程中的工艺参数优化。
但在上述工艺参数优化方法中，还存在如下不足：1）研究的数据通常为部分代替全局、仿真代替实际，使得最终结果具有一定的片面性并存在一定误差。2）专家系统在处理模糊问题时，其结果较为单一、不可靠；人工神经网络、粒子群优化算法由于推理依据的不可解释性以及机理模型的复杂性，不便于机理研究以及后续工艺优化工作的展开。
  如何兼顾结果的全面性、过程的可解释性以及机理研究的可指导性来进行工艺优化，是亟待解决的问题。

1〓基于FP-growth算法的工艺优化
1.1〓磁瓦生产过程简介
磁瓦的生产过程如图1所示。

图1〓磁瓦工艺流程〖HT7〗〖HT5SS〗

〓〓由于磁瓦生产过程复杂、影响质量因素多，因此新型号产品主要通过试制实验并结合领域经验〖CM)〗

  ........

基金项目：中央高校基本科研业务费专项资金资助项目（30917011303）
作者简介：林斌銮(1993—)，男，硕士研究生，主要研究方向为智能制造、先进制造系统技术及其理论、数据挖掘，linbinluan@njust.edu.cn.

文章来源《机械设计与制造工程》杂志如需详细资料请联系江苏机械门户网客服QQ:2980918915,电话025-83726289）

更多关注，请扫码