基于软超球体的高维非线性数据异常点识别算法

在冶金、化工等流程型工业领域,生产中的过程控制参数往往具有高维非线性结构特征.为了解决这类高维复杂数据的异常点检测问题,本文引入了软超球体的概念,采用非线性核函数将原始数据映射到高维的特征空间,并在特征空间中确定软超球体的边界.通过检测待识别样本映射到特征空间的位置信息来判定过程参数的设定值是否为异常点,从而避免出现批量的产品质量问题.以某类汽车用钢为应用实例,对实际生产数据进行检测,证明了所提出的基于软超球体的异常点识别算法对于高维的非线性数据具有良好的检测能力.

基于统计过程控制的流程工业工艺规范制定方法

在冶金、化工等流程型工业领域,产品制造过程涉及多个连续相关的工序,每道工序需确定工艺参数的控制范围,即制定工艺规范。目前,流程工业在制定工艺规范时,主要采用6-Sigma方法或根据生产经验来确定每道工序关键工艺参数的范围。但是,这种基于独立同分布假设的6-Sigma方法,由于缺乏处理多重相关、非正态分布的能力,因此所制定的工艺规范在工业应用中容易造成产品质量的不稳定。为了解决流程工业在工艺规范制定过程中存在的这个难题,提出了基于多元统计分析原理的工艺规范制定方法。首先,引入了软超球体的概念,并采用非线性核函数的方法来确定软超球体在高维空间中的边界,即产品质量可控区的工艺参数边界。然后,寻求软超球体的最大内接矩形体,并依据最大内接矩形体来制定工艺规范。最后,结合IF钢生产实例,讨论了工艺规范制定的整个过程,验证了新方法的有效性。