Метод адаптивной нечеткой кластеризации на основе субъективных оценок для управления качеством производства светотехнических изделий

• Автор: Мальков, Александр Анатольевич
• Шифр специальности: 05.13.01
• Научная степень: Кандидатская
• Год защиты: 2009
• Место защиты: Тверь
• Количество страниц: 248 с. : ил.

Содержание
Введение
Глава I. Основные методы и алгоритмы кластеризации в задаче управления качеством производства деталей светотехнических изделий
1.1. Технологический процесс литья под давлением деталей светотехнических изделий из поликарбоната.
1.1.1. Технологические параметры, определяющие качество деталей светотехнических изделий из поликарбоната.
1.2. Управление технологическими режимами процесса ли гья под давлением деталей светотехнических изделий на основе методов кластерного анализа.

1.3. Понятие о кластеризации

1.4. Цели и задачи кластеризации

1.5. Функционалы качества кластеризации.

1.6. Меры сходства в методах кластеризации

1.7. Методы кластерного анализа.

1.7.1. Иерархические методы кластеризации.
1.7.1.1. Иерархические агломеративные методы
1.7.1.2. Иерархические дивизимные методы
1.7.2. Неиерархическне методы кластеризации.
1.8. Функция принадлежности как субъективная оценка технологического режима по параметрам.
1.9. Алгоритм .
1 Алгоритм
1 Метод эволюционной кластеризации ЕСМ
1 Виды неопределенностей, характерные для задачи кластеризации объектов по параметрам технологического процесса
1 Нечеткая модель процесса кластеризации
1 Выводы
1 Постановка задачи адаптивной нечеткой кластеризации.
Глава . Нейронечеткий алгоритм динамической кластеризации данных в задаче управления качеством производства деталей
2.1. Алгоритм нечткой самоорганизации
2.2. Алгоритм кластеризации на основе конкуренции и кооперации
2.2.1. Описание алгоритма.
2.3. Формальные критерии качества кластеризации.
2.3.1. Показатели четкости
2.3.2. Энтропийные показатели.
2.3.3. Показатель компактности и изолированности
2.3.4. Индекс эффективности.
2.4. Задача динамической кластеризации при выборе технологического режима
2.4.1. Нечткологический алгоритм динамической кластеризации
2.4.2. Выявление новых кластеров.
2.4.3. Выявление сливающихся кластеров.
2.4.4. Алгоритм выявления сливающихся кластеров
2.4.5. Выявление расщепляющихся кластеров
2.4.6. Алгоритм выявления расщепляющихся кластеров.
2.4.7. Выявление дрейфа центров кластеров
2.4.8. Выявление изменений геометрических размеров кластеров
2.5. Выводы
Глава III. Гибридный метод кластеризации на основе субъективных оценок и визуализации результатов кластеризации
3.1. Классификация проблем принятия решений
3.2. Схема гибридного метода адаптивной кластеризации и понятие рационального выбора режима ведения технологического процесса
3.3. Методы визуализации данных
3.3.1. Система визуализации данных.
3.3.2. Метод главных компонент.
3.4. Формализация нечеткой многокритериальной задачи выбора варианта кластеризации режима ведения технологического процесса производства деталей светотехнических изделий.
3.4.1. Формирование множества альтернатив для выбора оптимального технологического режима.
3.4.2. Нечеткая модель оценивания альтернатив по множеству критериев.
3.4.3. Нечеткая модель согласования важности критериев
3.4.4. Нечеткая модель выбора альтернативы из множества взаимно недоминируемых альтернатив по предпочтениям эксперта.
3.5. Алгоритм решения нечеткой многокритериальной задачи выбора варианта кластеризации оптимального технологического режима объектов.
3.6. Сравнительный анализ эффективности разработанного метода на классическом тесте Фишера для алгоритмов кластеризации.
3.7. Выводы.
Глава IV. Интеллектуальная система анализа данных технологического процесса производства деталей светотехнических изделий
4.1. Включение субъективных представлений эксперта в процедуру кластеризации
4.1.1. Обобщенный алгоритм построения базы нечетких правил
4.1.2. Формальное описание алгоритма
4.1.3. Реализация алгоритма построения базы нечетких правил.
4.1.4. Генерация нечетких правил
4.1.5. Алгоритм построения базы нечетких правил по результатам класгсризации формальным методом
4.2. Процедура настройки режимов функционирования оборудования на основе результатов кластеризации.
4.3. Нечеткая модель выбора режима ведения технологического процесса по результатам нечеткой кластеризации.
4.4. Реализация программного комплекса.
4.5. Выводы
Заключение.
СПИСОК ЛИТЕРАТУРЫ


Однако после некоторого значения впд вес изделия перестает расти. Увеличивать время впд, выше этого значения не следует. Рабочий диапазон времени выдержки под давлением ад для конкретного изделия определяется экспертомтехнологом исходя из его опыта. Частота вращения шнека и давление пластикации РГ1Л главным образом зависят от технологической задачи пластикации, а именно пластикация ненаполненных полимеров, окрашивание полимеров концентратами красителей непосредственно при литье, пластикация смесей полимеров. С увеличением частоты вращения шнека и давления пластикации Рм смесительный эффект при пластикации возрастает. Объем впрыска вп или ход шнека Я зависят от размеров изделия и плотности полимерного материала. V объем отливки см р плотность полимера гсм при комнатной температуре С. ЯЯ5р
где 5 поперечное сечение шнека, см р плотность полимера в гсм при рабочей температуре литья, К коэффициент, учитывающий утечки материала в обратном направлении при впрыске, а также уплотнение материала в форме и подушку материала перед шнеком в конечном положении, Кб1. Конкретное значение К уточняется для конкретной литьевой машины, т. Если ход шнека задают меньше требуемого значения, возникает брак изделий. Общая продолжительность цикла . Известно, что чем ниже температура литья, чем быстрее охлаждается изделие и выше производительность литья, чем ниже температура Т, тем больше скорость охлаждения. При этом производительность увеличивается. Самое сильное влияние на продолжительность охлаждения 1ОХ1 оказывает толщина изделия. При осуществлении контроля качества необходимо производить сбор данных внушительного объема, а затем обрабатывать их. Но данные, касающиеся даже одного и того же параметра изделия, не могут быть многократно получены при идентичных условиях, так как в ходе процесса меняется состояние оборудования, параметры сырья, технологические параметры. Поэтому при операциях, относящихся к контролю качества, приходится иметь дело с большим числом данных, характеризующих те или иные параметры изделия, условия процесса и т. Анализируя разброс данных, можно найти решение возникшей в процессе производства проблемы. Известно, что при использовании одной и той же технологии и одинаковых производственных операций, в одном случае производится качественное изделие, в другом некачественное. Таким образом, можно найти причину, приведшую к появлению брака. Устранение причины или системы причин будет решением проблемы 2. В случае, когда одноименные изделия производятся на нескольких станках, всегда существует некоторая разница в технических данных этих станков, которая является причиной разброса характеристик производимых изделий 2. Поэтому можно получить ценную информацию о причинах дефектов, если анализировать данные, разделив их по оборудованию, с помощью которых были изготовлены изделия. Но влияние на разброс показателей качества изделий оказывают и другие факторы квалификация и внимание исполнителей, качество исходных материалов, методы и условия производства, время изготовления и т. Проводя расслоение также и по этим факторам, можно значительно углубить анализ и повысить обоснованность заключения. Рассматривая каждый фактор, по которому проводится расслоение, можно выявить факторы второго порядка, оказывающие влияние на разброс показателей качества, зависящих от того или иного фактора первого порядка. Поэтому часто приходится проводить расслоение еще и по факторам второго, а если окажется необходимым, то и по факторам третьего порядка. Факторами расслоения второго порядка могут быть оборудование, человеческий фактор, исходные материалы, методы и условия операций, время производства. Таким образом, существует большое количество факторов, влияющих на выбор технологического режима. В определенной ситуации некоторые параметры зависят от других, т. Оценить вклад каждого параметра в решение задачи поиска технологического режима в конкретной ситуации может только опытный технолог эксперт. В приблизительно одинаковых ситуациях технолог выбирает известный ему по прошлому опыту технологический режим.