智能工厂MES质量预测模块研究

摘要

智能工厂是智能制造发展的重要组成部分，而制造执行系统（MES）是实现智能工厂信息集成的重要枢纽，因此，为推进中国智能制造2025，智能工厂MES的研究至关重要。在智能工厂MES中，数据挖掘分析的维度和深度都在向全量数据发展，传统MES的常规技术手段无法应付海量实时数据的事前预警和全局监控。同时产品质量作为制造业的生命线，也对其全样本质量预测的实时准确性有了更高要求。基于此，本课题对智能工厂MES的质量预测问题展开了相关研究：　　（1）智能工厂MES及其质量预测系统的分析。针对智能制造背景下，传统MES面临的技术体系变革和新兴技术融合问题，分析MES的技术构架，设计智能工厂MES的功能结构和系统集成，并建立其质量预测系统的功能结构。　　（2）大数据驱动的质量预测模型建立。针对智能工厂中质量预测多特征少样本特点与实时准确性要求，首先建立了适应工业大数据的质量预测架构；然后基于此，综合考虑BP神经网络处理海量数据的高效，及XGBoost算法处理多特征少样本的大维度数据的准确及快捷，设计基于BP-XGBoost混合模型建立的产品质量预测控制模型。　　（3）智能工厂MES质量预测模型仿真验证。为验证提出质量预测方法的有效性。利用多特征少样本的产品质量数据，对BP神经网络、XGBoost模型与BP-XGBoost混合模型进行实例仿真，对比结果可表明BP-XGBoost混合模型比单模型具有更稳健的学习效果，在预测实时准确性上具有良好的效果。　　（4）智能工厂MES质量预测的原型系统开发。在智能工厂MES系统及其质量预测系统功能结构设计的基础上，分析其基础模块及功能，进行数据库和原型系统的设计实现。

目录

声明

1 绪论

1.1 研究背景、目的及意义

1.2 国内外研究现状

1.3.1 课题研究内容

1.3.2 课题研究方法和技术路线

1.4 论文结构

2 智能工厂MES质量预测系统总体设计

2.1 智能工厂MES的发展趋势和需求分析

2.2.1 智能工厂的技术构架分析

2.2.2 智能工厂MES功能结构设计

2.3 智能工厂MES系统集成设计

2.4.1质量预测系统需求分析

2.4.2 质量预测系统功能结构设计

2.5 大数据驱动的质量预测关键技术分析

2.6 本章小结

3大数据驱动的质量预测模型建立

3.1 问题描述

3.2 质量预测模型框架设计

3.3 质量预测模型构建方法

3.4 本章小结

4智能工厂质量数据分析和仿真验证

4.1 智能工厂质量数据处理流程

4.2 实例数据分析

4.3 质量数据预处理和特征提取

4.4.1 BP神经网络模型

4.4.2 XGBoost模型

4.4.3 BP-XGBoost混合模型

4.5 质量预测模型评估

4.6 本章小结

5 智能工厂MES质量预测原型系统开发

5.1 系统开发工具及环境

5.2 智能工厂MES基础模块及功能

5.3 数据库设计

5.3.1 MES总体数据库设计

5.3.2 质量预测系统数据库设计

5.4.1 质量预测系统基础模块

5.4.2 质量预测系统主要功能设计与实现

5.5 本章小结

结论

致谢

参考文献

附录

攻读学位期间取得的研究成果