基于WRF 算法的制造裝備質(zhì)量缺陷分析系統(tǒng)開(kāi)發(fā)

蔣凌云，馬小燕

（揚(yáng)州工業(yè)職業(yè)技術(shù)學(xué)院，江蘇 揚(yáng)州 225127）

0 引 言

任何設(shè)備在設(shè)計(jì)、制造、安裝過(guò)程中，無(wú)論如何追求完美，仍然無(wú)法完全避免質(zhì)量問(wèn)題的出現(xiàn)。由于現(xiàn)場(chǎng)事件的復(fù)雜程度較高，涉及的工況、流程較多，操作人員很難直接運(yùn)用個(gè)人知識(shí)、經(jīng)驗(yàn)解決問(wèn)題。因此，如何利用歷史經(jīng)驗(yàn)反饋信息，挖掘制造裝備質(zhì)量缺陷根本原因，并利用智能化系統(tǒng)有效輔助工作人員分析和解決問(wèn)題[1]是十分重要的。當(dāng)前，針對(duì)出現(xiàn)的質(zhì)量缺陷問(wèn)題，是通過(guò)見(jiàn)證點(diǎn)人為追溯，實(shí)現(xiàn)缺陷的分析和管理。其中，相關(guān)部門對(duì)于質(zhì)量缺陷分析以人工經(jīng)驗(yàn)分析為主，出現(xiàn)某個(gè)缺陷問(wèn)題時(shí)，以工程師個(gè)人經(jīng)驗(yàn)和專業(yè)知識(shí)或者通過(guò)查閱電子表格對(duì)相關(guān)歷史數(shù)據(jù)進(jìn)行分析，智能化程度較低，未對(duì)存儲(chǔ)的數(shù)據(jù)合理利用，已無(wú)法滿足裝備高質(zhì)保的要求。

至今為止，研究人員提出了大量基于設(shè)備質(zhì)量缺陷分析的方法，王江宇等[2]提出了一種基于主成分分析-決策樹(shù)（PCA-Decision Tree, PCA-DT）算法的制冷劑充注量故障診斷方法，基于PCA 方法對(duì)原始數(shù)據(jù)進(jìn)行降維并建立決策樹(shù)模型對(duì)故障進(jìn)行分類，分類效果整體上優(yōu)于決策樹(shù)模型。田園等[3]將電網(wǎng)設(shè)備故障案例中的問(wèn)題、原因和其他信息抽取出來(lái)，利用雙向長(zhǎng)短期記憶網(wǎng)絡(luò)模型提取電力缺陷文本特征，采用因果關(guān)系將語(yǔ)句轉(zhuǎn)換為三分類問(wèn)題。Park 等[4]提出了一種基于隨機(jī)森林的方法，對(duì)設(shè)備的質(zhì)量狀況進(jìn)行分析。Ahmad 等[5]提出了電纜系統(tǒng)的缺陷診斷方法，并利用隨機(jī)森林、分類回歸樹(shù)等進(jìn)行對(duì)比分析。文獻(xiàn)[6-7]中利用數(shù)據(jù)挖掘算法對(duì)風(fēng)電機(jī)組進(jìn)行故障診斷，并依據(jù)嚴(yán)重性將機(jī)組故障程度區(qū)分為三個(gè)類別，通過(guò)算法有效識(shí)別機(jī)組的實(shí)際運(yùn)行狀況。針對(duì)缺陷分析系統(tǒng)，我國(guó)的發(fā)展起步要晚于國(guó)外，歷經(jīng)30 多年的發(fā)展，從引進(jìn)技術(shù)，到與實(shí)際結(jié)合改進(jìn)，再到目前走向自主創(chuàng)新[8]。通過(guò)不斷探索并吸收國(guó)外的先進(jìn)經(jīng)驗(yàn)，我國(guó)大型核電企業(yè)自主開(kāi)發(fā)了核電設(shè)備質(zhì)量監(jiān)管分析系統(tǒng)，實(shí)現(xiàn)核電機(jī)組業(yè)務(wù)數(shù)據(jù)的共享與反饋，并將信息化數(shù)據(jù)化管理融入EPCS 全流程，實(shí)現(xiàn)功能與數(shù)據(jù)的流轉(zhuǎn)與集成，但當(dāng)前企業(yè)內(nèi)上線使用的質(zhì)量監(jiān)管系統(tǒng)還未與數(shù)據(jù)挖掘等智能分析方法較好融合。因此，結(jié)合制造設(shè)備質(zhì)量管理流程，引入先進(jìn)的人工智能技術(shù)，快速準(zhǔn)確分析質(zhì)量缺陷的現(xiàn)象與原因，構(gòu)建質(zhì)量缺陷分析系統(tǒng)是未來(lái)大型制造裝備行業(yè)發(fā)展的目標(biāo)。

本文在現(xiàn)有分析基礎(chǔ)上，采取智能隨機(jī)森林缺陷分析技術(shù)，并設(shè)計(jì)缺陷分析系統(tǒng)，有效地對(duì)設(shè)備質(zhì)量缺陷進(jìn)行智能化分析，管控設(shè)備的質(zhì)量，減少人工流程，為設(shè)備的良好運(yùn)轉(zhuǎn)提供有力支持。

1 算法的設(shè)計(jì)與實(shí)現(xiàn)

1.1 算法的設(shè)計(jì)

根據(jù)缺陷現(xiàn)象和造成缺陷的原因信息，分析缺陷原因與現(xiàn)象的鏈路關(guān)系，本文提出了基于加權(quán)隨機(jī)森林的核電設(shè)備質(zhì)量缺陷分類模型。樹(shù)模型中的每個(gè)葉節(jié)點(diǎn)代表質(zhì)量缺陷的原因，根節(jié)點(diǎn)代表質(zhì)量缺陷的現(xiàn)象，根節(jié)點(diǎn)與各個(gè)葉節(jié)點(diǎn)之間的鏈接路徑表明缺陷分類路徑，并以根節(jié)點(diǎn)作為最終的缺陷分類類別。

與普通的隨機(jī)森林分類方法相比，加權(quán)隨機(jī)森林即生成多棵決策樹(shù)后依據(jù)一定的方法賦予每棵決策樹(shù)不同的權(quán)值，按照不同權(quán)值參與投票過(guò)程。為了確保權(quán)重的客觀性，采用分類正確率作為決策樹(shù)的權(quán)重，計(jì)算公式為：

式中：Xcorrect(i)為正確分類樣本數(shù)；X為測(cè)試總樣本。

因此，得到加權(quán)隨機(jī)森林模型對(duì)核電設(shè)備缺陷現(xiàn)象類別Y的加權(quán)值為：

式中，pY(i)為森林中各個(gè)決策樹(shù)分類準(zhǔn)確率。

由上述過(guò)程可得加權(quán)隨機(jī)森林實(shí)現(xiàn)核電設(shè)備質(zhì)量缺陷分析模型過(guò)程如圖1 所示。首先，利用訓(xùn)練集對(duì)隨機(jī)森林模型進(jìn)行訓(xùn)練，得到集成模型中各棵決策樹(shù)的分類精度，以分類精度作為測(cè)試集測(cè)試模型中各棵決策樹(shù)的權(quán)值，并完成后續(xù)的分類過(guò)程。與傳統(tǒng)隨機(jī)森林模型相比，賦予決策樹(shù)不同權(quán)值的加權(quán)模型可以解決均分權(quán)值導(dǎo)致的分類精度不佳的問(wèn)題。實(shí)現(xiàn)底層更加精確的缺陷分類模型，可以更好地為缺陷分析系統(tǒng)提供算法支撐。

圖1 加權(quán)隨機(jī)森林分析過(guò)程

1.2 實(shí)驗(yàn)分析

在仿真和分析階段，本文利用Python 對(duì)算法進(jìn)行仿真實(shí)驗(yàn)，驗(yàn)證算法的有效性；并采用分類準(zhǔn)確度評(píng)價(jià)指標(biāo)對(duì)隨機(jī)森林和加權(quán)隨機(jī)森林進(jìn)行對(duì)比分析。

采用隨機(jī)森林算法和改進(jìn)投票權(quán)重的加權(quán)隨機(jī)森林算法，在核電文本數(shù)據(jù)集上進(jìn)行對(duì)比實(shí)驗(yàn)和性能分析，得到不同算法在相同決策樹(shù)數(shù)量下的分類準(zhǔn)確度以及運(yùn)行時(shí)間的對(duì)比結(jié)果。為了獲得較為精確的結(jié)果，在不同決策樹(shù)數(shù)量取值下分別運(yùn)行10 次，取運(yùn)行結(jié)果的平均值，其結(jié)果如圖2、圖3 所示。

圖2 算法準(zhǔn)確度對(duì)比

圖3 不同算法運(yùn)行時(shí)間對(duì)比

對(duì)比圖2、圖3 中數(shù)據(jù)可得，在不同樹(shù)木數(shù)量取值下，雖然加權(quán)隨機(jī)森林模型運(yùn)行時(shí)間相對(duì)較長(zhǎng)，但加權(quán)隨機(jī)森林的分類精度有所提升。

2 系統(tǒng)需求分析

2.1 系統(tǒng)功能需求

系統(tǒng)功能需求總體目標(biāo)可概述為：系統(tǒng)能夠依據(jù)規(guī)范化模板存儲(chǔ)事件文本信息，以及質(zhì)量缺陷分類的功能，并進(jìn)行相應(yīng)功能的展示。根據(jù)模型設(shè)計(jì)流程以及相關(guān)系統(tǒng)開(kāi)發(fā)過(guò)程，介紹系統(tǒng)的具體功能需求如下。

2.1.1 用戶管理權(quán)限功能

用戶管理權(quán)限功能主要包括操作用戶和管理員權(quán)限。操作用戶對(duì)賬戶的操作包括注冊(cè)和登錄，用戶注冊(cè)的字段包括用戶名與密碼，普通用戶在注冊(cè)成功后可通過(guò)設(shè)定的用戶名與密碼進(jìn)行登錄，進(jìn)入系統(tǒng)主界面后可對(duì)系統(tǒng)內(nèi)歷史數(shù)據(jù)的查詢、設(shè)備缺陷分析模型的使用分析等功能進(jìn)行操作。管理員用戶除了擁有普通用戶的功能外，還可對(duì)存儲(chǔ)的歷史數(shù)據(jù)進(jìn)行增刪改查，以及對(duì)缺陷分析模型進(jìn)行增刪改查。具體用戶權(quán)限如圖4 所示。

圖4 用戶管理模塊功能

2.1.2 質(zhì)量事件歷史數(shù)據(jù)管理功能

業(yè)務(wù)數(shù)據(jù)是存儲(chǔ)在數(shù)據(jù)庫(kù)中的制造設(shè)備質(zhì)量缺陷事件，目前都以事件記錄單的形式存儲(chǔ)，在本功能塊設(shè)定事件單模板，事件單信息包括：缺陷設(shè)備名稱、涉及階段、事件描述、采取措施、責(zé)任人等。系統(tǒng)支持普通用戶對(duì)歷史信息進(jìn)行查詢搜索，管理員針對(duì)新發(fā)生的設(shè)備質(zhì)量問(wèn)題按照模板表單進(jìn)行上傳，實(shí)現(xiàn)經(jīng)驗(yàn)反饋，擁有業(yè)務(wù)數(shù)據(jù)管理功能操作權(quán)限的用戶組可以對(duì)業(yè)務(wù)數(shù)據(jù)庫(kù)中的數(shù)據(jù)進(jìn)行新增、刪除和修改操作。質(zhì)量事件歷史數(shù)據(jù)管理功能時(shí)序圖如圖5 所示。

圖5 質(zhì)量事件歷史數(shù)據(jù)管理功能時(shí)序圖

2.1.3 質(zhì)量缺陷分析功能

質(zhì)量缺陷分析功能塊即通過(guò)上傳模型，基于歷史質(zhì)量事件數(shù)據(jù)分析質(zhì)量缺陷原因，上傳質(zhì)量相關(guān)數(shù)據(jù)，點(diǎn)擊模型分析鍵自動(dòng)生成模型分析，并將加權(quán)隨機(jī)森林模型生成的樹(shù)狀圖與模型分析結(jié)果進(jìn)行可視化展示，主要是通過(guò)樹(shù)狀圖分析展示。操作系統(tǒng)者可以得到產(chǎn)生某歷史缺陷的原因的分析鏈路，并指導(dǎo)下一步的現(xiàn)場(chǎng)操作。質(zhì)量缺陷分析功能時(shí)序圖如圖6 所示。

圖6 質(zhì)量缺陷分析功能時(shí)序圖

2.1.4 個(gè)人事務(wù)管理功能

通過(guò)系統(tǒng)當(dāng)前登錄賬號(hào)可以對(duì)本用戶的個(gè)人待處理事件信息和消息信息進(jìn)行管理操作。針對(duì)待處理事件用戶可選擇查看立即處理或稍后處理，消息中心會(huì)將系統(tǒng)相關(guān)信息向用戶發(fā)送提醒。

3 系統(tǒng)設(shè)計(jì)

3.1 總體框架

基于上述對(duì)系統(tǒng)的功能需求分析，本文的設(shè)備缺陷分析系統(tǒng)采用目前Web 技術(shù)中常見(jiàn)的B/S（Browser-Server）架構(gòu)進(jìn)行軟件平臺(tái)搭建。B/S 結(jié)構(gòu)將瀏覽器服務(wù)器結(jié)構(gòu)劃分為數(shù)據(jù)層、應(yīng)用層與表示層。通過(guò)在數(shù)據(jù)層存儲(chǔ)數(shù)據(jù)，在應(yīng)用層處理數(shù)據(jù)交互，并在表示層顯示用戶功能頁(yè)面，實(shí)現(xiàn)系統(tǒng)的Web 端應(yīng)用，而無(wú)需下載軟件，用戶僅通過(guò)瀏覽器就可訪問(wèn)系統(tǒng)，服務(wù)器依據(jù)用戶的操作請(qǐng)求進(jìn)行業(yè)務(wù)處理與分析，并將結(jié)果呈現(xiàn)在瀏覽器展示頁(yè)面。

系統(tǒng)為確保開(kāi)發(fā)結(jié)構(gòu)邏輯清晰，采用MVVM 框架進(jìn)行設(shè)計(jì)，該框架是MVC 框架以及MVP 框架的改進(jìn)版本[9]，即把B/S 結(jié)構(gòu)的Web 系統(tǒng)應(yīng)用劃分為M（Model，模型層）、V（View，視圖層）、VM（ViewModel，控制器）三個(gè)部分來(lái)實(shí)現(xiàn)前后端分離的設(shè)計(jì)模式[10]。其中模型層負(fù)責(zé)處理業(yè)務(wù)數(shù)據(jù)，視圖層負(fù)責(zé)前端展示視圖，控制層負(fù)責(zé)監(jiān)聽(tīng)M 或者V 的修改變化，實(shí)現(xiàn)視圖與模型的雙向綁定，將Web 程序直觀展示給用戶[11]。缺陷分析系統(tǒng)B/S 結(jié)構(gòu)示意圖如圖7 所示。其中，MVVM 模式最典型的框架為Vue.js，該框架是一套用于構(gòu)造用戶界面的漸進(jìn)式Java Script 框架[12]，采用自底向上的增量開(kāi)發(fā)[13]。基于上述技術(shù)分析，本次設(shè)計(jì)擬采用Web頁(yè)面訪問(wèn)系統(tǒng)，通過(guò)前端UI 進(jìn)行交互與數(shù)據(jù)展示。

圖7 缺陷分析系統(tǒng)B/S 結(jié)構(gòu)示意圖

在交互層采用Axios 進(jìn)行前后端的數(shù)據(jù)與頁(yè)面交互。在服務(wù)端進(jìn)行數(shù)據(jù)的處理與業(yè)務(wù)邏輯的管理，并對(duì)不同功能場(chǎng)景調(diào)用相關(guān)的接口。數(shù)據(jù)層支持系統(tǒng)對(duì)數(shù)據(jù)的各種操作和處理。其具體結(jié)構(gòu)劃分如圖7 所示。

3.2 系統(tǒng)功能模塊測(cè)試

設(shè)備質(zhì)量缺陷分析系統(tǒng)功能模塊主要包括：用戶管理模塊、質(zhì)量事件歷史數(shù)據(jù)管理功能、質(zhì)量缺陷分析功能以及個(gè)人事務(wù)管理功能。各個(gè)功能模塊之間協(xié)同管理完成復(fù)雜的設(shè)備質(zhì)量缺陷分析功能，下面介紹各個(gè)功能模塊的功能測(cè)試及操作步驟。

3.2.1 用戶登錄頁(yè)面

通過(guò)瀏覽器打開(kāi)缺陷分析系統(tǒng)，用戶需先通過(guò)系統(tǒng)的登錄界面正確輸入用戶名和密碼方可進(jìn)入系統(tǒng)，如圖8 所示。

圖8 用戶登錄頁(yè)面

用戶成功進(jìn)入系統(tǒng)中，顯示系統(tǒng)歡迎頁(yè)面與功能模塊，如圖9 所示。整體UI 布局平臺(tái)的用戶界面可粗略地分為三個(gè)部分：第一部分是頁(yè)面頂部，其中的內(nèi)容是標(biāo)題、事件中心等信息；第二部分是頁(yè)面核心部分，從上至下是系統(tǒng)的各個(gè)功能模塊；第三部分是頁(yè)面中部，主要是用戶操作按鈕，點(diǎn)擊進(jìn)入不同功能頁(yè)面后會(huì)有清空、保存、下一步等按鈕。

圖9 系統(tǒng)導(dǎo)航頁(yè)面

用戶登錄系統(tǒng)時(shí)，根據(jù)前述的功能需求，設(shè)定了操作用戶與管理員兩種身份，以不同身份進(jìn)入系統(tǒng)所涵蓋的功能略有差異，具體用戶管理模塊的功能如圖10 所示。

圖10 用戶管理模塊的功能界面

3.2.2 質(zhì)量數(shù)據(jù)管理頁(yè)面

質(zhì)量事件數(shù)據(jù)管理功能分為兩種權(quán)限：歷史數(shù)據(jù)查詢功能面向所有用戶提供對(duì)業(yè)務(wù)數(shù)據(jù)的查詢服務(wù)，用戶可以對(duì)業(yè)務(wù)數(shù)據(jù)庫(kù)中的任意項(xiàng)進(jìn)行查詢和瀏覽；業(yè)務(wù)數(shù)據(jù)管理功能面向管理員，提供對(duì)業(yè)務(wù)數(shù)據(jù)庫(kù)的操作服務(wù)，可以對(duì)業(yè)務(wù)數(shù)據(jù)庫(kù)中的數(shù)據(jù)進(jìn)行增刪改查。

通過(guò)點(diǎn)擊添加按鈕，管理員對(duì)新的質(zhì)量事件以問(wèn)題編碼、涉及版塊、質(zhì)量描述、質(zhì)量分析、原因分類、經(jīng)驗(yàn)教訓(xùn)為內(nèi)容進(jìn)行詳細(xì)填寫，并上傳到后端平臺(tái)，以便后續(xù)其他操作用戶登錄系統(tǒng)查看設(shè)備缺陷相關(guān)數(shù)據(jù)，其操作頁(yè)面如圖11所示。

圖11 質(zhì)量事件數(shù)據(jù)管理模塊

3.2.3 質(zhì)量缺陷分析頁(yè)面

質(zhì)量缺陷分析功能是本次系統(tǒng)設(shè)計(jì)的核心功能模塊，通過(guò)上傳模型數(shù)據(jù)以及已封裝好的算法模型，在系統(tǒng)內(nèi)可以生成最優(yōu)的缺陷成因傳播路徑樹(shù)狀圖并在缺陷分析界面顯示，如圖12 所示。

圖12 質(zhì)量缺陷分析加權(quán)隨機(jī)森林模型分析結(jié)果

3.2.4 個(gè)人事務(wù)頁(yè)面

如圖13 所示，在系統(tǒng)個(gè)人事務(wù)處理中心可對(duì)本系統(tǒng)登錄者的待辦事件進(jìn)行選擇處理，同時(shí)對(duì)系統(tǒng)內(nèi)的用戶消息事件進(jìn)行通知。

圖13 個(gè)人事務(wù)中心功能界面

4 結(jié) 語(yǔ)

本文首先對(duì)WRF 算法與RF 算法進(jìn)行對(duì)比分析，通過(guò)綜合比較運(yùn)行時(shí)間和運(yùn)行精度得到WRF 算法更為精準(zhǔn)，且更適用于缺陷分析。

為簡(jiǎn)化核電現(xiàn)場(chǎng)操作人員的分析流程，實(shí)現(xiàn)設(shè)備智能缺陷分析及結(jié)果可視化，采用Vue.js 等技術(shù)開(kāi)發(fā)并設(shè)計(jì)了一套基于算法智能分析的監(jiān)管系統(tǒng)。本系統(tǒng)利用現(xiàn)有的分析數(shù)據(jù)，基于人工智能算法融合系統(tǒng)開(kāi)發(fā)技術(shù)，設(shè)計(jì)了系統(tǒng)登錄頁(yè)面、系統(tǒng)主頁(yè)、數(shù)據(jù)管理頁(yè)面、缺陷分析頁(yè)面以及其他業(yè)務(wù)性功能頁(yè)面，并詳細(xì)展示了系統(tǒng)內(nèi)各個(gè)模塊的功能。本文方案設(shè)計(jì)易于實(shí)現(xiàn)、可廣泛應(yīng)用于制造業(yè)場(chǎng)景，具有可實(shí)施性與應(yīng)用價(jià)值。