基于随机森林的离合器制造过程质量控制方法研究

作者：沈维蕾; 张鑫洋; 杨雪春

来源：合肥工业大学学报(自然科学版), 2023, 46(11): 1441-1446+1500.

DOI：10.3969/j.issn.1003-5060.2023.11.001

• 统计过程控制(SPC)
• 随机森林
• 离合器
• 模式识别
• 机器学习

传统控制图作为统计过程控制(statistical process control, SPC)的核心工具，对影响制造过程的系统性因素识别效率较低。文章针对传统控制图对系统性因素识别不充分的问题，提出基于随机森林的控制图模式识别模型，利用网格搜索法进行参数优化，建立基于随机森林算法流程和控制图模式识别模型以识别影响过程失控的系统性因素；以汽车离合器为例，将基于随机森林的模式识别算法应用到离合器制造过程中，并与支持向量机(support vector machine, SVM)、逻辑回归(logistic regression, LR)等机器学习算法相比较，结果验证了随机森林模型对控制图模式识别的可行性和有效性。

• 单位
  合肥工业大学