基于WRF 算法的制造裝備質量缺陷分析系統開發

蔣凌云，馬小燕

（揚州工業職業技術學院，江蘇 揚州 225127）

0 引 言

任何設備在設計、制造、安裝過程中，無論如何追求完美，仍然無法完全避免質量問題的出現。由于現場事件的復雜程度較高，涉及的工況、流程較多，操作人員很難直接運用個人知識、經驗解決問題。因此，如何利用歷史經驗反饋信息，挖掘制造裝備質量缺陷根本原因，并利用智能化系統有效輔助工作人員分析和解決問題[1]是十分重要的。當前，針對出現的質量缺陷問題，是通過見證點人為追溯，實現缺陷的分析和管理。其中，相關部門對于質量缺陷分析以人工經驗分析為主，出現某個缺陷問題時，以工程師個人經驗和專業知識或者通過查閱電子表格對相關歷史數據進行分析，智能化程度較低，未對存儲的數據合理利用，已無法滿足裝備高質保的要求。

至今為止，研究人員提出了大量基于設備質量缺陷分析的方法，王江宇等[2]提出了一種基于主成分分析-決策樹（PCA-Decision Tree, PCA-DT）算法的制冷劑充注量故障診斷方法，基于PCA 方法對原始數據進行降維并建立決策樹模型對故障進行分類，分類效果整體上優于決策樹模型。田園等[3]將電網設備故障案例中的問題、原因和其他信息抽取出來，利用雙向長短期記憶網絡模型提取電力缺陷文本特征，采用因果關系將語句轉換為三分類問題。Park 等[4]提出了一種基于隨機森林的方法，對設備的質量狀況進行分析。Ahmad 等[5]提出了電纜系統的缺陷診斷方法，并利用隨機森林、分類回歸樹等進行對比分析。文獻[6-7]中利用數據挖掘算法對風電機組進行故障診斷，并依據嚴重性將機組故障程度區分為三個類別，通過算法有效識別機組的實際運行狀況。針對缺陷分析系統，我國的發展起步要晚于國外，歷經30 多年的發展，從引進技術，到與實際結合改進，再到目前走向自主創新[8]。通過不斷探索并吸收國外的先進經驗，我國大型核電企業自主開發了核電設備質量監管分析系統，實現核電機組業務數據的共享與反饋，并將信息化數據化管理融入EPCS 全流程，實現功能與數據的流轉與集成，但當前企業內上線使用的質量監管系統還未與數據挖掘等智能分析方法較好融合。因此，結合制造設備質量管理流程，引入先進的人工智能技術，快速準確分析質量缺陷的現象與原因，構建質量缺陷分析系統是未來大型制造裝備行業發展的目標。

本文在現有分析基礎上，采取智能隨機森林缺陷分析技術，并設計缺陷分析系統，有效地對設備質量缺陷進行智能化分析，管控設備的質量，減少人工流程，為設備的良好運轉提供有力支持。

1 算法的設計與實現

1.1 算法的設計

根據缺陷現象和造成缺陷的原因信息，分析缺陷原因與現象的鏈路關系，本文提出了基于加權隨機森林的核電設備質量缺陷分類模型。樹模型中的每個葉節點代表質量缺陷的原因，根節點代表質量缺陷的現象，根節點與各個葉節點之間的鏈接路徑表明缺陷分類路徑，并以根節點作為最終的缺陷分類類別。

與普通的隨機森林分類方法相比，加權隨機森林即生成多棵決策樹后依據一定的方法賦予每棵決策樹不同的權值，按照不同權值參與投票過程。為了確保權重的客觀性，采用分類正確率作為決策樹的權重，計算公式為：

式中：Xcorrect(i)為正確分類樣本數；X為測試總樣本。

因此，得到加權隨機森林模型對核電設備缺陷現象類別Y的加權值為：

式中，pY(i)為森林中各個決策樹分類準確率。

由上述過程可得加權隨機森林實現核電設備質量缺陷分析模型過程如圖1 所示。首先，利用訓練集對隨機森林模型進行訓練，得到集成模型中各棵決策樹的分類精度，以分類精度作為測試集測試模型中各棵決策樹的權值，并完成后續的分類過程。與傳統隨機森林模型相比，賦予決策樹不同權值的加權模型可以解決均分權值導致的分類精度不佳的問題。實現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提供算法支撐。

圖1 加權隨機森林分析過程

1.2 實驗分析

在仿真和分析階段，本文利用Python 對算法進行仿真實驗，驗證算法的有效性；并采用分類準確度評價指標對隨機森林和加權隨機森林進行對比分析。

采用隨機森林算法和改進投票權重的加權隨機森林算法，在核電文本數據集上進行對比實驗和性能分析，得到不同算法在相同決策樹數量下的分類準確度以及運行時間的對比結果。為了獲得較為精確的結果，在不同決策樹數量取值下分別運行10 次，取運行結果的平均值，其結果如圖2、圖3 所示。

圖2 算法準確度對比

圖3 不同算法運行時間對比

對比圖2、圖3 中數據可得，在不同樹木數量取值下，雖然加權隨機森林模型運行時間相對較長，但加權隨機森林的分類精度有所提升。

2 系統需求分析

2.1 系統功能需求

系統功能需求總體目標可概述為：系統能夠依據規范化模板存儲事件文本信息，以及質量缺陷分類的功能，并進行相應功能的展示。根據模型設計流程以及相關系統開發過程，介紹系統的具體功能需求如下。

2.1.1 用戶管理權限功能

用戶管理權限功能主要包括操作用戶和管理員權限。操作用戶對賬戶的操作包括注冊和登錄，用戶注冊的字段包括用戶名與密碼，普通用戶在注冊成功后可通過設定的用戶名與密碼進行登錄，進入系統主界面后可對系統內歷史數據的查詢、設備缺陷分析模型的使用分析等功能進行操作。管理員用戶除了擁有普通用戶的功能外，還可對存儲的歷史數據進行增刪改查，以及對缺陷分析模型進行增刪改查。具體用戶權限如圖4 所示。

圖4 用戶管理模塊功能

2.1.2 質量事件歷史數據管理功能

業務數據是存儲在數據庫中的制造設備質量缺陷事件，目前都以事件記錄單的形式存儲，在本功能塊設定事件單模板，事件單信息包括：缺陷設備名稱、涉及階段、事件描述、采取措施、責任人等。系統支持普通用戶對歷史信息進行查詢搜索，管理員針對新發生的設備質量問題按照模板表單進行上傳，實現經驗反饋，擁有業務數據管理功能操作權限的用戶組可以對業務數據庫中的數據進行新增、刪除和修改操作。質量事件歷史數據管理功能時序圖如圖5 所示。

圖5 質量事件歷史數據管理功能時序圖

2.1.3 質量缺陷分析功能

質量缺陷分析功能塊即通過上傳模型，基于歷史質量事件數據分析質量缺陷原因，上傳質量相關數據，點擊模型分析鍵自動生成模型分析，并將加權隨機森林模型生成的樹狀圖與模型分析結果進行可視化展示，主要是通過樹狀圖分析展示。操作系統者可以得到產生某歷史缺陷的原因的分析鏈路，并指導下一步的現場操作。質量缺陷分析功能時序圖如圖6 所示。

圖6 質量缺陷分析功能時序圖

2.1.4 個人事務管理功能

通過系統當前登錄賬號可以對本用戶的個人待處理事件信息和消息信息進行管理操作。針對待處理事件用戶可選擇查看立即處理或稍后處理，消息中心會將系統相關信息向用戶發送提醒。

3 系統設計

3.1 總體框架

基于上述對系統的功能需求分析，本文的設備缺陷分析系統采用目前Web 技術中常見的B/S（Browser-Server）架構進行軟件平臺搭建。B/S 結構將瀏覽器服務器結構劃分為數據層、應用層與表示層。通過在數據層存儲數據，在應用層處理數據交互，并在表示層顯示用戶功能頁面，實現系統的Web 端應用，而無需下載軟件，用戶僅通過瀏覽器就可訪問系統，服務器依據用戶的操作請求進行業務處理與分析，并將結果呈現在瀏覽器展示頁面。

系統為確保開發結構邏輯清晰，采用MVVM 框架進行設計，該框架是MVC 框架以及MVP 框架的改進版本[9]，即把B/S 結構的Web 系統應用劃分為M（Model，模型層）、V（View，視圖層）、VM（ViewModel，控制器）三個部分來實現前后端分離的設計模式[10]。其中模型層負責處理業務數據，視圖層負責前端展示視圖，控制層負責監聽M 或者V 的修改變化，實現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B/S 結構示意圖如圖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造用戶界面的漸進式Java Script 框架[12]，采用自底向上的增量開發[13]?；谏鲜黾夹g分析，本次設計擬采用Web頁面訪問系統，通過前端UI 進行交互與數據展示。

圖7 缺陷分析系統B/S 結構示意圖

在交互層采用Axios 進行前后端的數據與頁面交互。在服務端進行數據的處理與業務邏輯的管理，并對不同功能場景調用相關的接口。數據層支持系統對數據的各種操作和處理。其具體結構劃分如圖7 所示。

3.2 系統功能模塊測試

設備質量缺陷分析系統功能模塊主要包括：用戶管理模塊、質量事件歷史數據管理功能、質量缺陷分析功能以及個人事務管理功能。各個功能模塊之間協同管理完成復雜的設備質量缺陷分析功能，下面介紹各個功能模塊的功能測試及操作步驟。

3.2.1 用戶登錄頁面

通過瀏覽器打開缺陷分析系統，用戶需先通過系統的登錄界面正確輸入用戶名和密碼方可進入系統，如圖8 所示。

圖8 用戶登錄頁面

用戶成功進入系統中，顯示系統歡迎頁面與功能模塊，如圖9 所示。整體UI 布局平臺的用戶界面可粗略地分為三個部分：第一部分是頁面頂部，其中的內容是標題、事件中心等信息；第二部分是頁面核心部分，從上至下是系統的各個功能模塊；第三部分是頁面中部，主要是用戶操作按鈕，點擊進入不同功能頁面后會有清空、保存、下一步等按鈕。

圖9 系統導航頁面

用戶登錄系統時，根據前述的功能需求，設定了操作用戶與管理員兩種身份，以不同身份進入系統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 質量數據管理頁面

質量事件數據管理功能分為兩種權限：歷史數據查詢功能面向所有用戶提供對業務數據的查詢服務，用戶可以對業務數據庫中的任意項進行查詢和瀏覽；業務數據管理功能面向管理員，提供對業務數據庫的操作服務，可以對業務數據庫中的數據進行增刪改查。

通過點擊添加按鈕，管理員對新的質量事件以問題編碼、涉及版塊、質量描述、質量分析、原因分類、經驗教訓為內容進行詳細填寫，并上傳到后端平臺，以便后續其他操作用戶登錄系統查看設備缺陷相關數據，其操作頁面如圖11所示。

圖11 質量事件數據管理模塊

3.2.3 質量缺陷分析頁面

質量缺陷分析功能是本次系統設計的核心功能模塊，通過上傳模型數據以及已封裝好的算法模型，在系統內可以生成最優的缺陷成因傳播路徑樹狀圖并在缺陷分析界面顯示，如圖12 所示。

圖12 質量缺陷分析加權隨機森林模型分析結果

3.2.4 個人事務頁面

如圖13 所示，在系統個人事務處理中心可對本系統登錄者的待辦事件進行選擇處理，同時對系統內的用戶消息事件進行通知。

圖13 個人事務中心功能界面

4 結 語

本文首先對WRF 算法與RF 算法進行對比分析，通過綜合比較運行時間和運行精度得到WRF 算法更為精準，且更適用于缺陷分析。

為簡化核電現場操作人員的分析流程，實現設備智能缺陷分析及結果可視化，采用Vue.js 等技術開發并設計了一套基于算法智能分析的監管系統。本系統利用現有的分析數據，基于人工智能算法融合系統開發技術，設計了系統登錄頁面、系統主頁、數據管理頁面、缺陷分析頁面以及其他業務性功能頁面，并詳細展示了系統內各個模塊的功能。本文方案設計易于實現、可廣泛應用于制造業場景，具有可實施性與應用價值。