蔣凌云，馬小燕

（揚州工業(yè)職業(yè)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(xiàn)。由于現(xiàn)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(jīng)驗解決問題。因此，如何利用歷史經(jīng)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(tǒng)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(xiàn)的質量缺陷問題，是通過見證點人為追溯，實現(xiàn)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(jīng)驗分析為主，出現(xiàn)某個缺陷問題時，以工程師個人經(jīng)驗和專業(yè)知識或者通過查閱電子表格對相關歷史數(shù)據(jù)進行分析，智能化程度較低，未對存儲的數(shù)據(jù)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(shù)據(jù)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(yōu)于決策樹模型。田園等[3]將電網(wǎng)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(wǎng)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(tǒng)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(shù)據(jù)挖掘算法對風電機組進行故障診斷，并依據(jù)嚴重性將機組故障程度區(qū)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(tǒng)，我國的發(fā)展起步要晚于國外，歷經(jīng)30 多年的發(fā)展，從引進技術，到與實際結合改進，再到目前走向自主創(chuàng)新[8]。通過不斷探索并吸收國外的先進經(jīng)驗，我國大型核電企業(yè)自主開發(fā)了核電設備質量監(jiān)管分析系統(tǒng)，實現(xiàn)核電機組業(yè)務數(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，實現(xiàn)功能與數(shù)據(jù)的流轉與集成，但當前企業(yè)內上線使用的質量監(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(xiàn)象與原因，構建質量缺陷分析系統(tǒng)是未來大型制造裝備行業(yè)發(fā)展的目標。

本文在現(xiàn)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(tǒng)，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(xiàn)

1.1 算法的設計

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(jié)點代表質量缺陷的原因，根節(jié)點代表質量缺陷的現(xiàn)象，根節(jié)點與各個葉節(jié)點之間的鏈接路徑表明缺陷分類路徑，并以根節(jié)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(jù)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(shù)；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(xiàn)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(xiàn)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(xù)的分類過程。與傳統(tǒng)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(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(shù)據(jù)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(shù)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(shù)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(shù)據(jù)可得，在不同樹木數(shù)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(tǒng)需求分析

2.1 系統(tǒng)功能需求

系統(tǒng)功能需求總體目標可概述為：系統(tǒng)能夠依據(jù)規(guī)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(jù)模型設計流程以及相關系統(tǒng)開發(fā)過程，介紹系統(tǒng)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(tǒng)主界面后可對系統(tǒng)內歷史數(shù)據(jù)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(shù)據(jù)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(shù)據(jù)管理功能

業(yè)務數(shù)據(jù)是存儲在數(shù)據(jù)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(tǒng)支持普通用戶對歷史信息進行查詢搜索，管理員針對新發(fā)生的設備質量問題按照模板表單進行上傳，實現(xiàn)經(jīng)驗反饋，擁有業(yè)務數(shù)據(jù)管理功能操作權限的用戶組可以對業(yè)務數(shù)據(jù)庫中的數(shù)據(jù)進行新增、刪除和修改操作。質量事件歷史數(shù)據(jù)管理功能時序圖如圖5 所示。

圖5 質量事件歷史數(shù)據(jù)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(shù)據(jù)分析質量缺陷原因，上傳質量相關數(shù)據(jù)，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(tǒng)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(xiàn)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(tǒng)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(tǒng)相關信息向用戶發(fā)送提醒。

3 系統(tǒng)設計

3.1 總體框架

基于上述對系統(tǒng)的功能需求分析，本文的設備缺陷分析系統(tǒng)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(shù)據(jù)層、應用層與表示層。通過在數(shù)據(jù)層存儲數(shù)據(jù)，在應用層處理數(shù)據(jù)交互，并在表示層顯示用戶功能頁面，實現(xiàn)系統(tǒng)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(tǒng)，服務器依據(jù)用戶的操作請求進行業(yè)務處理與分析，并將結果呈現(xiàn)在瀏覽器展示頁面。

系統(tǒng)為確保開發(fā)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(tǒng)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(xiàn)前后端分離的設計模式[10]。其中模型層負責處理業(yè)務數(shù)據(jù)，視圖層負責前端展示視圖，控制層負責監(jiān)聽M 或者V 的修改變化，實現(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(fā)[13]?；谏鲜黾夹g分析，本次設計擬采用Web頁面訪問系統(tǒng)，通過前端UI 進行交互與數(shù)據(jù)展示。

圖7 缺陷分析系統(tǒng)B/S 結構示意圖

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

3.2 系統(tǒng)功能模塊測試

設備質量缺陷分析系統(tǒng)功能模塊主要包括：用戶管理模塊、質量事件歷史數(shù)據(jù)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(xié)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(tǒng)，用戶需先通過系統(tǒng)的登錄界面正確輸入用戶名和密碼方可進入系統(tǒng)，如圖8 所示。

圖8 用戶登錄頁面

用戶成功進入系統(tǒng)中，顯示系統(tǒng)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(tǒng)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(tǒng)導航頁面

用戶登錄系統(tǒng)時，根據(jù)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(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 質量數(shù)據(jù)管理頁面

質量事件數(shù)據(jù)管理功能分為兩種權限：歷史數(shù)據(jù)查詢功能面向所有用戶提供對業(yè)務數(shù)據(jù)的查詢服務，用戶可以對業(yè)務數(shù)據(jù)庫中的任意項進行查詢和瀏覽；業(yè)務數(shù)據(jù)管理功能面向管理員，提供對業(yè)務數(shù)據(jù)庫的操作服務，可以對業(yè)務數(shù)據(jù)庫中的數(shù)據(jù)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(jīng)驗教訓為內容進行詳細填寫，并上傳到后端平臺，以便后續(xù)其他操作用戶登錄系統(tǒng)查看設備缺陷相關數(shù)據(jù)，其操作頁面如圖11所示。

圖11 質量事件數(shù)據(jù)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(tǒng)設計的核心功能模塊，通過上傳模型數(shù)據(jù)以及已封裝好的算法模型，在系統(tǒng)內可以生成最優(yōu)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(tǒng)個人事務處理中心可對本系統(tǒng)登錄者的待辦事件進行選擇處理，同時對系統(tǒng)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(xiàn)場操作人員的分析流程，實現(xiàn)設備智能缺陷分析及結果可視化，采用Vue.js 等技術開發(fā)并設計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)開發(fā)技術，設計了系統(tǒng)登錄頁面、系統(tǒng)主頁、數(shù)據(jù)管理頁面、缺陷分析頁面以及其他業(yè)務性功能頁面，并詳細展示了系統(tǒng)內各個模塊的功能。本文方案設計易于實現(xiàn)、可廣泛應用于制造業(yè)場景，具有可實施性與應用價值。