提出一种基于支持向量数据描述(support vector data description,SVDD)的生产过程监控、诊断与优化方法.首先,利用正常样本建立SVDD监控模型,获得控制限;然后,利用贡献图对超过控制限的异常点进行诊断,分析引起异常的主要原因;最后,利用邻近点替换法对异常的生产样本进行工艺参数优化.将新方法应用于热轧薄板的生产过程中,结果表明:新方法比传统的监控方法T2 PCA具有更高的检出率,且可以实现对异常点的工艺参数优化,使之回到受控状态
针对钢管入库优化决策问题,建立了问题的约束满足优化模型,并通过对垛高和钢管堆放规则的分析,提出了基于聚类和约束满足技术的两阶段求解算法.算法在第一阶段采用聚类的方式对待入库的钢管按照多重属性进行分组;在第二阶段利用约束满足技术对于每组钢管分别指派垛位及其在垛位上的具体位置,并通过约束传播动态缩减问题的搜索空间.最后将算法与经典的BFD (best fit deceasing)算法进行实验结果对比.实验结果表明,算法能够在保证倒垛次数最小的前提下,有效减少垛位数并具有良好的垛位利用率,模型及算法可行、有效