机器学习在批次生产过程操作寻优中的应用

在化工批次生产过程中,操作参数的调整将直接影响产品品质的稳定性,而现场工艺人员只能根据操作经验进行调整,没有定性或定量指标,很难将操作参数调整到最优状态。针对这一不足,提出了基于机器学习算法对工艺操作参数进行寻优的方法。结合现场工艺人员的操作经验选择与产品品质可能相关的操作参数,对所采集操作数据归一化预处理;通过相关性对操作参数进行特征选择,利用随机森林算法将产品品质数据和实际操作参数进行拟合建模;通过Mean Shift聚类算法,给出最优的操作参数组合。将该方法应用于某工厂20 000黏度107胶的生产过程中,并结合所给操作优化建议值和操作经验作出相应调整,使产品的质量控制能力得到明显提升。