近日，我校经济管理学院崔庆安教授与其博士生卢皎在《Quality and Reliability Engineering International》（JCR2区）期刊发表了题为“Hierarchical Causality Graph Informed Quality Soft Sensing for Multirate Multistage Manufacturing Processes”的学术论文。

在多阶段制造过程中，软测量已成为产品质量预测的重要工具。然而，现有质量软测量方法侧重于过程参数与质量特性之间的相关性，而非因果性，识别影响产品质量特性根本原因的较为困难。同时，各变量的采样频率不同，多速率采样导致参数数据长度不一致，浪费了采样时间信息。针对上述问题，本文构建了一种嵌入因果关系的质量软测量框架，用于识别关键过程参数并预测质量特性。首先，针对采样导致的数据长度不一致问题，提出了一种结合加权平均与卡尔曼滤波的数据融合方法，对数据进行预处理。其次，提出了一种分层因果发现算法（Hierarchical Peter-Clark，HPC）。该算法利用生产阶段的层级信息，确定过程参数与质量特性之间的因果关系，增强了预测框架的可解释性，其次，在该框架中分别嵌入多种常用预测模型，对比分析不同可解释性模型的预测性能。最后，通过仿真实验和烟草制丝工业案例，验证了所提因果发现算法在关键参数识别上的准确性，以及该框架在质量软测量中的有效性。

全文链接为：https://doi.org/10.1002/qre.70316