摘要：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MeanShift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20000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。

关键词：批次生产 操作寻优 机器学习 随机森林 聚类 

单位：浙江中控软件技术有限公司; 浙江杭州310053