基于降阶模型的连续制造过程随机优化

本文提出一种基于模型的优化方法，用于挤出工艺中汽车密封件的制造。高生产吞吐量与质量约束以及过程固有的不确定性，促使人们寻找使不合格品最小化的操作条件。主要不确定性来源于过程波动以及原材料本身。所提方法基于贝叶斯优化，考虑了这些因素并获得一组鲁棒的过程参数。由于进行详细仿真的高计算成本与复杂性，采用降阶模型来解决该优化问题。该方案已在虚拟环境中评估，验证其能够最小化过程不确定性的影响。特别地，它可在不增加额外成本的情况下显著改善产品质量，与确定性优化算法所得解相比，实现了尺寸公差收紧 50%。