表面计量参数代表了一类重要的设计变量，这些变量是可以控制的，因为它们代表了整个制造链的DNA或指纹，并构成了制造组件功能的重要预测指标。
分析这些参数的现有方法仅适用于参数的一小部分，因此倾向于提供制造环境的狭窄特征。本文提出了一种新的机器学习方法，用于对制造部件的表面计量参数进行建模。这种建模方法可以使人们更好地理解并因此控制制造过程，以便在操纵过程条件的同时可以实现所需的表面特性。新提出的方法使用基于模糊逻辑的学习算法将提取的工艺特征映射到面积表面计量参数。它是完全透明的，因为它采用IF … THEN语句来描述输入空间（过程中的监控变量）和输出空间（表面计量参数）之间的关系。
此外，该算法包括一个基于脊罚的机制，该机制允许学习准确，同时避免过拟合。这种新的机器学习框架在现实生活的工业案例研究中进行了测试，该案例研究要求根据过程中的数据预测制造（加工）过程的区域参数。具体而言，案例研究涉及全因子实验设计，以制造17个由热处理EN24钢棒制成的钢轴承箱零件。验证结果表明，这一新框架不仅能够准确预测，而且能够概括不同类型的面积表面计量参数。
1导言
表面计量学被定义为测量制造零件中小尺度特征（如特征的振幅、间距和形状）的科学【1】，它是制造过程的重要组成部分，原因有两个。首先，表面计量可被视为整个制造链的关键环节。这一事实可用于控制制造过程【2，3】。第二个原因是表面计量可以直接与制造组件的功能相关联。这些信息对于质量评估和功能预测是有用的。
预测制造组件的质量或功能尤其有助于满足当今日益严格的预算和时间限制，并推动材料的首次生产【4】。事实上，一种用于控制表面计量参数的机制可以代表一种宝贵的资产，大量的研究已经证明了这一点【1，5，6】。然而，在这种控制发生之前，必须找到从工艺条件到表面计量变量的映射。几十年来，这种映射已成为许多研究的主题，下一节将对此进行讨论。这些调查研究大多集中在非常简单的映射上，通常涉及从过程数据创建有限的输入特征列表。然后找到一个数据模型，将这些特征映射到选定的表面计量参数（通常是轮廓参数）。
一个值得注意的例子是根据工艺条件预测表面粗糙度高度（Ra）【5-7】。然而，应该注意的是，这些现有研究主要集中在预测剖面参数上，而预测面积参数的建模算法的应用（可以说更重要）有限【8】。面积参数为制造零件的整个3D表面提供了表征，并已被证明更能描述表面及其功能【8】。因此，从工艺条件到面积参数的映射可以为制造工艺提供更好的价值。因此，本研究将主要关注区域表面计量参数的建模。
现有研究通常还关注面积参数的非常小的子集，而忽略了其他参数。他们还倾向于从过程数据中提取粗尺度特征【9，10】。然而，如【5】中所讨论的，许多面积表面计量变量可以对应于特定的函数，因此，通常必须以系统的方式组合这些面积参数以进行函数预测。表面计量变量可能以非常不同且有时不可预测的方式变化；为预测一个区域参数而制定的方法可能不适用于预测另一个区域参数。
由于迄今为止开发的算法仅在一两个面积参数上得到验证，因此很难具体说明此类建模方法在许多面积参数上的表现。因此，根据其他面积参数验证已公布的算法（根据变量的使用情况，这些参数可能同等重要或更重要）可能会有问题。
本文的研究提出了一个新的框架，根据从工艺条件中提取的特征来预测面积表面计量参数。所提出的方法不仅可以对未知数据进行归纳，而且足够稳健，可以用于测试所提出方法的所有24个区域表面计量参数。
为了验证所开发的算法，进行了全因子实验设计以制造17个钢轴承壳体零件作为案例研究。本案例研究中获得的稀疏且高度不确定的多维数据代表了小批量生产组件的真实制造流程。因此，本文的主要贡献是开发了一种建模方法，可以使用有限数量的数据推广到大量的制造变量。
实验设计的细节以及工艺条件将在第3节中讨论。提议的框架提出了有助于推动制造自动化和数据交换的方法【11】。由【12】撰写的综述论文描述了算法、行业吸收和广泛制造业投资方面的最新发展水平。对于不同的材料和制造工艺，机器学习方法（如人工神经网络）也已开发出来，利用有限的实验数据对制造部件的特性进行预测建模【13】。
部件的性质可由材料的性质、机械性质或微结构决定，但也可通过协同框架内的表面计量参数决定。关于工艺和材料数据与机械和微观结构特性之间的因果关系，有大量的应用研究工作，但关于表面计量参数的因果关系的研究很少。这种整体方法应能让我们更好地了解如何针对首次生产优化制造组件的最终特性。
文章的其余部分组织如下:第2部分对现有技术进行了详细的文献综述，这些技术已用于将工艺条件映射到表面计量变量。本节详细介绍了这些方法在整个制造信息系统中的优缺点。如前所述，第3节详细描述了获得数据的实验程序。第4节讨论了为表面计量信息学系统提出的可解释的基于模糊的机器学习方法。第5节介绍并讨论了研究结果，而第6节提供了结论，该结论可以从论文进行的研究中得出，并为未来的研究提供了建议。