在染整行业中染色与热定型是产品生产中最重逈的阶段,同样也是最容易造成质量不合格引起返工率高的阶段。质量预测与分析是构成染整生产过程闭环质量控制的重逈环节。目前质量预测与分析中很少有以大量数据为基础,因此无论对质量的预测还是对质量影响因素的分析都无法确定得到结果的准确性。在实际热定型中通常同时出现多种质量指标不合格的情况,但目前的影响因素分析中,都是针对单一质量指标的分析,因此得到的改进策略无法解决这类情况。而在染色过程中传统根据经验的方法无法准确的确定影响色差和缸差的原因,并且在染色质量分析中对其有影响的可能因素没有全面的考虑。为了解决以上存在的问题,本课题研究内容如下:1.深入研究热定型过程质量指标与影响因素的关系,分别以小量数据与大量数据为基础,建立关于工艺参数对质量指标克重的预测模型,验证并比较两种情况下预测模型的准确性。2.对大量质量异常的产品利用聚类分析的方法,根据不同的质量指标使其分成不同类,再结合相关性的方法,得到相应不同类中的工艺参数对质量的影响程度,在大数据平台上得以实现,并给予合理的改进方案。3.从染色过程原理出发,结合实际染色生产调研,全面的确定可能造成色差和缸差状况的影响因素。通过贝叶斯网络并结合链状变量消除的方法,构建并简化染色过程的网络结构。在大数据平台上,对色差与缸差现象的影响因素加以分析,并且预测出现这两种不合格现象的情况。4.根据实际企业中染整生产过程,搭建染整大数据平台,设计染整质量管理系统,使数据收集、质量预测与质量分析等功能更加智能化可视化的实现。通过以上的研究,提高染色过程与热定型过程对质量预测与影响因素分析的准确性与稳定性,改善产品质量,减少生产中的返工率。并对实现染整质量闭环控制和大数据技术在染整行业中应用给予很大的价值。