[發明專利]一種基于子空間聚類的機械產品質量分析方法

在審

• 申請號: 202011281735.8
• 申請日: 2020-11-16
• 公開（公告）號: CN112434923A
• 公開（公告）日: 2021-03-02
• 發明（設計）人: 龐寧;張繼福;胡立華
• 申請（專利權）人: 太原科技大學
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06K9/62;G06Q50/04
• 代理公司: 太原高欣科創專利代理事務所(普通合伙) 14109
• 代理人: 崔浩;冷錦超

本發明一種基于子空間聚類的機械產品質量分析方法，屬于機械產品質量分析技術領域；所要解決的技術問題為：提供一種基于子空間聚類的機械產品質量分析方法；解決該技術問題采用的技術方案為：包括如下步驟：在Hadoop集群中，根據數據量的變化，將處理好的工序數據上傳至Hadoop的HDFS中保存；具體在Hadoop集群中，依次執行三個作業：采用基于LSH數據劃分方法將相似的工序數據劃分到相同數據塊中，并投影到同一數據節點上；負責識別出各數據節點上數據的屬性子空間；實現并行子空間聚類過程，從局部聚類階段獲得的子簇中產生最終聚類結果，由聚類結果發現隱藏在簇集中影響產品質量的共性隱性問題；本發明應用于機械產品質量分析。

技術領域

本發明一種基于子空間聚類的機械產品質量分析方法，屬于機械產品質量分析技術領域。

背景技術

作為我國國民經濟的重要基礎產業，機械制造業為整個國民經濟提供了技術裝備和必要保障。隨著產品性能和產品結構的發展和完善，生產線、生產設備以及制造過程的信息量激增，同時，大數據挖掘技術以及人工智能技術的發展為提高制造系統處理制造信息的能力和效率提供了技術支持，使得機械制造由原本能量驅動型轉變為信息驅動型，從而開啟了智能制造時代。

產品質量是制造企業發展的核心。制造過程環節眾多、工藝機理復雜、工藝參數動態變化等，都是影響產品質量的關鍵因素。為了避免不必要的產品損失，制造企業開始重視生產過程的監測，對產品質量進行有效預測和及時檢測，改善和消除不良質量影響因素，降低生產成本。針對產品質量分析的方法研究是制造企業迫在眉睫的任務之一。

制造系統在生產過程中存在大量問題，其中包括例如測量失效、質量缺陷、設備損耗和精度損失等可見問題和不可見問題等。可見問題是已經發生了的，對機械制造生產造成重大影響和后果的問題；而不可見問題往往積累發展為可見問題才會被發現和解決，但其對于生產同樣具有嚴重的破壞性，例如，由于設備磨損造成精度下降所導致的不合格產品。傳統質量分析方法往往基于可見問題進行分析，無法預先發現或避免不可見問題，一般具有滯后性。

在解決問題和發現問題過程中，會產生大量數據，數據需要圍繞問題的產生和原因獲取，獲取數據的目的是分析問題、解決問題和避免問題。本項目對工業大數據進行分析和挖掘，明晰問題的產生原因，預測問題的發生時機，提前干預，減少損失和降低成本。項目從數據中獲取和提煉知識，將知識再次轉化為數據指導設計，修正工藝和決策生產。利用大數據技術從數據中挖掘出隱性問題線索，從而預測、分析和解決隱性問題，有效避免可見問題。顯然，大數據可以為分析問題和解決問題提供了一種途徑和手段，以大數據驅動的智能制造，通過分析數據、挖掘數據、預測需求、提前預測和避免隱形風險，并利用數據提高產業價值。

作為數據挖掘的重要研究內容，聚類分析可以解決海量數據背景下的諸多領域問題。在智能制造過程中，聚類分析技術可以應用到原料管理、成本控制、過程調度、質量監控等環節，尤其在機械故障診斷，典型工藝路線發現與提取與質量預測與檢測等領域。

盡管聚類分析技術可滿足傳統制造領域的多種挖掘需求，但隨著大數據時代的到來，制造業生產加工全周期信息化的程度越來越高，工業大數據貫穿企業的整個生產周期，與其他行業數據不同，工業大數據具有連續性、多樣性、實時性、規模性等特點。在實現制造業數字化的過程中，工業大數據的處理極其復雜，工藝參數、生產工序的變化都會導致數據的結構發生巨大變化，顯然，傳統聚類分析技術已無法有效處理海量多維動態的工業大數據。

發明內容

本發明為了克服現有技術中存在的不足，所要解決的技術問題為：提供一種基于子空間聚類的機械產品質量分析方法。

為了解決上述技術問題，本發明采用的技術方案為：一種基于子空間聚類的機械產品質量分析方法，包括如下步驟：

步驟一：數據預處理；具體在Hadoop集群中，根據數據量的變化，設置環境參數，采用數據預處理技術，將處理好的工序數據上傳至Hadoop的HDFS中保存；