为帮助制造企业处理积累的海量制造过程质量数据,数据挖掘方法可以帮助企业从中发现有用的知识和模式进行有效的质量分析及改进。制造过程质量数据的特点如下:混合型数据、分布不均衡、维度灾难及数据耦合。提出一种基于等价关系的数据预处理算法对原始数据做属性选取,解决混合型数据的特征选取及数据预处理问题。针对数据分布不均衡、维度灾难特点,提出基于优化核空间的混合流形学习及支持向量机算法(Optimized kernel based hybrid manifold learning and supportvector machines algorithm,KML-SVM)。在KML-SVM算法中,使用流形学习算法解决采集的质量数据的维度灾难问题,用支持向量机对低维嵌入数据分类预测,并优化支持向量机的核空间以达到分类精度最大化。以某制造企业实际制造过程数据为例对算法进行仿真验证。通过对仿真结果的分析找出质量数据的质量因素关系并提出质量改进方案。试验结果表明提出的ISOMAP核空间是最优核空间,提出的KML-SVM算法能够有效处理制造过程质量数据。
提出一种基于等价支持子集的重要度计算方法(Support subset significant based on equivalence relation,S3ER)用于计算质量特性的重要度。S3ER算法首先定义条件属性值对决策属性值的支持度,并定义条件属性值的区分能力,通过计算条件...
详细信息
提出一种基于等价支持子集的重要度计算方法(Support subset significant based on equivalence relation,S3ER)用于计算质量特性的重要度。S3ER算法首先定义条件属性值对决策属性值的支持度,并定义条件属性值的区分能力,通过计算条件属性值区分能力的均值,得到条件属性对决策属性的重要度。S3ER算法还能够预测未知样本类别,并获得决策属性的支持子集,通过对支持子集的分析抽取决策规则。试验对比KNN算法和带有权重的KNN算法的分类精度,验证S3ER算法所得属性重要度的有效性;对比S3ER算法、带有权重的KNN算法和C4.5算法在UCI数据库上5个分类数据集的分类精度,验证S3ER算法分类的有效性。将S3ER算法应用于某航空制造企业加工数据,得出该企业的重要质量特性的属性重要度、预测样本的质量结论,并抽取质量决策规则,以改进产品质量。
加工时间离散可控作业车间调度问题(Job-shop scheduling problem with discretely controllable processing times,JSP-DCPT)是经典作业车间调度问题(Job-shop scheduling problem,JSP)的一类扩展问题。为避免通过多项式时间近似方法求...
详细信息
加工时间离散可控作业车间调度问题(Job-shop scheduling problem with discretely controllable processing times,JSP-DCPT)是经典作业车间调度问题(Job-shop scheduling problem,JSP)的一类扩展问题。为避免通过多项式时间近似方法求解JSP-DCPT的近似问题,提出一种混合算法直接求解JSP-DCPT。该算法基于分解方法,嵌套一种禁忌搜索模拟退火混合算法TSSA和一种快速精英保留非支配排序遗传算法NSGA-II,以分别高效求解JSP-DCPT分解所得的JSP子问题和离散时间—成本权衡子问题。基于JSP标准算例FT06,FT10和FT20构造3个不同问题规模的测试算例,试验仿真结果表明,混合算法能够得到收敛的帕累托边界。
暂无评论