發(fā)布時間：2020-12-07 14:02

　　全球新產(chǎn)業(yè)革命浪潮中,伴隨全球化市場的擴張,中國制造也快速增長。其中,產(chǎn)品質(zhì)量扮演著異常關(guān)鍵的角色,國內(nèi)某汽配氣門生產(chǎn)過程中對產(chǎn)品質(zhì)量要求高且制造車間實時信息需要及時反饋,存在生產(chǎn)工藝繁多、生產(chǎn)過程復(fù)雜、信息化程度低,導(dǎo)致生產(chǎn)效率與管理水平低等問題,與國外汽配生產(chǎn)信息化水平差距較大。本文以汽配氣門生產(chǎn)過程產(chǎn)品質(zhì)量問題為背景,基于大數(shù)據(jù)分析,建立產(chǎn)品質(zhì)量預(yù)測模型可以幫助汽配氣門生產(chǎn)更好地利用生產(chǎn)數(shù)據(jù)信息,對提高產(chǎn)品質(zhì)量具有重要的意義。結(jié)合先進的制造物聯(lián)網(wǎng)技術(shù)和大數(shù)據(jù)技術(shù),對產(chǎn)品的關(guān)鍵質(zhì)量指標(biāo)進行預(yù)測,突破傳統(tǒng)界限,推動制造升級,其主要研究內(nèi)容有:(1)針對制造物聯(lián)網(wǎng)環(huán)境下汽配多工序、多工種、質(zhì)量要求高的產(chǎn)品特性,結(jié)合工業(yè)大數(shù)據(jù)的特點,構(gòu)建面向生產(chǎn)制造過程中能接收、存儲、處理海量制造業(yè)數(shù)據(jù)的大數(shù)據(jù)處理挖掘分析平臺,研發(fā)適合汽配產(chǎn)品質(zhì)量預(yù)測的數(shù)據(jù)挖掘分析系統(tǒng)。(2)對生產(chǎn)制造產(chǎn)品質(zhì)量的樣本訓(xùn)練數(shù)據(jù)進行ETL數(shù)據(jù)預(yù)處理,結(jié)合對產(chǎn)品質(zhì)量的多工序加工數(shù)據(jù)特點以及后續(xù)的特征工程選擇,在模型選擇上運用隨機森林算法、XGBoost算法、線性加權(quán)融合模型進行產(chǎn)品質(zhì)量的預(yù)測回歸分析。(3)以某汽配氣門產(chǎn)品質(zhì)... 

【文章來源】：廣東工業(yè)大學(xué)廣東省

【文章頁數(shù)】：80 頁

【學(xué)位級別】：碩士

【部分圖文】：

汽車零配件氣門工件實物圖

蹤哪個工序出現(xiàn)問題。對汽車零配件生產(chǎn)制造的氣門產(chǎn)品質(zhì)量預(yù)過程產(chǎn)品質(zhì)量預(yù)測的需求如下：量參數(shù)數(shù)據(jù)實時采集：利用物聯(lián)網(wǎng)技術(shù)， 等，實時收集制造車間各類型數(shù)據(jù)。聯(lián)網(wǎng)環(huán)境下汽配多工序、多工種、要求高的點，構(gòu)建面向生產(chǎn)制造過程中能接收、存掘分析平臺，研發(fā)一套適合汽配產(chǎn)品質(zhì)量的發(fā)展，有助于智能制造的改革升級。生數(shù)據(jù)進行統(tǒng)計分析，做成報表、折線趨勢異常問題。通過使用機器學(xué)習(xí)與機理模型挖掘背后的規(guī)律，實時修正工藝參數(shù)，提

精益化、產(chǎn)品信息可全流程追溯等需求，采用物聯(lián)網(wǎng) RFID 技術(shù)開展集成應(yīng)用，根據(jù)企業(yè)的生產(chǎn)線產(chǎn)品質(zhì)量的數(shù)據(jù)采集，對車間場景、工藝參數(shù)、設(shè)備性能進行分析與優(yōu)化，著眼于生產(chǎn)過程智能控制，提升生產(chǎn)效率，構(gòu)建基于機器學(xué)習(xí)技術(shù)的大數(shù)據(jù)應(yīng)用平臺。3.2.1 硬件環(huán)境Cloudera Manager[39]是大數(shù)據(jù) web 用戶頁面的管理、配置和監(jiān)控平臺，其計算框架是采用高效分布式計算模式，同時提供非常豐富大數(shù)據(jù)的組件，管理界面如圖 3-1 所示。Hadoop 的核心元素-HDFS 可擴展存儲任何類型的數(shù)據(jù)和 Map-Reduce 分布式計算；Hive 提供交互式 SQL 查詢；Spark[40]提供彈性分布式計算，內(nèi)存計算速度更快；Cloudera Manager 管理各大數(shù)據(jù)組件協(xié)同調(diào)配，高效運行處理計算各類型數(shù)據(jù)文件。

【參考文獻】：
期刊論文
[1]基于貝葉斯最優(yōu)化的Xgboost算法的改進及應(yīng)用[J]. 李葉紫,王振友,周怡璐,韓曉卓.  廣東工業(yè)大學(xué)學(xué)報. 2018(01)
[2]數(shù)據(jù)挖掘技術(shù)及在制造業(yè)的應(yīng)用[J]. 吳雪峰,馬路.  計算機應(yīng)用與軟件. 2017(10)
[3]Xgboost在滾動軸承故障診斷中的應(yīng)用[J]. 張鈺,陳珺,王曉峰,劉飛.  噪聲與振動控制. 2017(04)
[4]流程工業(yè)智能制造展望:過程系統(tǒng)工程師面臨的挑戰(zhàn)[J]. Ian David Lockhart Bogle.  Engineering. 2017(02)
[5]基于隨機森林回歸的制絲過程參數(shù)影響權(quán)重分析[J]. 劉繼輝,許磊,馬曉龍,李達,林鴻佳,楊洋,楊晶津,李興緒,王慧.  煙草科技. 2017(02)
[6]過程工業(yè)大數(shù)據(jù)建模研究展望[J]. 劉強,秦泗釗.  自動化學(xué)報. 2016(02)
[7]基于物聯(lián)網(wǎng)技術(shù)的數(shù)字化車間制造數(shù)據(jù)采集與管理[J]. 聶志,冷晟,葉文華,鄒方林.  機械制造與自動化. 2015(04)
[8]基于數(shù)據(jù)挖掘的熱軋帶鋼質(zhì)量分析方法[J]. 李揚,王京,張勇軍.  工程科學(xué)學(xué)報. 2015(S1)
[9]基于優(yōu)化核空間的制造過程質(zhì)量分析算法[J]. 王萌,孫樹棟.  機械工程學(xué)報. 2012(22)

碩士論文
[1]基于Hadoop的線纜生產(chǎn)的大數(shù)據(jù)服務(wù)平臺的設(shè)計與實現(xiàn)[D]. 段勝澤.電子科技大學(xué) 2017



本文編號：2903383