基于粗糙PAM的质量预测算法.pdf

《基于粗糙PAM的质量预测算法.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、基于粗糙PAM的质量预测算法冰口王萌口孙树栋西北l丁业大学机电学院西安710072摘要：随着信息技术的飞速发展，制造业越来越难以有效解决不断增长的数据和信息。数据挖掘技术对于有效识别大量数据中隐藏的模式和知识是非常有效的工具对于生产线中的产品质量往往很难判定其是否符合质量标准．而介于合格与不合格之间的产品又耗费质量工程师大量的精力去判别。基于粗糙集的聚类技术可以有效识别合格、不合格及边缘产品．这样的聚类结果有利于质量工程师建立有效的质量档案来预测产品质量，改进产品工艺与加工技术。关键词：质量预测数据挖掘粗糙集聚类中

2、图分类号：TH165+．4文献标识码：A文章编号：1000—4998f2013)10—0090—03质量预测与改进对于提高企业的核心竞争力有着量相关的所有数据．形成产品质量生产数据作为算法至关重要的意义，质量改进能够有效提高投资收益率，的输入数据。通过粗糙PAM(PartitioningAround减少不合格品带来的损失，还能够促使产品设计和生Medoids)聚类算法E5,6]，得到3类数据：合格品、不合格产工艺的改进．改进产品性能促进新产品的开发．最终品和呈报品。质量工程师可以根据3类产品所得到的提高产品的适应性

3、和产品的市场竞争力。质量改进活簇，分析每类产品的数据特点，找出产生该类产品的关动有两层含义：第一层是维持现有的质量。其核心方法键因素。根据每类的特征即关键因素抽取出相关知识，是“质量控制”；第二层是改进目前的质量，其方法是主这些知识可以对今后的数据作预测。也能够指导今后的动采取措施，使质量在原有的基础上有突破性提高。生产线加工，作出相应的质量改进研究框架见图l。航空、航天制造行业是高度信息化的行业。信息化2算法关键技术贯穿产品设计、产品仿真和产品制造。该行业产品特点是“小批量、多品种、离散化、成本高”，根据这样的生

4、产从图1中可知算法中的关键技术是基于粗糙集的特点就要提出相应数据挖掘质量分析算法。航空航天PAM聚类算法。PAM算法，即围绕中心点的分割算法，企业的产品价值较高，往往处于合格与不合格之间的是由Kaufman与Roussccuw开发的。为了发现k个聚一些产品最有分析价值，对其产生的原因分析．可以有类，PAM算法为每个聚类确定了一个代表对象，称为效地节约成本，改进工艺与生产控制。中心(Medoid)，即聚类的最中心位置的对象。与中心点归为一类的点应该是与中心最近的点．聚类的质量就1算法流程是由对象与它所属的中心点之间的

5、平均聚类所决定。主要研究基于粗糙集E1的聚类算法E23~-制造业质粗糙PAM算法主要用于解决数据分类和聚类分析应量预测及改进[’4的研究。算法主要分析产品质量检测用在大数据集的时候遇到的特殊困难。因为目前的数中所出现的3种情况：合格、不合格及需要呈报技术部据集都是属性维数越来越高，数据量越来越大。随着数门的产品。分析3种情况下典型产品数据特点．帮助质据的复杂和数量的剧增，使数据之间的相似性越来越量技术部门积累数据，以便产品的预测及解决方案的高。对于聚类问题就产生了聚类所得到的知识不能准查询，为质量技术部门起到辅助决

6、策的作用，提高生产确反映数据集的真实情况．并且聚类算法随着数据量车间技术部门的质量知识积累并用于质量改进。的增大，其根据笔者参与的制造执行系统(Manufacturing时间复杂度ExecutionSystem，MES)项目中所采集的质量数据，制不能有效降造执行系统能够收集生产线从计划下达、计划执行、加低。导致在lT_T具、质量检测和成品入库的生产全周期的生产数处理大数据据，采集质量相关数据就是从海量的生产数据中。按照集时力不从某种特定的要求，如收集某一工序或者某一零件与质心的现象。而目前所国家自然科学基金资助项目

7、(编号：51075337)收稿日期：2013年3月遇到的质▲图l研究框架2013／10机械制造51卷第590期量问题是需要在分辨合格与不合格的前提下识别呈报代价的计算要根据下面计算最后确定其上下近似。找品。因此，粗糙聚类在这方面有着特殊的作用(粗糙出最小的代价minTC~h(0，0^)，用0^替换O。PAM聚类算法的算法流程见图2)。Stpe5：直到无法再用非中心或者找到一个最优的粗糙PAM聚类算法流程是：点去替换中心点结束。Step1：for1toi=n其中：d代表欧式距离，c、G代表簇c的上下近对每个数据点计算

8、剩余的n一1个数据点和它似，p(1，⋯，凡)代表簇的中心，替换规则如下。的距离并将这些距离存储，并设定区分上下近似的阈(1)设当前属于由O代表的类的下近似D，为值占。替换O的非中心点。替换后属于除D为代表对象Step2：在数据集中任意选择个点作为初始的上近似，X∈C^。即：d(S，0^)