【摘要】：目前,焊接在壓力容器生產制造過程中的地位越來越重要,為了確保壓力容器的質量,實行焊接質量的控制和管理顯得尤為關鍵。當前計算機技術以及數(shù)據(jù)庫技術的飛速發(fā)展,現(xiàn)代制造業(yè)在生產過程中已經(jīng)產生海量數(shù)據(jù),很顯然,傳統(tǒng)的統(tǒng)計方法在此陷入了困境,已經(jīng)不能滿足當今時代的發(fā)展需要。本文針對現(xiàn)代制造業(yè)中的海量數(shù)據(jù)無法提取知識的問題,結合某公司的實際項目,將數(shù)據(jù)挖掘技術應用于制造行業(yè)中的焊接質量控制當中。本文在前人研究的基礎上,重點研究了壓力容器焊接質量控制的工作,研究內容歸納如下:首先,針對壓力容器焊接質量不合格的現(xiàn)象,從質量管理5M1E(操作者、機器設備、原材料、工藝方法、環(huán)境和測量)等多個方面,全過程、多方位、多角度的來分析影響壓力容器焊接質量的因素,縮小焊接質量異常范圍。其次,本文提出了基于特征選擇與決策樹C5.0相結合的分類方法,首先采用特征選擇算法對大量的特征進行降維處理,將降維后的焊接數(shù)據(jù),利用決策樹C5.0算法構建焊接分類模型,從而找出影響焊接質量不合格的影響因素。將這些重要因素看作"質量控制點"并嚴格控制。最后,將決策樹算法與神經(jīng)網(wǎng)絡算法和Logistic回歸算法進行比較,實驗表明,針對本文中研究的問題,決策樹方法的準確性要優(yōu)于神經(jīng)網(wǎng)絡算法和Logistic回歸算法,并將決策樹分析的結果應用于公司的實際焊接工作中,焊接問題得到了明顯的改善,其理念和指導思想在壓力容器制造行業(yè)中具有—定的推廣應用價值。
[Abstract]:At present, welding is becoming more and more important in the manufacturing process of pressure vessels. In order to ensure the quality of pressure vessels, the control and management of welding quality is particularly critical. With the rapid development of computer technology and database technology, the modern manufacturing industry has produced massive data in the process of production. Obviously, the traditional statistical method is in a dilemma and can not meet the needs of the development of the times. Aiming at the problem that mass data can not extract knowledge in modern manufacturing industry, this paper applies data mining technology to welding quality control in manufacturing industry, combining with the actual project of a company. On the basis of previous studies, this paper focuses on the work of welding quality control of pressure vessels. The research contents are summarized as follows: first, aiming at the phenomenon of nonconformity of welding quality of pressure vessels, the quality management 5M1E (operator, machine equipment), Raw materials, process methods, environment and measurement, etc., the whole process, multi-direction, multi-angle to analyze the factors that affect the welding quality of pressure vessels, and reduce the abnormal range of welding quality. Secondly, this paper proposes a classification method based on feature selection and decision tree C5.0. Firstly, the feature selection algorithm is used to reduce the dimension of a large number of features. The decision tree C5.0 algorithm is used to construct the welding classification model, so as to find out the influencing factors that affect the welding quality. Regard these important factors as "quality control points" and strictly control them. Finally, the decision tree algorithm is compared with the neural network algorithm and the Logistic regression algorithm. The experimental results show that the accuracy of the decision tree algorithm is better than that of the neural network algorithm and the Logistic regression algorithm. The result of decision tree analysis is applied to the actual welding work of the company, and the welding problem is obviously improved. Its concept and guiding ideology have a definite value of popularization and application in the pressure vessel manufacturing industry.
【學位授予單位】：天津工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TG457.5

【參考文獻】

相關期刊論文 前10條

1 李德仁;馬軍;邵振峰;;論時空大數(shù)據(jù)及其應用[J];衛(wèi)星應用;2015年09期

2 晁永生;孫文磊;;基于粗糙集的焊接類型關聯(lián)規(guī)則提取[J];計算機工程與應用;2015年15期

3 李平榮;;大數(shù)據(jù)時代的數(shù)據(jù)挖掘技術與應用[J];重慶三峽學院學報;2014年03期

4 楊海燕;;淺談提高壓力容器焊接質量的舉措[J];河北農機;2014年05期

5 王小軍;白杰;;產品質量影響因素與質量監(jiān)管模式創(chuàng)新[J];企業(yè)改革與管理;2014年07期

6 鄭麗琴;;基于數(shù)據(jù)挖掘的決策樹算法和C5.0原理簡介[J];知識經(jīng)濟;2014年07期

7 李孝偉;陳福才;李邵梅;;基于分類規(guī)則的C4.5決策樹改進算法[J];計算機工程與設計;2013年12期

8 宋建聰;戴青云;付品欣;鐘潤陽;;數(shù)據(jù)挖掘在生產過程質量管理中的應用[J];現(xiàn)代制造工程;2013年09期

9 楊麗勇;;數(shù)據(jù)挖掘在商業(yè)決策系統(tǒng)中的應用[J];現(xiàn)代商業(yè);2013年18期

10 帥青紅;方玲;匡遠競;;基于決策樹與logistic的上市公司信用評估比較研究[J];西南民族大學學報(人文社會科學版);2013年05期

相關博士學位論文 前1條

1 伊衛(wèi)國;基于關聯(lián)規(guī)則與決策樹的預測方法研究及其應用[D];大連海事大學;2012年

相關碩士學位論文 前9條

1 李迎春;數(shù)據(jù)挖掘中決策樹分類算法的研究[D];湖南師范大學;2015年

2 黃俊輝;基于數(shù)據(jù)挖掘的CSG鑄坯質量控制應用研究[D];華南理工大學;2013年

3 廖慶富;數(shù)據(jù)挖掘在提高SMT焊接質量中的應用研究[D];廣東工業(yè)大學;2013年

4 黃慧中;基于Logistic和神經(jīng)網(wǎng)絡的個人信用評估組合模型研究[D];電子科技大學;2012年

5 董小格;基于數(shù)據(jù)挖掘的焊件質量診斷技術研究[D];東北石油大學;2012年

6 盧輝;電力工程焊接質量管理與應用研究[D];華北電力大學（北京）;2011年

7 郭威;數(shù)據(jù)挖掘技術在銀行CRM中的應用研究[D];北京工商大學;2010年

8 孟玉明;數(shù)據(jù)挖掘在電信客戶流失預測中的應用研究[D];中南大學;2007年

9 楊蓮;數(shù)據(jù)挖掘的統(tǒng)計模型和算法的研究[D];重慶大學;2005年

，

本文編號：2160725