[发明专利]一种制造业产品质量数据关联分析方法

权利要求书

1.一种制造业产品质量数据关联分析方法，其特征在于，包括以下步骤：

步骤1，特征抽取：利用已有的制造业产品多源异构质量数据集，从原始的数据属性集中抽取构造出符合分析要求的特征集合，提升模型表达准确度、合理性；

步骤2，连续型属性离散化：在执行关联分析前，基于K-means聚类算法确定连续型数值属性的取值划分边界，以此对制造业产品质量数据集中的连续型属性进行离散化处理，形成符合关联分析算法要求的数据集；

步骤3，质量数据关联分析：通过覆盖制造业产品生产全过程各个环节的质量特征指标构建数据分析模型并执行关联分析算法得到与特征指标相关的规则，依此追溯产品质量异常的原因。

2.根据权利要求1所述的一种制造业产品质量数据关联分析方法，其特征在于，步骤1所述特征抽取过程中，对于现有的数据集属性并不能够直接用做数据分析中的可用属性，将这些属性通过解析与计算进一步细化抽取其必要的统计指标作为辅助性特征完善数据分析模型，这些统计指标包括但不限于最大值、最小值、平均值、方差、标准差、极差。

3.根据权利要求1所述的一种制造业产品质量数据关联分析方法，其特征在于，步骤2所述连续型属性离散化的具体流程为：

针对质量数据集中的连续型数值属性进行离散化处理，首先基于K-means聚类算法对温度、压力连续型属性进行必要的聚类，使用聚类描述该属性的内在结构，然后基于属性取值的内在结构确定每个划分簇的划分边界，最后按照确定的划分边界对连续型数值属性进行离散化处理。

4.根据权利要求1所述的一种制造业产品质量数据关联分析方法，其特征在于，步骤3所述质量数据关联分析的具体流程为：

使用离散化质量数据集构建的数据模型，通过基于FP-Growth算法的多因素关联分析挖掘得到一系列A->B的关联规则，其中A代表特征取值集合，B代表产品质量检测结果，基于挖掘出的蕴含质量异常指标的关联规则，追溯轮胎质量异常的原因。