[发明专利]基于决策树的工件编码方法

说明书

本发明提供了一种基于决策树的工件编码方法，其特征在于，包括：选取W道影响工件分类的工序因子，分别计算所述W道工序因子与预设的决策属性之间的相关系数，其中W为大于0的整数；根据所述相关系数的值从W道工序因子中选取T道工序因子，所述T道工序因子作为影响工序分类的条件属性，其中T为大于0且小于等于W的整数；获取条件属性对应的信息熵，根据所述信息熵计算得到每个条件属性的信息增益；根据所述信息增益确定每个条件属性的分割点，判断每个条件的隶属度是否满足并根据所述分割点与相关系数递归构建决策树；基于所述决策树对工件进行分类并编码，并将结果保存于类别确定模块。

技术领域

本发明涉及信息管理技术，特别是一种基于决策树的工件编码方法。

背景技术

随着经济全球化的深入发展，顾客驱动逐渐成为离散制造业生产的主导力量，生产的趋势不断向着小批量、多批次、个性化的方向发展。因此，离散制造业必须通过数据流动自动化技术，从规模经济转型为范围经济，以同质化规模化的成本，构建出异质化的产业。因此，其中最先要进行改进就是信息化管理系统。在信息化管理系统，尤其在涉及到需要对企业所用到的工件进行编码的信息化系统中，工件编码一直是一个繁琐耗时的工作。现有的工件编码体系中，大多是通过人工审核添加的方法，首先通过现有的认知建立大家认为齐全的编码体系，再通过录入或者导入的方法，把这些编码和工件信息录入系统，当有新的工件出现时，再使用人工录入或导入，最后再由系统管理员进行审核。不管如何，这种工件系统都离不开大量的沟通与人工干预。当有大量的工件编码数据时，实际的工件编码需求方和系统管理员之间往往会存在沟通限制。

决策树是1984年由Breiman、Friedman提出的算法。ID3算法采用一种递归分割的技术，对每次样本集的划分计算信息熵，其中，信息熵是度量数据分区或者是样本集的不纯程度，信息熵越小则划分越合理。ID3算法总是将当前样本集分割为多个子样本集，使得生成的决策树的每个非叶结点都有多个分枝。决策树既可以用来做分类树也可以用来做回归树。

发明内容

本发明的目的在于提供一种基于决策树的工件编码方法，通过加工工序以及工件的相关属性特征对工件进行分类，提供一种生成编码速度快、人工成本低且可提升用户的体验的工件编码方法及系统。

实现本发明目的的技术方案为：一种基于决策树的工件编码方法，包括：

选取W道影响工件分类的工序因子，分别计算所述W道工序因子与预设的决策属性之间的相关系数，其中W为大于0的整数；

根据所述相关系数的值从W道工序因子中选取T道工序因子，所述T道工序因子作为影响工序分类的条件属性，其中T为大于0且小于等于W的整数；

获取条件属性对应的信息熵，根据所述信息熵计算得到每个条件属性的信息增益；

根据所述信息增益确定每个条件属性的分割点，判断每个条件的隶属度是否满足并根据所述分割点与相关系数递归构建决策树；

基于所述决策树对工件进行分类并编码，并将结果保存于类别确定模块。

本发明与现有技术相比，具有以下优点：(1)通过获取工件信息，依据工件信息采用ID3决策树的方式来确定工件类别并判断工件类别是否属于预先限定的类别；(2)当工件信息属于预先限定的类别时，则判断工件信息是否已经存在与编码库中；当工件信息存在于编码库中时，则直接获取该物料信息所对应的编码；当工件信息未存在于编码库中时，自动生成编码；当工件类别不属于预先限定的类别时，反馈工件信息。

下面结合说明书附图对本发明作进一步描述。

附图说明

图1为本发明提供的基于决策树的工件编码法方流程图。

图2为本发明提供的ID3决策树的生成方法流程图。

图3为本发明基于决策树的工件编码系统功能模块示意图。

具体实施方式