[发明专利]基于离群数据挖掘的机械产品加工工序异常并行检测方法

说明书

本发明基于离群数据挖掘的机械产品加工工序异常并行检测方法，属于机械产品加工数据分析与处理技术领域；所要解决的技术问题为提供一种基于离群数据挖掘的机械产品加工工序异常检测方法，该方法从加工生产所积累的大量合格机械产品数据中检测偏离大多数产品的离群数据，其检测结果，可转换为产品加工工序的质量分析；技术方案为：包括以下步骤：a、机械产品加工工序数据预处理；b、机械产品加工工序异常并行检测；本发明通过检测合格产品中加工工序的异常现象，从而发现制造系统中的设备性能衰退、精度缺失、易耗件的磨损、工艺参数的不稳定等一系列隐性问题。

技术领域

本发明基于离群数据挖掘的机械产品加工工序异常并行检测方法，属于机械产品加工数据分析与处理技术领域。

背景技术

随着“中国制造2025”的提出和推进，智能制造成为工业变革的重要方面，同时，信息感知技术和工业大数据的蓬勃兴起，为智能制造的深入研究提供了数据保障。麦肯锡研究院曾在报告中指出，“制造行业大数据仅在2010年就超过2EB的规模”。跟其它领域大数据相比，工业大数据具有专业性、时序性、流程性和关联性等特点。工业大数据推动了制造业向智能制造的转型，开展智能制造，必须对企业大数据做出深入、细致的分析，从而有效提取能优化生产系统的有价值知识。

大数据在智能制造过程中有许多应用场景，比如：生产系统质量的预测性管理、设备的健康管理及预测性维护、制造企业的供应链优化、产品精确营销、智能装备和生产系统的自省性与自重构能力等等。利用大数据分析能实现从传统制造中的解决问题到智能制造中的避免问题的转换；而且利用大数据分析可预测智能制造中的隐性问题，实现生产系统的自省性；利用大数据分析还可以实现智能制造中的逆向工程问题。

制造系统中的隐性问题包括设备性能衰退、精度缺失、易耗件的磨损、工艺参数的不稳定等，所有显性问题都是隐性问题积累到一定程度后所触发的。这些隐性问题已经在不同程度上影响了产品的质量，因此需要在生产之前，对隐性问题进行分析，消除不良影响，减少废品、次品的生产比例。但是这些问题很难有效判断，解决这个问题的一个有效途径是产品质量的预测分析，尤其对带有隐蔽瑕疵的合格产品进行有效预测，能弥补由隐性问题所带来的不良后果。产品异常加工工序中隐藏着造成产品缺陷的隐性问题，通过对异常加工工序的检测、分析，能有效提取有价值知识，以此预测产品最终质量，为工作人员做出工艺调整、检测原材料缺陷、维护磨损设备、中止部分产品的生产等控制决策提供依据，从而可提高生产效益、减少企业损失。同时，可通过异常加工工序中的生产数据，逆向推导产生异常的生产设备，为寻找隐性问题提供预测模型。

数据挖掘就是从大数据中提取有价值的、未被人类掌握和发现的知识与规律，其挖掘结果可用于智能决策、生产控制、过程分析、信息管理等方面。随着大数据时代的到来，传统的计算软硬件已无法满足海量数据的需求，并行和分布式计算成为大数据分析处理的有效手段，借助大量廉价的计算机硬件资源，协同工作，共同解决大数据中的计算任务。因此，将数据挖掘与并行计算融合到智能制造中，是一个非常有价值的课题。

发明内容

本发明克服现有技术存在的不足，所要解决的技术问题为提供一种基于离群数据挖掘的机械产品加工工序异常检测方法，该方法从加工生产所积累的大量合格机械产品数据中检测偏离大多数产品的离群数据，这些离群数据在某些工序或中间数据中具有明显的偏离特征，可能是少量的高质量产品，更可能是带有隐性问题的劣等合格产品，机械产品加工生产中离群数据的检测结果，可转换为产品加工工序的质量分析，为机械制造企业做出优化生产决策，进一步提高产品质量，提供重要的决策支持。

为了解决上述技术问题，本发明采用的技术方案为：基于离群数据挖掘的机械产品加工工序异常并行检测方法，包括以下步骤：

a、机械产品加工工序数据预处理：对机械产品加工工序数据进行数据清洗和数据转换，生成适用于离群数据挖掘的工序数据集，并将其上传到Hadoop集群系统的HDFS；