[发明专利]改进的产品质量异常数据FP-Growth关联分析方法

摘要

本发明属于工业大数据技术领域，具体是一种改进的产品质量异常数据FP‑Growth关联分析方法。本发明主要内容包括：产品质量异常数据关联分析，对产品生产质量与生产过程数据执行多因素关联分析，基于多因素关联分析算法挖掘得到一系列关联规则，从中发现质量数据中某些指标的潜在问题，方便定位造成产品质量异常影响的因素；FP‑Tree数据结构改进，即在FP‑Tree频繁项头表的基础上新增字段tail_Link，记录每一个数据项当前的最后一个节点，以避免插入新节点时的重复遍历链表操作，提高FP‑Tree建树效率；FP‑Growth关联算法并行化策略的改进，对每个事务集组并行执行FP‑Growth算法挖掘频繁模式，打破原有“先建树，后并行”的模式，提高并行化执行中各个节点的计算效率。

主权项

1.一种改进的产品质量异常数据FP‑Growth关联分析方法，首先，使用企业制造执行MES系统中的产品工序生产数据、外观检测/X光检测/动平衡检测数据数据构建的质量分析数据模型，经过数据清洗、属性特征抽签、连续性数据离散化等数据预处理形成质量分析数据集；统计分析加工设备、操作人员、毛坯、生产工艺参数与产品质量合格率之间的单因素影响关系；然后，对产品生产质量与生产过程数据执行多因素关联分析，基于FP‑Growth算法的多因素关联分析挖掘得到一系列关联规则；基于FP‑Growth算法的多因素关联分析能够通过调整关联分析的支持度与置信度来尽量使挖掘到的关联规则涵盖与产品质量异常的所有相关特征指标，提升关联分析模型的数据挖掘能力；其特征在于，对FP‑Tree数据结构的改进，即通过给FP‑Tree中的频繁项头表数据结构增加一个新的字段，构建新的FP‑Tree数据结构；改进的具体流程如下：对频繁项头表新增属性tail_Link，项头表的主键不变，还是项目名称item_Name；新增属性用于记录每一个数据项当前的最后一个节点；根据这种新的频繁项头表数据结构，执行insert_tree()算法在项头表插入新节点时，可以避免遍历当前节点的链表使算法效率不佳，直接通过tail_Link属性找到表尾进行新节点的插入；引入改进的频繁项头表后，新的FP‑Tree构造算法如下：FP‑Tree(D, minsup)输入：原始事务集D，最小支持度minsup；输出：事务集D的FP‑Tree；（1）扫描事务集D，对频繁项的集合F及其支持度进行计算；按照支持度降序的方式整理集合F，获得频繁项头表H；（2）新建一个FP‑Tree的根结点R，用null表示；（3）对D中的事务进行Trans操作：按照H中的次序对Trans 中的频繁项进行相应的排序，频繁项表用记作[p|P]，第一个元素用p表示，剩余元素的表用P表示；随后执行函数insert_tree([p|P], R)；执行函数insert_tree([p|P],T)的具体流程为：（a）假如T的子节点N，满足N.item‑name = p.item‑name，那么，N的计数相应增加1；（b）假如T的子节点N，不满足N.item‑name = p.item‑name，则对新结点N进行创建，将其计数设置1，并和其父结点T进行链接，在与它同名的频繁项头表的tail_Link属性中找到当前最末节点，添加此新节点N，并设新节点N为新的tail_Link；（c）如果P非空，递归地调用函数insert_tree(P, N)。