面向制造业的数据挖掘技术研究与应用

发布时间：2020-08-23 08:46

【摘要】：数据挖掘是致力于数据分析和理解、揭示数据内部蕴藏知识的技术,它成为未来信息技术应用的重要目标之一。经过十几年的努力,数据挖掘产生了许多新概念和方法。特别是最近几年,一些基本概念和方法趋于清晰,它的研究正向着更深入的方向发展。像其它新技术的发展历程一样,数据挖掘技术也必须经过概念提出、概念接受、广泛研究和探索、逐步应用和大量应用等阶段。同时,现代制造业随着工艺、装备和信息技术的不断发展而发展,也产生了大量的有价值的数据,如何高效的利用这些数据为企业服务便日益成为人们关注的焦点。 本文在对数据挖掘技术以及企业生产过程中的数据特点进行充分分析的基础上,提出了在制造业生产领域中充分利用数据挖掘技术,为企业生产加工中的工艺参数优化,过程检测等方面提供解决方案的构想,并研制一套数据挖掘系统工具平台来对此构想进行具体的实现。本文具体完成的工作主要有以下几个方面: 首先,通过对数据挖掘技术在实施过程、系统组成等多个方面的研究与分析,揭示出数据挖掘与传统的数据分析工具之间的差异,使对数据挖掘的理解以及其目的意义更加的明晰。 其次,在解决工艺参数优化的问题中,本文提出了一种正演的方法,即结合使用决策树分类器以及人工神经网络进行综合分析的方法来完成。同时,这种方法还为类似由指标要求反求多个因素的优化组合问题给出了一个很好的解决思路。 再次,在数据挖掘算法的研究直至实现过程中,根据制造业数据的特点,对关联挖掘算法进行改进,使其对多维的制造业数据也能行之有效的进行分析,从而拓展了关联算法应用对象的范围。 最后,在数据挖掘系统工具平台研究方面,按照面向对象的思想
【学位授予单位】：东华大学
【学位级别】：硕士
【学位授予年份】：2006
【分类号】：TH164
【图文】：

图2.1数据挖掘的过程整个步骤如下[22]:1.数据清洗(DataClaemnig):清除数据噪声和与挖掘主题无关的数据。2.数据集成(DataIntgeartion):将不同数据源的数据组合到一起。3.数据转换(Datatransofrmatofn):将数据转换成易于挖掘的数据存储形式。4.数据挖掘(DataMining):使用智能方法挖掘数据模式或知识。5.模式评估(PatternEvaluation):根据某种兴趣度度量，筛选有意义的模式和知识。6.知识表示(Knowledgepresentation):使用可视化和知识表示技术，展示所挖掘的相关知识。

图3.6决策树分类结果本分类是针对同样参数条件下最可能的粗糙度结果进行分类的，根据决策树的分类结果，如图3.6，可以看出各个影响因素的重要按照以下的顺序排列:工件转速>纵向进给速度>切削深度。同时提取出粗糙度的分类规则:l.i(fnw一soor/m&s=0.o94mm/r)thenRa等级为<1.6林m;2.i(fnw=400r/m&s=0.142mm/r)thenRa等级为[3.2林m，6.3pm);3.if(nw=400r/m&s=0.094mm/r&t=0.3mm)thenRa等级为[3.2卜m，6.3pm):

最最大误差差43.7%%%20.7%%%4.87%%%34.4%%%平平均误差差18.6%%%8.29%%%2.20%%%15.1%%%各组神经网络结构的预测结果误差见图3.8:

【相似文献】

相关期刊论文 前10条

1 高阳;;中国数据挖掘研究进展[J];南京大学学报(自然科学版);2011年04期

2 陈瑛琦;扶晓;刘劲;;可视化数据挖掘技术[J];电脑编程技巧与维护;2011年14期

3 罗健萍;吴海;;数据挖掘技术中基于关联规则算法的研究[J];硅谷;2011年13期

4 蒋晖;陈允锋;;数据挖掘及其一种关联规则算法[J];计算机与数字工程;2011年06期

5 金育婵;;数据挖掘技术中基于关联规则算法的研究[J];科技传播;2011年12期

6 唐学军;;基于网格的运动训练数据挖掘研究[J];现代计算机(专业版);2011年10期

7 王娜敏;高艺博;;基于数据挖掘技术的入侵检测系统[J];电脑知识与技术;2011年21期

8 王海军;;数据挖掘提高企业决策分析[J];福建电脑;2011年06期

9 田伟;殷淑娥;;浅析数据挖掘[J];甘肃科技;2011年12期

10 白建伟;;数据挖掘技术在高校图书馆管理中的应用[J];山西青年管理干部学院学报;2011年02期

相关会议论文 前10条

1 马洪杰;曲晓飞;;数据挖掘技术和过程的特点[A];面向21世纪的科技进步与社会经济发展（上册）[C];1999年

2 戈欣;吴晓芬;许建荣;;数据挖掘技术在放射科医疗管理中的潜在作用[A];2009中华医学会影像技术分会第十七次全国学术大会论文集[C];2009年

3 魏元珍;杨沂凤;;数据挖掘技术及其在数字图书馆中的应用[A];网络信息资源的搜集与应用——全国高校社科信息资料研究会第十次年会论文集[C];2004年

4 肖健;沈彩霞;;浅谈数据挖掘技术现状[A];广西计算机学会2008年年会论文集[C];2008年

5 巩耀亮;邱晓东;孙丽君;李树强;;数据挖掘技术在企业竞争情报系统中的应用研究[A];信息时代——科技情报研究学术论文集（第三辑）[C];2008年

6 王洪锋;;数据挖掘在客户关系管理中的应用研究[A];河南省通信学会2005年学术年会论文集[C];2005年

7 姚小磊;彭清华;;数据挖掘技术在中医眼科应用的设想[A];中华中医药学会第七次眼科学术交流会论文汇编[C];2008年

8 张婧;;数据挖掘技术在进销存系统中的应用[A];2006北京地区高校研究生学术交流会——通信与信息技术会议论文集（下）[C];2006年

9 杨利军;勾学荣;;数据挖掘在移动客户流失预测中的研究和应用[A];2008年中国高校通信类院系学术研讨会论文集（上册）[C];2009年

10 孙义明;曾继东;;数据挖掘技术及其应用[A];全国计算机安全学术交流会论文集（第二十二卷）[C];2007年

相关重要报纸文章 前10条

1 ;2009年1-4月分地区信息化学品制造业主要经济指标[N];中国信息报;2009年

2 本报记者 张自然;制造业转移带来软件成长新机遇[N];中国电子报;2005年

3 北京社科院管理所 施昌奎 张耘 刘平 赵江山 孟华;五大城市制造业运营成本比较 北京高居榜首[N];中国工业报;2005年

4 记者 陆涛 通讯员 毛文强;双“百亿元”行业凸现制造业强势[N];长江日报;2005年

5 王振华;制造业：牵动美经济“神经”[N];中国经济导报;2005年

6 烟台中联物流园区有限公司董事长　高世山;制造业与物流园区[N];国际商报;2005年

7 本报记者 何源;经历制造业[N];计算机世界;2005年

8 邓利方;靠自主创新打造制造业基地[N];南方日报;2005年

9 纪卓瑶;“环保时代”制造业的存亡抉择[N];青海日报;2005年

10 本报记者 鲁媛媛;SSA ERP为制造业提速[N];网络世界;2005年

相关博士学位论文 前10条

1 许增福;DL环境下的信息资源管理及知识发现研究[D];哈尔滨工程大学;2005年

2 吴学花;中国产业集聚分析[D];山东大学;2006年

3 庞淑英;三江并流带旅游地质景观数据挖掘及旅游价值评价研究[D];昆明理工大学;2008年

4 洪勇;追赶战略下后发国家制造业技术能力提升研究[D];大连理工大学;2009年

5 赵晨;过程控制中的数据挖掘技术研究及其智能控制策略探讨[D];浙江大学;2005年

6 高清东;复杂供矿条件矿山技术指标整体动态优化系统及应用[D];北京科技大学;2005年

7 李兴;高光谱数据库及数据挖掘研究[D];中国科学院研究生院（遥感应用研究所）;2006年

8 王玉峰;变电站瞬态电磁环境及微机保护系统EMC研究[D];大连理工大学;2007年

9 王咏源;基于组织学习的制造业生产系统知识传递过程研究[D];天津大学;2007年

10 潘海天;数据挖掘技术在聚合过程建模与控制的应用研究[D];浙江大学;2003年

相关硕士学位论文 前10条

1 赵林明;基于数据仓库的信用卡数据挖掘研究[D];山东科技大学;2005年

2 陈骏武;基于数据挖掘技术的电信客户关系管理研究[D];湖南大学;2005年

3 房静;面向CRM的数据挖掘在电力市场营销中的应用[D];天津大学;2004年

4 罗国甫;数据挖掘在银行客户经理考核系统中的应用[D];同济大学;2006年

5 王鑫;数据挖掘中聚类分析算法的研究[D];山东师范大学;2006年

6 袁明;基于网格的数据挖掘应用研究[D];西安电子科技大学;2007年

7 左红武;基于数据挖掘的房地产企业客户关系管理研究[D];昆明理工大学;2006年

8 田静;数据挖掘技术在防范住房信贷风险中的应用[D];贵州大学;2007年

9 柳迎春;电子商务环境下的顾客价值链挖掘[D];吉林大学;2007年

10 朱丽萍;一个支持商务智能的数据仓库系统的设计和实现[D];上海交通大学;2006年

本文编号：2801326