部品製造工程の採掘決定ルールに関する研究
部品製造工程の採掘決定ルールに関する研究
プロセス決定ルールマイニングテクノロジは、履歴プロセスデータから部品の機能パラメータ、処理方法、製造リソース間の関係をマイニングし、それらを決定ルールの形式で対応するデータベースに保存することを目的としています。 プロセス設計の過程で、部品の特徴パラメータに従って、対応する処理方法と製造リソースを一致させ、参照のために職人にプッシュします。 |
データマイニングの分野で一般的に使用される分類方法には、サポートベクターマシン、ニューラルネットワーク、ベイズ分類などがあります。上記のアルゴリズムは、主に不規則なデータ分散を対象としており、ビッグデータのサポートに依存し、同様の対策。 故障診断などの分野で広く使用されています。 しかし、機械工業では部品の形状パラメータ(サイズ、精度など)の設計が標準化されており、実際のエンジニアリングでは、データベース内の各部品はXNUMXつのプロセスルートにしか対応していません。 そのため、プロセスデータの繰り返し率が比較的高く、データ量が少ないため、上記のアルゴリズム処理には適さない。 したがって、研究者は主にラフ集合理論を使用して、プロセス決定ルールのマイニングをガイドします。
決定ルールをマイニングする前に、まずデータの信頼性を確認する必要があります。 これは、実際のエンジニアリングでは、作業条件が常にリアルタイムで変化するためです。 特別な労働条件によって生成された少量の非定型データが意思決定に影響を与えないようにするには、データを事前に予測する必要があります。 取り持つ。 したがって、文献では一般に、サポートと信頼度を計算する方法を使用して、典型的なプロセスデータを取得します。
拡張ラフ集合モデルに基づいて、プロセス選好知識は、同等性、類似性、および選好の複合関係によってマイニングされます。これにより、プロセス選好知識が設計者の意思決定を直接導くことができ、ラフ集合論は必要ありません。プロセスルールの実現可能性評価リンク。これは他のリンクよりも優れています。 マイニング方法はより単純でより直接的です。
ラフ集合理論のマイニング結果には、より低い近似集合と負のゾーンから得られた決定論的ルール、および境界ゾーンの不確実なルールが含まれます。 境界ゾーンのプロセスルールをより完全にマイニングするために、Zhang Z. etal。 可変精度ラフ集合モデルを使用して精度を渡しました。マイニングプロセスの変更に続いて、上位近似セットの範囲が効果的に縮小されます。 定性的知識は関連関係にマッピングされ、知識融合モデルを形成します。これにより、より多くの決定ルールを効果的にマイニングできます。
ラフ集合推論のコアプロセスは、最小の属性削減を取得することです。 Chen Hao etal。 包含間隔と正の領域によって引き起こされる減少異常を分析しました。 一定の分類率と一定の正のドメインを持つ可変精度ラフ集合モデルの場合、最小属性削減方法を取得するためのコンテンツベースの差分行列と属性コア。 ヒューリスティック削減アルゴリズムを使用して、最初にコア属性を取得し、属性の依存関係を計算します。 依存関係の昇順に従って、属性とカーネル属性が順番に結合され、最終的に最小限の属性削減が得られます。
近傍ラフ集合に基づいてサンプル分布の不均一性を改善し、多数の属性を効果的に除去するK最近傍ラフ集合モデルを提案します。 デシジョンルールマイニングは、主にXNUMXつのタイプに分けられます。XNUMXつは帰納的マイニングで、もうXNUMXつは演繹です。 マイニング方法。 帰納的マイニングの主なアイデアは、複雑なデータセットに意味のある意思決定ルールを要約することです。 ターゲットが取得されたら、ターゲットの属性パラメーターに従ってルールセットの条件付き属性を一致させ、一致する要件を満たす意思決定ルールを抽出します。 演繹的マイニングの主なアイデアは、意思決定コンテンツをいくつかの意思決定サブセットの組み合わせに分割し、データセットを使用して意思決定サブセットの適用範囲をマイニングすることです。 ターゲットに応じて、ターゲットが取得されたとき
ターゲット属性パラメーターは、適切な意思決定サブセットを抽出し、それを必要な意思決定コンテンツに再編成します。 対照的に、推論マイニングの決定ルールはより多様で適用範囲が広く、帰納的マイニングにはより厳しい制約があり、ルールの信頼性を確保できます。
上記の文書では、ほとんどの処理方法は帰納的採掘です。 決定ルールの信頼性は効果的に保証されますが、強い制約はデータの使用率を低下させ、決定ルールベースの完全性を制限します。 さらに、可変精度ラフ集合は境界領域を効果的に減らすことができますが、精度値は主に手動の経験によって設定され、人的要因が多すぎると決定ルールの信頼性が低下します。 したがって、意思決定ルールの信頼性を確保することに基づいて、境界領域を縮小し、ルールの柔軟性を向上させる方法が、マイニングプロセスの意思決定ルールの主な研究の方向性です。
この記事へのリンク: 部品製造工程の採掘決定ルールに関する研究
転載声明:特別な指示がない場合、このサイトのすべての記事はオリジナルです。 転載元をご記入ください:https://www.cncmachiningptj.com/、ありがとうございます!