压力容器焊接质量控制中的数据挖掘方法及其应用研究

摘要

目前，焊接在压力容器生产制造过程中的地位越来越重要，为了确保压力容器的质量，实行焊接质量的控制和管理显得尤为关键。当前计算机技术以及数据库技术的飞速发展，现代制造业在生产过程中已经产生海量数据，很显然，传统的统计方法在此陷入了困境，已经不能满足当今时代的发展需要。本文针对现代制造业中的海量数据无法提取知识的问题，结合某公司的实际项目，将数据挖掘技术应用于制造行业中的焊接质量控制当中。本文在前人研究的基础上，重点研究了压力容器焊接质量控制的工作，研究内容归纳如下:
　　首先，针对压力容器焊接质量不合格的现象，从质量管理5M1E（操作者、机器设备、原材料、工艺方法、环境和测量）等多个方面，全过程、多方位、多角度的来分析影响压力容器焊接质量的因素，缩小焊接质量异常范围。
　　其次，本文提出了基于特征选择与决策树C5.0相结合的分类方法，首先采用特征选择算法对大量的特征进行降维处理，将降维后的焊接数据，利用决策树C5.0算法构建焊接分类模型，从而找出影响焊接质量不合格的影响因素。将这些重要因素看作“质量控制点”并严格控制。
　　最后，将决策树算法与神经网络算法和Logistic回归算法进行比较，实验表明，针对本文中研究的问题，决策树方法的准确性要优于神经网络算法和Logistic回归算法，并将决策树分析的结果应用于焊接工作中公司的实际，焊接问题得到了明显的改善，其理念和指导思想在压力容器制造行业中具有一定的推广应用价值。

目录

声明

摘要

第一章 绪论

1．1 研究背景

1．2 研究的目的与意义

1．3 国内外研究现状

1．4 研究内容

1．5 研究的技术路线

第二章 焊接质量控制概述

2．1 质量和质量管理

2．2 焊接质量控制

2．3 本章小结

第三章 焊接质量控制数据挖掘原理及算法选择研究

3．1 数据挖掘产生背景

3．2 数据挖掘定义

3．3 数据挖掘的基本原理

3．4 经典算法选择研究

3．5 特征选择算法

3．6 决策树算法

3．7 本章小结

第四章 焊接质量控制中的数据挖掘模型应用

4．1 某压力容器制造企业简介

4．2 基于数据挖掘的质量分析流程

4．3 构建决策树的焊接质量控制模型

4．4 与其他主要数据挖掘方法的对比分析

4．5 本章小结

第五章 结论与展望

5．1 结论

5．2 展望

参考文献

发表论文和参加科研情况说明

致谢