江苏龙网

  1. 首页 > 人文 > >

一种基于制造大数据的产品工艺自适应设计方法( 三 )

T：
一种基于制造大数据的产品工艺自适应设计方法文章插图
式（1）中 ，
一种基于制造大数据的产品工艺自适应设计方法文章插图
是输入 ，
一种基于制造大数据的产品工艺自适应设计方法文章插图
是输出 ， 分类问题
一种基于制造大数据的产品工艺自适应设计方法文章插图
是离散型变量 ， 回归问题
一种基于制造大数据的产品工艺自适应设计方法文章插图
【一种基于制造大数据的产品工艺自适应设计方法】 是连续型变量 。 目的是构建一个预测模型
一种基于制造大数据的产品工艺自适应设计方法文章插图
， 对于新的输入
一种基于制造大数据的产品工艺自适应设计方法文章插图
预测得到输出
一种基于制造大数据的产品工艺自适应设计方法文章插图
。
（2）聚类分析指用非监督学习的方法将实例分为自然组 ， 基于实例数据背后的隐藏模式 ， 将相似的实例聚集于对应的簇中 。 聚类分析方法在制造数据挖掘中广泛应用 ， 例如 ， 在故障预测中收集大量的故障实例 ， 根据故障特征进行聚类 ， 发现故障中可能存在的子类 。 常用的聚类算法有 K-means 法 [21]、最大期望值算法 [22]、贝叶斯聚类 [23] 等 。
（3）关联性分析可以表达为“规则形式” 。 例如 ， “if X then Y”的关联规则可以解释为满足条件 X 的某产品很可能也会满足条件 Y 。 制造大数据中的关联性分析是确定设计约束的重要因素之一 ， 通过挖掘关联规则可以发现影响产品质量的因素 ， 从而在设计决策时调整设计变量 ， 达到自适应设计的目的 。
（五）数据可视化
数据可视化指数据在视觉上的直观表现形式 ， 利用图像处理、计算机图形学和用户界面等对数据进行表达、建模和动画演示 。 数据可视化通常采用散点图、矩阵图、曲面等直观表现形式 ， 在庞大的数据集中呈现有价值的信息 [24] ， 加深用户对数据的理解 ， 加快信息的获取速度 。 根据数据类型可将数据可视化分为高维数据可视化、时序数据可视化、层次数据可视化和网络数据可视化 [25] 。
（六）设计决策
通过数据挖掘得出的知识与关联模式可用于辅助设计决策 ， 如决定设计参数、产品架构、工艺流程等（见图 4） 。 当确立新的执行方案并下达执行后 ， 数字孪生系统将从制造执行系统中收集产生的数据 。 这些数据在设计决策中有如下应用：一是在数据库中存储用于数据挖掘；二是及时向设计者提供反馈并辅助设计决策 ， 验证产品工艺设计决策的可行性与合理性 。
一种基于制造大数据的产品工艺自适应设计方法文章插图
图 4 数据挖掘辅助设计决策流程
三、制造大数据在产品工艺自适应设计中的应用——以数据挖掘为例
为更好地了解制造大数据在产品工艺设计中发挥的驱动作用 ， 以数据挖掘在某汽车产品焊接工艺优化中的应用为案例进行阐述 。 汽车产品在焊接制造过程收集到的工艺数据主要有用于焊接过程控制的工艺参数、用于质量检测的焊缝射线图像等 。 焊缝射线图像数据不能直接用于数据分析 ， 需要先进行焊缝射线图像缺陷检测 ， 然后再分析焊缝缺陷与焊接工艺参数之间的关系 。
（一）焊接射线图像缺陷检测
射线检测是焊接质量检测中广泛采用的方法 ， 可以精确检测出缺陷的位置、形状、大小及分布情况 。 对于射线检测过程中产生的焊缝射线图像（见图 5） ， 传统的图像处理方法多是由专业人员利用经验对缺陷进行检测评价来进行的 ， 而这种方法存在检测效率低、对检验人员的技术能力要求高、无法适用于大量图像分析工作等问题 。 为此 ， 运用语义分割算法进行焊缝缺陷的自动检测 ， 将射线图像的每一个像素进行分类 ， 如背景、气孔、夹渣、裂纹等 。


推荐阅读


上一篇：iPhone12全系详细参数对比

下一篇：韩国大规模弃用5G，三星终于想到向华为求助了