面向工业部门生产质量改进的数据挖掘流程分析

背景与目的：不同工业经历高精度且复杂的过程，需要在发展前分析其数据并发现缺陷。大数据可能包含大量带缺失数据的变量，这些变量对理解何种因素影响质量起着至关重要的作用。因此，工艺专家可能难以确定哪些变量对过程有直接影响。本研究的目的是利用数据挖掘与质量工具构建集成数据分析，以改进生产与过程的质量。材料与方法：在不同步骤中收集数据以减少缺失数据。生产工艺专家推荐从大数据中选出最重要的变量，随后使用预测因子筛选确认了 71 个变量中的 16 个。七个重要变量构建了称为纺织品质量分数的输出变量。在测试十种算法后，评估了提升树与随机森林以提取知识。在投票过程中，确认了三个变量用作实验设计的输入因子。实验设计的响应由数据挖掘估计，并由质量专家确认。中心复合（响应面）运行了 17 次以提取对纺织品质量分数的主效应与交互作用。结果：本研究发现机器生产率对质量有负向影响，这一点由管理层验证。在应用变更后，生产效率提高了 21%。结论：结果确认工业部门质量过程的大幅改进。生产效率提升至 21%，织造过程提升至 23%，整体过程提升至 17.06%。