基于大数据分析的螺栓拧紧工艺质量评价方法研究

摘要

螺栓拧紧工艺广泛应用于制造业等领域,其工艺完成的质量直接影响产品的良品率,为了保证产品的质量和企业声誉,需要对螺栓拧紧工艺建立一套深入完善的评价方法。螺栓拧紧工艺涉及到扭矩、转角等多种、大量的数据,传统的数理统计方法对此分析有很大的局限性,难以保证企业对质量管理的更高要求,借助工业大数据分析方法可以建立一套深度质量评价方法。
　　本文首先建立了工业大数据分析方案。在数据采集装置和分析平台之间建立数据接口,以此完成数据集的获取;对样本数据进行数据清洗、去除离群点等数据预处理;进一步的,对数据进行特征提取,建立数据模型,形成一套完整的工业大数据分析方案。
　　针对螺栓拧紧数据的特点,分析机器学习算法,选择了聚类算法作为主要研究手段。针对具体的两类螺栓拧紧数据特点分别选择K-means和DBSCAN两种聚类算法并对已有数据进行深度分析,为最终质量评价方法的建立打下基础。
　　最后,在介绍了基于大数据分析的等级评价方法之后,结合质量控制的6sigma体系对工业实例中内燃机生产工厂的高强度螺栓和普通螺栓拧紧数据分别建立了质量评价方法。通过这一基于大数据分析的螺栓拧紧质量评价方法的建立,一定程度地对企业实际生产具有质量分级、提高良品率和降低生产成本的作用,也对大数据分析和质量评价方法的结合应用研究有着一定指导借鉴意义。

目录

声明

摘要

第1章 绪论

1．1 研究背景及研究意义

1．2 工业大数据及质量评价方法的研究现状

1．2．1 大数据及质量评价的相关应用

1．2．2 工业大数据及质量评价在国内外的研究现状

1．3 本文的主要工作

1．3．1 工业大数据分析方案的建立

1．3．2 应用机器学习算法对螺栓数据的分析处理

1．3．3 对6 sigma质量评价方法的研究

1．4 论文的组织结构

2．1 相关业务介绍

2．1．1 螺栓拧紧的工艺过程介绍

2．1．2 螺栓类型介绍

2．2 相关技术介绍

2．2．1 大数据技术

2．2．2 机器学习技术

2．2．3 6 sigma管理技术与3 sigma准则

2．3 本章小结

3．1 数据预处理

3．1．1 大数据分析环境的建立

3．1．2 故障螺栓数据的处理

3．1．3 建立数据模型

3．2 聚类算法分析及实现

3．2．1 聚类算法的原理

3．2．2 聚类算法的分类原则和方法对比

3．2．3 K-means聚类算法介绍及实现

3．2．4 DBSCAN聚类算法介绍及实现

3．2．5 聚类算法的适用性分析

3．3 本章小结

第4章 基于大数据分析的质量等级评价方法

4．1 基于大数据分析的等级评价方法的创建

4．2 基于3 sigma准则的质量等级划分方法

4．3 决策树在等级确立中的应用

4．4 本章小节

5．1 工业案例描述

5．1．1 内燃机相关螺栓的拧紧问题描述

5．1．2 两种螺栓拧紧数据的算法选择分析

5．2 K-means在高强度螺栓数据中的应用分析

5．2．1 高强度螺栓拧紧流程及现状

5．2．2 基于K-means的高强度螺栓大数据分析方案

5．2．3 高强度螺栓基于6 sigma质量评价方法的分析

5．3 DBSCAN在普通螺栓数据中的应用分析

5．3．1 普通螺栓拧紧流程及现状

5．3．2 基于DBSCAN的普通螺栓大数据分析方案

5．3．3 普通螺栓基于6 sigma质量评价方法的分析

5．4 本章小结

6．1 结论

6．2 展望

参考文献

致谢

攻读学位期间发表的学术论文目录