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