La investigación sobre las reglas de decisión minera del proceso de fabricación de piezas

En el campo de la minería de datos, los métodos de clasificación comúnmente utilizados incluyen máquinas de vectores de soporte, redes neuronales, clasificación bayesiana, etc. Los algoritmos anteriores están orientados principalmente a la distribución irregular de datos, contando con el soporte de big data y minando sus posibles relaciones de asociación a través de medidas similares. Es ampliamente utilizado en campos como el diagnóstico de fallas. Sin embargo, en la industria de fabricación de maquinaria, el diseño de los parámetros de características de las piezas (como el tamaño, la precisión, etc.) se ha estandarizado y, en la ingeniería actual, cada parte de la base de datos corresponde a una única ruta de proceso. Por lo tanto, la tasa de repetición de los datos del proceso es relativamente alta y la cantidad de datos es pequeña, lo que no es adecuado para el procesamiento del algoritmo mencionado anteriormente. Por lo tanto, los investigadores utilizan principalmente la teoría de conjuntos aproximados para guiar la extracción de reglas de decisión de procesos.

Antes de las reglas de decisión minera, primero debemos garantizar la credibilidad de los datos. Esto se debe a que en la ingeniería real, las condiciones de trabajo siempre cambian en tiempo real. Para evitar que una pequeña cantidad de datos atípicos generados por condiciones de trabajo especiales afecten la toma de decisiones, los datos deben predecirse previamente. encargarse de. Por lo tanto, la literatura generalmente usa el método de calcular el soporte y la confianza para obtener datos de proceso típicos.

Basado en el modelo de conjunto aproximado extendido, el conocimiento de preferencias de proceso se extrae de la relación compuesta de equivalencia, similitud y preferencia, que verifica que el conocimiento de preferencias de proceso puede guiar directamente la toma de decisiones del diseñador, y la teoría de conjuntos aproximados no requiere el vínculo de evaluación de viabilidad de reglas de proceso, que es mejor que otros. El método de minería es más sencillo y directo.

Los resultados de la minería de la teoría de conjuntos aproximada incluyen las reglas deterministas obtenidas del conjunto de aproximación inferior y la zona negativa, así como las reglas inciertas de la zona límite. Para explotar más completamente las reglas del proceso de la zona límite, Zhang Z. et al. utilizó un modelo de conjunto aproximado de precisión variable para pasar la precisión Después de los cambios en el proceso de minería, el rango del conjunto de aproximación superior se reduce efectivamente. El conocimiento cualitativo se asigna a la relación de asociación para formar un modelo de fusión de conocimiento, que efectivamente puede extraer más reglas de decisión.

El proceso central del razonamiento de conjunto aproximado es obtener la reducción mínima de atributos. Chen Hao y col. analizaron las anomalías de reducción causadas por el intervalo de inclusión y la región positiva. Para el modelo de conjunto aproximado de precisión variable con tasa de clasificación constante y dominio positivo constante, la matriz de diferencia basada en contenido y el núcleo de atributo para obtener el método de reducción de atributo mínimo. Usando el algoritmo de reducción heurística, primero obtenga el atributo central y calcule la dependencia del atributo. De acuerdo con el orden ascendente de la dependencia, el atributo y el atributo del kernel se combinan a su vez, y finalmente obtienen la reducción mínima del atributo, considere
La falta de homogeneidad de la distribución de la muestra se mejora sobre la base del conjunto aproximado del vecindario, y se propone el modelo del conjunto aproximado del vecino K-más cercano, que elimina efectivamente una gran cantidad de atributos. La minería de reglas de decisión se divide principalmente en dos tipos, uno es minería inductiva y el otro es deducción. Método de minería. La idea principal de la minería inductiva es resumir reglas significativas para la toma de decisiones en conjuntos de datos complejos. Cuando se obtiene el objetivo, haga coincidir los atributos condicionales del conjunto de reglas de acuerdo con los parámetros de atributo del objetivo, para extraer las reglas de toma de decisiones que cumplan con los requisitos de coincidencia. La idea principal de la minería deductiva es dividir el contenido de la decisión en una combinación de varios subconjuntos de decisión y utilizar el conjunto de datos para extraer el ámbito de aplicación de los subconjuntos de decisión. Cuando se obtiene el objetivo, según el objetivo
El parámetro de atributo de destino extrae el subconjunto apropiado de toma de decisiones y lo reorganiza en el contenido de toma de decisiones requerido. En contraste, las reglas de decisión de la minería inferencial son más diversas y tienen un alcance de aplicación más amplio, y la minería inductiva tiene restricciones más estrictas, lo que puede garantizar la confiabilidad de las reglas.

En los documentos mencionados anteriormente, la mayoría de los métodos de procesamiento son minería inductiva. Aunque la confiabilidad de las reglas de decisión está efectivamente garantizada, la fuerte restricción también conduce a la baja utilización de datos y limita la integridad de la base de reglas de decisión. Además, aunque el conjunto aproximado de precisión variable puede reducir efectivamente el área límite, el valor de precisión se establece principalmente mediante la experiencia manual, y demasiados factores humanos reducirán la confiabilidad de la regla de decisión. Por lo tanto, cómo reducir el área límite y mejorar la flexibilidad de las reglas sobre la base de garantizar la confiabilidad de las reglas de toma de decisiones es la principal dirección de investigación de las reglas de toma de decisiones del proceso minero.

Enlace a este artículo: La investigación sobre las reglas de decisión minera del proceso de fabricación de piezas

Declaración de reimpresión: si no hay instrucciones especiales, todos los artículos de este sitio son originales. Indique la fuente de la reimpresión: https: //www.cncmachiningptj.com/，thanks！

El taller PTJ CNC produce piezas con excelentes propiedades mecánicas, precisión y repetibilidad de metal y plástico. Fresado CNC de 5 ejes disponible.Mecanizado de aleaciones de alta temperatura rango incluido mecanizado inconel,mecanizado de monel,Mecanizado de ascología geek,Mecanizado de carpa 49,Mecanizado Hastelloy,Mecanizado Nitronic-60,Mecanizado Hymu 80,Mecanizado de acero para herramientas, etc.,. Ideal para aplicaciones aeroespaciales.Mecanizado CNC produce piezas con excelentes propiedades mecánicas, precisión y repetibilidad de metal y plástico. Fresado CNC de 3 y 5 ejes disponible. Crearemos una estrategia con usted para brindarle los servicios más rentables para ayudarlo a alcanzar su objetivo, bienvenido a contactarnos ( ventas@pintejin.com ) directamente para su nuevo proyecto.