Badania nad regułami podejmowania decyzji w górnictwie w procesie produkcji części
Badania nad regułami podejmowania decyzji w górnictwie w procesie produkcji części
Technologia eksploracji reguł decyzyjnych procesu ma na celu wydobycie relacji między parametrami cech części, metodami przetwarzania i zasobami produkcyjnymi z historycznych danych procesowych i przechowywanie ich w odpowiedniej bazie danych w postaci reguł decyzyjnych. W procesie projektowania procesu, zgodnie z parametrami cech części, dopasuj odpowiednie metody przetwarzania i zasoby produkcyjne i przekaż je rzemieślnikowi w celach informacyjnych. |
W dziedzinie eksploracji danych powszechnie stosowane metody klasyfikacji obejmują maszyny wektorów nośnych, sieci neuronowe, klasyfikację bayesowską itp. Powyższe algorytmy są głównie zorientowane na nieregularną dystrybucję danych, polegającą na wsparciu dużych zbiorów danych i eksplorację ich potencjalnych relacji asocjacyjnych poprzez podobne środki. Jest szeroko stosowany w dziedzinach takich jak diagnostyka usterek. Jednak w przemyśle maszynowym projektowanie parametrów elementów (takich jak rozmiar, dokładność itp.) zostało ustandaryzowane, aw rzeczywistej inżynierii każda część w bazie danych odpowiada tylko jednej trasie procesu. W związku z tym częstotliwość powtarzania danych procesowych jest stosunkowo duża, a ilość danych niewielka, co nie nadaje się do przetwarzania ww. algorytmu. Dlatego badacze najczęściej stosują teorię zbiorów przybliżonych, aby kierować eksploracją reguł decyzyjnych dotyczących procesów.
Przed eksploracją reguł decyzyjnych musimy najpierw zapewnić wiarygodność danych. Dzieje się tak, ponieważ w rzeczywistej inżynierii warunki pracy zawsze zmieniają się w czasie rzeczywistym. Aby niewielka ilość nietypowych danych generowanych przez szczególne warunki pracy nie wpływała na podejmowanie decyzji, dane należy przewidzieć z wyprzedzeniem. uchwyt. Dlatego w literaturze na ogół stosuje się metodę obliczania poparcia i ufności w celu uzyskania typowych danych procesowych.
W oparciu o rozszerzony model zbiorów przybliżonych wiedza o preferencjach procesu jest eksplorowana przez złożoną relację równoważności, podobieństwa i preferencji, która weryfikuje, czy wiedza o preferencjach procesu może bezpośrednio kierować podejmowaniem decyzji przez projektanta, a teoria zbiorów przybliżonych nie wymaga link oceny wykonalności reguły procesu, który jest lepszy niż inne. Metoda wydobywania jest prostsza i bardziej bezpośrednia.
Wyniki eksploracji teorii zbiorów przybliżonych obejmują reguły deterministyczne uzyskane ze zbioru dolnego aproksymacji i strefy ujemnej, a także niepewne reguły strefy brzegowej. W celu pełniejszego poznania zasad procesu strefy granicznej, Zhang Z. et al. wykorzystano model zbioru zgrubnego o zmiennej precyzji, aby przekazać dokładność. W wyniku zmian w procesie wydobycia, zakres górnego zbioru aproksymacyjnego jest skutecznie zmniejszany. Wiedza jakościowa jest mapowana na relację asocjacyjną w celu utworzenia modelu fuzji wiedzy, który może skutecznie wydobywać więcej reguł decyzyjnych.
Podstawowym procesem rozumowania w przypadku zbiorów przybliżonych jest uzyskanie minimalnej redukcji atrybutów. Chen Hao i in. przeanalizowali anomalie redukcji spowodowane interwałem inkluzji i regionem dodatnim. Dla modelu zbioru przybliżonego o zmiennej precyzji ze stałą szybkością klasyfikacji i stałą domeną dodatnią, macierz różnic w oparciu o zawartość i rdzeń atrybutu w celu uzyskania metody minimalnej redukcji atrybutów. Korzystając z algorytmu redukcji heurystycznej, najpierw uzyskaj atrybut podstawowy i oblicz zależność atrybutu. Zgodnie z rosnącą kolejnością zależności, atrybut i atrybut jądra są kolejno łączone, a na końcu uzyskuje się minimalną redukcję atrybutów, rozważ
Niejednorodność rozkładu próbek została poprawiona na podstawie zbioru przybliżonego sąsiedztwa i zaproponowano model zbioru przybliżonego K-najbliższego sąsiada, który skutecznie usuwa dużą liczbę atrybutów. Wydobycie reguł decyzyjnych dzieli się głównie na dwa typy, jeden to wydobycie indukcyjne, a drugi to dedukcja. Metoda górnicza. Główną ideą eksploracji indukcyjnej jest podsumowanie znaczących reguł podejmowania decyzji w złożonych zbiorach danych. Po uzyskaniu celu dopasuj atrybuty warunkowe zestawu reguł zgodnie z parametrami atrybutu celu, aby wyodrębnić reguły podejmowania decyzji, które spełniają wymagania dopasowania. Główną ideą eksploracji dedukcyjnej jest podzielenie treści decyzji na kombinację kilku podzbiorów decyzji i wykorzystanie zestawu danych do zbadania zakresu zastosowania podzbiorów decyzji. Kiedy cel zostanie osiągnięty, zgodnie z celem
Parametr atrybutu target wyodrębnia odpowiedni podzbiór decyzyjny i reorganizuje go w wymaganą treść decyzyjną. W przeciwieństwie do tego, reguły decyzyjne górnictwa inferencyjnego są bardziej zróżnicowane i mają szerszy zakres zastosowania, a górnictwo indukcyjne ma bardziej rygorystyczne ograniczenia, co może zapewnić wiarygodność reguł.
W wyżej wymienionych dokumentach większość metod przetwarzania to wydobycie indukcyjne. Chociaż wiarygodność reguł decyzyjnych jest skutecznie gwarantowana, silne ograniczenie prowadzi również do niskiego wykorzystania danych i ogranicza kompletność podstawy reguł decyzyjnych. Co więcej, chociaż zbiór przybliżony o zmiennej precyzji może skutecznie zmniejszyć obszar graniczny, wartość precyzji jest ustalana głównie przez doświadczenie manualne, a zbyt wiele czynników ludzkich zmniejszy wiarygodność reguły decyzyjnej. Dlatego głównym kierunkiem badawczym reguł decyzyjnych w procesie wydobycia jest to, jak zmniejszyć obszar przygraniczny i poprawić elastyczność reguł w oparciu o zapewnienie wiarygodności reguł decyzyjnych.
Link do tego artykułu: Badania nad regułami podejmowania decyzji w górnictwie w procesie produkcji części
Oświadczenie o przedruku: Jeśli nie ma specjalnych instrukcji, wszystkie artykuły na tej stronie są oryginalne. Proszę wskazać źródło przedruku: https://www.cncmachiningptj.com/,thanks!
Warsztat CNC PTJ produkuje części o doskonałych właściwościach mechanicznych, dokładności i powtarzalności z metalu i tworzywa sztucznego. Dostępne 5-osiowe frezowanie CNC.Obróbka stopu wysokotemperaturowego zakres w tym obróbka inconelowa,obróbka monelu,Obróbka Geek Ascology,Obróbka karpia 49,Obróbka Hastelloy,Obróbka Nitronic-60,Obróbka Hymu 80,Obróbka stali narzędziowej,itp.,. Idealny do zastosowań lotniczych.Obróbka CNC produkuje części o doskonałych właściwościach mechanicznych, dokładności i powtarzalności z metalu i tworzywa sztucznego. Dostępne 3-osiowe i 5-osiowe frezowanie CNC. Opracujemy z Tobą strategię, aby zapewnić najbardziej opłacalne usługi, które pomogą Ci osiągnąć swój cel, zapraszamy do kontaktu z nami ( sprzedaz@pintejin.com ) bezpośrednio do nowego projektu.
- Obróbka 5-osiowa
- Frezowanie CNC
- Toczenie CNC
- Obróbka przemysłowa
- Proces obróbki
- Obróbka powierzchniowa
- Obróbka metali
- Obróbka tworzyw sztucznych
- Formy do metalurgii proszków
- Die Casting
- Galeria części
- Auto części metalowe
- Części maszynerii
- Radiator LED
- Części budowlane
- Części mobilne
- Części medyczne
- Części elektroniczne
- Obróbka na miarę
- Części rowerowe
- Obróbka aluminium
- Obróbka tytanu
- Obróbka stali nierdzewnej
- Obróbka miedzi
- Obróbka mosiądzu
- Obróbka super stopów
- Obróbka podglądowa
- Obróbka UHMW
- Jednolita obróbka
- Obróbka PA6
- Obróbka PPS
- Obróbka teflonowa
- Obróbka Inconelu
- Obróbka stali narzędziowej
- Więcej materiału