隨著我國(guó)鋼鐵行業(yè)持續(xù)推進(jìn)智能制造與兩化融合建設(shè),工業(yè)軟件生產(chǎn)制造執(zhí)行系統(tǒng)（MES）、產(chǎn)銷(xiāo)系統(tǒng)（ERP）是支撐制造型企業(yè)實(shí)現(xiàn)智能制造的核心要素,多年來(lái),在系統(tǒng)里積累存儲(chǔ)了大量的生產(chǎn)經(jīng)營(yíng)活動(dòng)相關(guān)數(shù)據(jù),數(shù)據(jù)挖掘技術(shù)可應(yīng)用這些海量數(shù)據(jù)為企業(yè)挖掘提煉隱藏其中有價(jià)值的信息,用“數(shù)據(jù)”說(shuō)話(huà),找到影響產(chǎn)品質(zhì)量、成本的重要影響因素,從而達(dá)到優(yōu)化工藝、減少缺陷、降低成本和提高產(chǎn)品成材率的目的,為企業(yè)實(shí)現(xiàn)智能化生產(chǎn)奠定基礎(chǔ)。本論文針對(duì)鞍鋼股份有限公司中厚板廠產(chǎn)品性能進(jìn)行預(yù)測(cè)分析。重點(diǎn)研究中厚板產(chǎn)品性能參數(shù)、生產(chǎn)工藝流程、化學(xué)成分等影響產(chǎn)品性能的各項(xiàng)因素,通過(guò)采集和整合中厚板廠各級(jí)信息系統(tǒng)中與生產(chǎn)經(jīng)營(yíng)相關(guān)的各項(xiàng)數(shù)據(jù),構(gòu)建中厚板主題數(shù)據(jù)池,規(guī)范數(shù)據(jù)標(biāo)準(zhǔn),建立中厚板生產(chǎn)工序360全景數(shù)據(jù)視圖,實(shí)現(xiàn)數(shù)據(jù)資源共享。利用先進(jìn)的大數(shù)據(jù)分析技術(shù)構(gòu)建數(shù)據(jù)多維分析、關(guān)聯(lián)分析及預(yù)測(cè)分析等模型,對(duì)數(shù)據(jù)進(jìn)行不同層次的信息提取和深度挖掘,實(shí)現(xiàn)從數(shù)據(jù)到信息再到知識(shí)的轉(zhuǎn)化。本論文使用IBM SPSS Modeler平臺(tái),將數(shù)據(jù)池中的數(shù)據(jù)樣本輸入分類(lèi)回歸樹(shù)、線(xiàn)性回歸、廣義線(xiàn)性以及人工神經(jīng)網(wǎng)絡(luò)四種數(shù)據(jù)挖掘模型中,通過(guò)反復(fù)訓(xùn)練和校驗(yàn)預(yù)測(cè)模型并結(jié)... 

【文章來(lái)源】：大連理工大學(xué)遼寧省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：66 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景
    1.2 研究現(xiàn)狀
    1.3 主要研究?jī)?nèi)容
2 中厚板產(chǎn)品工藝、性能分析與預(yù)測(cè)方法
    2.1 中厚板產(chǎn)品性能預(yù)測(cè)指標(biāo)參數(shù)分析
    2.2 煉鋼連鑄、中厚板生產(chǎn)工藝
    2.3 影響中厚板產(chǎn)品性能因素分析
    2.4 中厚板產(chǎn)品性能預(yù)測(cè)方法
    2.5 本章小結(jié)
3 系統(tǒng)設(shè)計(jì)
    3.1 系統(tǒng)需求分析
    3.2 系統(tǒng)架構(gòu)設(shè)計(jì)
    3.3 系統(tǒng)功能設(shè)計(jì)
        3.3.1 數(shù)據(jù)池的主要功能
        3.3.2 數(shù)據(jù)挖掘的主要功能
        3.3.3 人機(jī)交互仿真平臺(tái)的主要功能
    3.4 本章小結(jié)
4 系統(tǒng)實(shí)現(xiàn)
    4.1 數(shù)據(jù)池的建立
        4.1.1 構(gòu)建數(shù)據(jù)池
        4.1.2 數(shù)據(jù)治理
    4.2 抗拉強(qiáng)度性能預(yù)測(cè)模型的創(chuàng)建及訓(xùn)練
        4.2.1 數(shù)據(jù)導(dǎo)入
        4.2.2 數(shù)據(jù)校核與數(shù)據(jù)優(yōu)化
        4.2.3 確定預(yù)測(cè)模型的影響因素及角色分配
        4.2.4 線(xiàn)性回歸預(yù)測(cè)模型的創(chuàng)建
        4.2.5 分類(lèi)回歸預(yù)測(cè)模型的創(chuàng)建
        4.2.6 神經(jīng)元網(wǎng)絡(luò)預(yù)測(cè)模型的創(chuàng)建
        4.2.7 廣義線(xiàn)性預(yù)測(cè)模型的創(chuàng)建
    4.3 本章小結(jié)
5 系統(tǒng)模型評(píng)估
    5.1 模型評(píng)估標(biāo)準(zhǔn)的建立
        5.1.1 拉伸強(qiáng)度
        5.1.2 屈服強(qiáng)度
        5.1.3 延伸率強(qiáng)度
    5.2 模型評(píng)估結(jié)論
    5.3 模型的仿真應(yīng)用
    5.4 本章小結(jié)
結(jié)論
參考文獻(xiàn)
附錄A 性能預(yù)測(cè)最終表
附錄B 字段類(lèi)型表
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于隨機(jī)森林的鋼材性能預(yù)報(bào)與影響因素篩選[J]. 楊威,李維剛,趙云濤,嚴(yán)�？�,王文波.  鋼鐵. 2018(03)
[2]基于數(shù)據(jù)自動(dòng)分析與決策的全流程質(zhì)量管控平臺(tái)[J]. 張國(guó)紅,戴亞輝,崔永歡.  冶金自動(dòng)化. 2017(06)
[3]論如何利用大數(shù)據(jù)技術(shù)實(shí)現(xiàn)鋼卷的性能預(yù)測(cè)[J]. 李會(huì)娟.  中國(guó)管理信息化. 2017(10)
[4]鋼鐵企業(yè)轉(zhuǎn)爐煉鋼耗氧量預(yù)測(cè)模型研究[J]. 王紅君,蔣偉杰,趙輝,岳有軍.  計(jì)算機(jī)仿真. 2017(04)
[5]產(chǎn)品質(zhì)量模型與控制模型的研究及應(yīng)用[J]. 陳萬(wàn)慶,陳昆昌,李仁旺,榮杰,曹衍龍.  成組技術(shù)與生產(chǎn)現(xiàn)代化. 2016(04)
[6]熱軋C-Mn鋼工業(yè)大數(shù)據(jù)預(yù)處理對(duì)模型的改進(jìn)作用[J]. 吳思煒,周曉光,曹光明,史乃安,劉振宇,王國(guó)棟.  鋼鐵. 2016(05)
[7]大數(shù)據(jù)背景下災(zāi)害年份糧情信息模型仿真[J]. 郭小波,張德賢.  計(jì)算機(jī)仿真. 2016(01)
[8]橋梁纜索用SWRS82B鋼熱軋盤(pán)條的組織性能預(yù)報(bào)研究[J]. 牛國(guó)鋒,宋仁伯,張磊,孫君君,回士旭.  河北冶金. 2015(06)
[9]冶金全流程工藝質(zhì)量在線(xiàn)監(jiān)控和離線(xiàn)分析診斷系統(tǒng)[J]. 呂志民,徐鋼,毛文赫,殷實(shí),杜建新.  冶金自動(dòng)化. 2015(03)
[10]萊鋼全流程低氧位超低碳鋼生產(chǎn)技術(shù)優(yōu)化與應(yīng)用[J]. 鄒春鋒,郭偉達(dá),張佩,韓蕾蕾,高志濱.  江西冶金. 2015(02)

碩士論文
[1]基于BP神經(jīng)網(wǎng)絡(luò)的轉(zhuǎn)爐供氧模型的研究與應(yīng)用開(kāi)發(fā)[D]. 付佳.冶金自動(dòng)化研究設(shè)計(jì)院 2014
[2]基于數(shù)據(jù)挖掘的高校教學(xué)管理決策支持系統(tǒng)研究[D]. 呂慎敏.山東師范大學(xué) 2012
[3]基于數(shù)據(jù)挖掘的馬鋼CSP熱軋板卷的性能預(yù)測(cè)[D]. 張祝亭.安徽工業(yè)大學(xué) 2012
[4]數(shù)據(jù)挖掘在熱軋板帶質(zhì)量預(yù)測(cè)中的應(yīng)用[D]. 鄭楊元.昆明理工大學(xué) 2009



本文編號(hào)：3605659