【摘要】：在工業(yè)生產(chǎn)向智能化轉(zhuǎn)型的時(shí)期,仍有大量制造業(yè)處于傳統(tǒng)的生產(chǎn)模式,存在信息傳遞慢、綜合生產(chǎn)管理難,以及工藝參數(shù)調(diào)控復(fù)雜等問(wèn)題,導(dǎo)致決策與實(shí)際生產(chǎn)脫節(jié)。針對(duì)這一問(wèn)題,本文以包裝行業(yè)中鋁箔內(nèi)襯紙生產(chǎn)為研究對(duì)象,設(shè)計(jì)了一套基于物聯(lián)網(wǎng)的生產(chǎn)設(shè)備狀態(tài)監(jiān)測(cè)系統(tǒng),對(duì)生產(chǎn)車間的各個(gè)工位設(shè)備生產(chǎn)狀態(tài)數(shù)據(jù)進(jìn)行采集與實(shí)時(shí)監(jiān)測(cè),以及時(shí)應(yīng)對(duì)生產(chǎn)中出現(xiàn)的各種異常情況,同時(shí)以直觀的方式監(jiān)測(cè)生產(chǎn);同時(shí)本文針對(duì)工業(yè)生產(chǎn)中的產(chǎn)品質(zhì)量預(yù)測(cè)方面,提出了一種具有普遍適用性的分析方法,通過(guò)集成學(xué)習(xí)中的XGBoost算法構(gòu)建產(chǎn)品質(zhì)量預(yù)測(cè)模型,進(jìn)行產(chǎn)品良品率的預(yù)測(cè),以改善質(zhì)量控制中人工調(diào)控的低效率、低準(zhǔn)確率現(xiàn)象。首先,提出了車間設(shè)備生產(chǎn)狀態(tài)監(jiān)測(cè)與數(shù)據(jù)分析系統(tǒng)的總設(shè)計(jì)方案與整體結(jié)構(gòu),包括由傳感器終端設(shè)備與上位機(jī)監(jiān)控組態(tài)軟件組成的監(jiān)測(cè)系統(tǒng),以及基于XGBoost算法構(gòu)建的數(shù)據(jù)分析預(yù)測(cè)模型。其次,設(shè)計(jì)了一套基于物聯(lián)網(wǎng)的數(shù)據(jù)采集監(jiān)測(cè)系統(tǒng),通過(guò)傳感器儀表組合架構(gòu)完成多工位設(shè)備的狀態(tài)數(shù)據(jù)采集,并通過(guò)靈活的組網(wǎng)方式實(shí)現(xiàn)網(wǎng)絡(luò)通信功能;同時(shí)在上位機(jī)中對(duì)工業(yè)組態(tài)軟件進(jìn)行組態(tài)界面及功能的設(shè)計(jì),完成生產(chǎn)監(jiān)測(cè)系統(tǒng)。綜合搭建了車間監(jiān)測(cè)網(wǎng)絡(luò),為生產(chǎn)管理及數(shù)據(jù)分析預(yù)測(cè)提供信息來(lái)源。在數(shù)據(jù)分析方面,利用采集到的數(shù)據(jù)進(jìn)行內(nèi)襯紙復(fù)合表面質(zhì)量預(yù)測(cè)。針對(duì)數(shù)據(jù)中存在的雜亂、變量類型多樣化(數(shù)值、文本、圖像、音頻等)特點(diǎn),以及數(shù)據(jù)分布不均的情況,引入機(jī)器學(xué)習(xí)中對(duì)數(shù)據(jù)適應(yīng)性較強(qiáng)的集成學(xué)習(xí),并利用其中表現(xiàn)優(yōu)異的極端梯度提升算法(XGBoost)建立工業(yè)產(chǎn)品質(zhì)量預(yù)測(cè)模型,輸入數(shù)據(jù)進(jìn)行模型訓(xùn)練與評(píng)估。通過(guò)實(shí)驗(yàn)分析了極端梯度增強(qiáng)(Extreme Gradient Boosting,XGBoost)、隨機(jī)森林(Random Forest)模型與梯度提升樹(shù)(Gradient Boosting Decision Tree)三種模型在質(zhì)量預(yù)測(cè)上的效果,結(jié)果對(duì)比證明前者XGBoost的表現(xiàn)要優(yōu)于后兩種模型,且對(duì)于不平衡數(shù)據(jù)處理有良好表現(xiàn),以此驗(yàn)證了該算法模型的性能與有效性。
【學(xué)位授予單位】：華中科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：TP391.44;TN929.5;TP274

【參考文獻(xiàn)】

相關(guān)期刊論文 前6條

1 閆曉風(fēng);趙艷領(lǐng);韓丹濤;;基于OPC UA通用數(shù)據(jù)采集模塊設(shè)計(jì)[J];儀器儀表標(biāo)準(zhǔn)化與計(jì)量;2015年06期

2 劉青峰;張治國(guó);劉偉;鄭紅霞;;基于WinCC的上位機(jī)組態(tài)監(jiān)控軟件開(kāi)發(fā)[J];自動(dòng)化技術(shù)與應(yīng)用;2015年10期

3 周濟(jì);;智能制造——“中國(guó)制造2025”的主攻方向[J];中國(guó)機(jī)械工程;2015年17期

4 ;鋁箔復(fù)合包裝材料在多行業(yè)應(yīng)用[J];中國(guó)包裝工業(yè);2009年11期

5 劉鑫;陳燦;張為民;;基于OPC和Web的復(fù)雜設(shè)備數(shù)據(jù)采集技術(shù)研究[J];機(jī)電產(chǎn)品開(kāi)發(fā)與創(chuàng)新;2009年01期

6 趙旭;閻威武;邵惠鶴;;基于多變量統(tǒng)計(jì)方法的產(chǎn)品質(zhì)量控制[J];上海交通大學(xué)學(xué)報(bào);2007年01期

相關(guān)博士學(xué)位論文 前1條

1 王瑞;針對(duì)類別不平衡和代價(jià)敏感分類問(wèn)題的特征選擇和分類算法[D];中國(guó)科學(xué)技術(shù)大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 文圳;基于工業(yè)物聯(lián)網(wǎng)的數(shù)據(jù)監(jiān)測(cè)和質(zhì)量回溯系統(tǒng)的設(shè)計(jì)與應(yīng)用[D];電子科技大學(xué);2017年

2 李磊;基于顯著性檢測(cè)和一類支持向量機(jī)的產(chǎn)品表面缺陷辨識(shí)方法[D];華中科技大學(xué);2017年

3 武智強(qiáng);面向智慧工廠的柔性數(shù)據(jù)采集監(jiān)控系統(tǒng)的研究[D];山東大學(xué);2017年

4 陳軒;面向MES的離散制造車間SCADA系統(tǒng)設(shè)計(jì)開(kāi)發(fā)[D];南京理工大學(xué);2017年

5 王明;基于物聯(lián)網(wǎng)的倉(cāng)庫(kù)智能監(jiān)控系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D];電子科技大學(xué);2015年

6 楊晨;基于Qt的監(jiān)控組態(tài)軟件的研究與開(kāi)發(fā)[D];大連理工大學(xué);2015年

7 王錦煜;制造物聯(lián)中車間底層數(shù)控設(shè)備監(jiān)控管理系統(tǒng)的研究[D];江南大學(xué);2014年

8 羅朝允;貴陽(yáng)卷煙廠SPC質(zhì)量監(jiān)測(cè)系統(tǒng)的分析與設(shè)計(jì)[D];云南大學(xué);2014年

9 陳靜云;車間物聯(lián)網(wǎng)數(shù)據(jù)采集關(guān)鍵技術(shù)研究[D];南京航空航天大學(xué);2014年

10 胡勝;基于數(shù)據(jù)挖掘的質(zhì)量過(guò)程診斷建模[D];重慶理工大學(xué);2013年

本文編號(hào)：2776847