江琨 丁学明

摘 要：现代数字化工业生产中，制造、组装和测试过程会产生大量数据，这些数据中隐藏着决定产品质量的信息和知识。使用传统抽检手段发现质量问题后再加以修改往往为时已晚。数据挖掘中用生产参数预测产品质量，可以预先获取产品质量信息，据此进行调整以提高产品质量。采用CRISP-DM流程，使用集成学习算法（随机森林、XGBoost），利用回归与分类模型进行数据挖掘，经参数调节获得精确的优化模型，在生产中运用该模型有助于提升产品质量。

关键词：数据挖掘;CRISP-DM;质量预测;集成学习;随机森林;XGboost

DOI：10. 11907/rjdk. 181535

中图分类号：TP319文献标识码：A文章编号：1672-7800（2019）001-0124-04

Abstract： Huge amounts of data in manufacturing， assembly and testing are generated and stored in modern digitalized industrial production. The process data contains inherent knowledge and information， which determines the final quality that needs to be extracted by data mining. In the process of detecting product quality， it is usually late to fix after finding products with poor quality. In data mining， by using process data we can predict product quality in advance and make modifications. In this paper， by using CRISP-DM methodology and ensemble methods （Random Forests and XGBoost）， we made a precise quality regression and classification prediction. Accurate optimized models are gained after parameter tuning. These models would be beneficial for improving product quality in practice.

Key Words：data mining; CRISP-DM; quality prediction; ensemble learning; random forests; XGBoost

0 引言

国务院提出的《中国制造2025》计划中，明确要求加快发展智能装备和产品，推动制造过程智能化，重点建设数字化工厂[1]。数据挖掘已广泛应用于数字化工厂的产品质量评估中[2]。Rostami等[3]将数据挖掘用于质量描述、质量分类、质量预测和参数优化，使用支持向量机进行质量评估。Chien等[4]使用k-平均聚类和决策树预测提高半导体的生产合格率。Sim等[5]使用贝叶斯网络分析PCB板制造中不合格产品的质量缺陷缘由。Liu等[6]使用人工神经网络进行电力能源消耗的时序分析。Tsai等[7] 使用决策树和随机森林帮助提升显示材料合格率。蒋晋文等[8]使用XGBoost算法进行制造业质量预测，并与其它集成学习算法进行比较。

跨行业数据挖掘标准流程[9]（Cross Industry Standard Process for Data Mining，CRISP-DM）是实际应用中最常使用的一种数据挖掘流程模型。CRISP-DM将数据挖掘流程分为商业理解、数据理解、数据准备、数据建模、模型评估、部署6个步骤。……