[发明专利]一种表面缺陷的分析方法

说明书

本发明涉及表面缺陷的分析方法，第一步，收集在线检测系统的缺陷及其原因数据；第二步，将检测系统中数据收集存入数据库中，一方面直接进入缺陷分类库，另一方面经过专家判定进入缺陷原因库；第三步，运用加权模糊层次关联关系算法找出缺陷与原因之间的关系通过正反馈更新缺陷库以及原因库信息。本发明通过数据关联关系挖掘的算法找出原因与原因、原因与缺陷、缺陷与缺陷之间的关联关系，然后将这些关系反馈到缺陷库和原因库中。在缺陷库中将有关联关系的缺陷自动归类，缺陷原因有相关性的也自动归类。本发明通过关联关系匹配的方法把有关联的缺陷与原因进行归类后，加快了查询缺陷发生原因对应的类别。

技术领域

本发明属于缺陷原因的匹配方法，具体是利用数据关联匹配的方法对缺陷及其对应的原因进行更新归类。

背景技术

随着信息技术在钢铁工业广泛应用，钢铁企业管理者逐步认识到信息的价值及其在提升企业生产效率与效益中的重要性，并开始投入大量人力、财力、物力收集和储存各类信息，但钢铁企业仅对相关信息实现了简单应用，缺乏对信息内在属性和规律的挖掘。钢铁工业泛在信息间通常存在各种关联关系，通过合适的方法和手段，获得信息间的关联关系，将无序的原始信息梳理为方便用户使用的有序的信息资源，是提升信息价值的重要途径。

由于目前缺陷原因数据的分类主要依靠一些传统的分类方法，比如支持向量机、决策树、神经网络、遗传算法等。并且这类的分类方法大多依靠提取特征来划分类别，并且会将同一种元的划分为一块，并未将挖掘出不同元不同维度的数据进行归类。

发明内容

本发明提供一种表面缺陷原因的多维多元分析方法，克服现有技术的不足，有效解决复杂的缺陷分类和缺陷原因分类后的只在同一元中的类别，而不能找出不同元之间的关联关系的问题，本发明通过将缺陷分类方法与数据关联匹配方法结合起来，利用数据关联挖掘的结果去更新缺陷分类后的结果，让缺陷数据库和缺陷原因数据库中的数据更加具有参考价值。

本发明解决上述问题所采用的技术方案为：一种表面缺陷的分析方法，包括如下步骤

步骤1：收集在线检测系统的缺陷及其原因的数据；将从生产现场获得历史缺陷数据，根据文本推荐的方法将缺陷进行初步划分，缺陷原因按照来源可以分为：来料、设备、工艺、生产，对应下文矩阵中的横向；

步骤2：分别将缺陷以及缺陷原因按照来源建立数据库。

1)建立缺陷原因数据库，把每一种产生的缺陷原因首先根据部门所属的不同进行划分，然后进行连续编号；如工艺部门缺陷原因A编号为：GY-WA1、GY-WA2......；来料部门缺陷原因B编号：LL-WB1、LL-WB2......；设备部门缺陷原因C编号：SB-WC1、SB-WC2......；生产部门缺陷原因D编号：SC-WD1、SC-WD2......

2)建立缺陷库，根据文本推荐中寻找关键字段的方法找出缺陷数据库中缺陷对应的部门，并且将其对应的原因编号进行标注，文本推荐具体方法如下：

(1)词频计算：设钢材表面缺陷处理方案的文本集合为：

UW＝{uw₁，uw₂，uw₃，uw₄}

其中，uw1代表工艺部处理方案文本，uw2代表来料部处理方案文本，uw3代表设备维修部处理方案文本，uw4代表生产部处理方案文本；选取的特征空间为：

UF＝{uf₁，uf₂，…，uf_m}

根据文本描述以及用户对缺陷的认识，选取具有代表性的词汇作为关键词，设定训练案例缺陷有i种，训练部门有j个；处理方案文本各个缺陷对应各个部门的关键词分布状况，如下矩阵形式：