[发明专利]基于数据挖掘的大盘卷轧制表面缺陷分析方法

说明书

本发明提供了一种基于数据挖掘的大盘卷轧制表面缺陷分析方法，步骤包括：1)、数据收集和整理：收集大盘卷产品的各项轧制过程数据和表面缺陷判定数据；2)、数据预处理；3)、系统聚类：对缺陷组采用系统聚类算法进行分类；4)、聚类结果的解释；5)、logistic回归分析：基于多分类logistic回归分析方法，对聚类结果建立回归模型；6)、结果分析：根据模型结果，分析引发大盘卷产品各缺陷组的关键过程因素；7)、过程控制的优化：根据分析结果，优化过程控制，减少缺陷判次比例，提升产品合格率。本发明可以预测可能出现的缺陷，加强对大盘卷产品的表面质量控制，提高产品出厂质量。本发明立足数据分析，在实际生产中有着很大的实用价值。

技术领域

本发明属于钢铁产品的质量控制领域，具体涉及一种基于数据挖掘的大盘卷轧制表面缺陷分析方法。

背景技术

大盘卷生产线的主导产品为冷镦钢，对产品表面质量要求高，表面缺陷是造成大盘卷冷镦钢合格率低的最主要因素。由于大盘卷产品规格多，表面缺陷产生的环节多、原因复杂，在实际生产过程中，难以准确分析和定位某种缺陷的产生原因。棒线厂虽然已在表面缺陷的分析控制方面积累了一定的经验和方法，但是这种采用人工判断的方法在进行缺陷分析时，对工人的技术水平要求较高，是建立在工人对产品工艺和质量控制非常熟悉的基础上，主要依据过去的操作经验，问题解决的准确性和花费时间不确定，而且在对尚未碰见的表面缺陷分析中会束手无策，在一定程度上影响着企业的生产效率。

近几年来，随着数据挖掘技术的普及，为钢铁产品质量分析控制提供了基础。数据挖掘技术在国外的某些钢铁公司已经得到成功应用，国内各大钢铁企业也开始着手数据挖掘在钢铁产品质量分析中的应用，开展了利用大数据分析和控制产品质量的研究，有些也取得了一定的成果。在表面缺陷分析方面，有学者先后利用数据挖掘方法对热轧卷板和冷轧产品的表面质量缺陷进行过分析。但是，在利用数据挖掘对热轧盘条和大盘卷进行表面缺陷分析方面，国内还没有相关专利和文献介绍过，没有提出详细的方法。

发明内容

有鉴于此，本发明提出了一种基于数据挖掘的大盘卷轧制表面缺陷分析方法，旨在通过采用数据分析的方法，对大盘卷产品的表面缺陷判定数据和轧制过程数据进行数据挖掘和分析，找出大盘卷产品的轧制表面缺陷分布以及对其有重要影响的关键过程因素，明确为减少和消除缺陷所应采取的控制措施，作为人工缺陷分析的辅助，有助于加强对大盘卷产品的表面质量控制。

为实现上述目的，本发明提供如下技术方案：

本申请实施例公开了一种基于数据挖掘的大盘卷轧制表面缺陷分析方法，其特征在于，步骤包括：

1)、数据收集和整理：收集大盘卷轧制过程的数据和表面缺陷判定数据，同时以大盘卷轧批号为关键变量串联两组数据源，剔除含异常数据的批次，计算各类表面缺陷的比例，筛选分析和建模的原始数据；

2)、数据预处理：按产品规格分组，对大盘卷轧制过程的数据中的分类变量进行赋值，对连续变量进行标准化处理；

3)、系统聚类：将预处理后的数据分为无缺陷组和有缺陷组，然后对有缺陷组采用系统聚类算法，以筛选出的主要缺陷作为目标变量对样本进行分类，并对聚类结果进行检验，结合聚类谱系图确定聚类最优解，根据聚类最优解输出聚类结果集；

4)、聚类结果的解释：对系统聚类后的数据进行分析和解释，并进行分组标记，将无缺陷组标记为A组，将聚类后的有缺陷组分别依次按照字母顺序标记为B组、C组、D组……；

5)、logistic回归分析：以规格分组，基于多分类logistic回归分析方法，以无缺陷组即A组为参照组，对有缺陷组B组、C组、D组……，采用逐步回归方式建立logistic回归模型；

6)、结果分析：根据logistic回归模型结果，分析引发大盘卷产品各缺陷组的关键过程因素，明确为减少和消除缺陷所应采取的控制措施；