[发明专利]基于数据挖掘的大盘卷轧制表面缺陷分析方法

摘要

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。

主权项

1.一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；7)、过程控制的优化：根据分析结果，采取针对性措施，优化过程参数的控制，减少大盘卷表面缺陷判次比例，提升产品合格率。