Penelitian Tentang Aturan Keputusan Penambangan Proses Manufaktur Bagian

Di bidang penambangan data, metode klasifikasi yang umum digunakan termasuk mesin vektor pendukung, jaringan saraf, klasifikasi Bayesian, dll. Algoritma di atas terutama berorientasi pada distribusi data yang tidak teratur, mengandalkan dukungan data besar, dan menggali potensi hubungan asosiasi mereka melalui tindakan serupa. Ini banyak digunakan di bidang-bidang seperti diagnosis kesalahan. Namun, dalam industri manufaktur mesin, desain parameter fitur bagian (seperti ukuran, akurasi, dll.) telah menjadi standar, dan dalam rekayasa aktual, setiap bagian dalam database hanya sesuai dengan satu rute proses. Oleh karena itu, tingkat pengulangan data proses relatif tinggi, dan jumlah datanya kecil, yang tidak cocok untuk pemrosesan algoritma yang disebutkan di atas. Oleh karena itu, peneliti kebanyakan menggunakan teori himpunan kasar untuk memandu penambangan aturan keputusan proses.

Sebelum menambang aturan keputusan, pertama-tama kita harus memastikan kredibilitas data. Hal ini karena dalam rekayasa aktual, kondisi kerja selalu berubah secara real time. Untuk menghindari sejumlah kecil data atipikal yang dihasilkan oleh kondisi kerja khusus agar tidak memengaruhi pengambilan keputusan, data perlu diprediksi sebelumnya. menangani. Oleh karena itu, literatur umumnya menggunakan metode penghitungan dukungan dan kepercayaan untuk mendapatkan data proses yang khas.

Berdasarkan model rangkaian kasar yang diperluas, pengetahuan preferensi proses ditambang oleh hubungan gabungan kesetaraan, kesamaan, dan preferensi, yang memverifikasi bahwa pengetahuan preferensi proses dapat secara langsung memandu pengambilan keputusan perancang, dan teori rangkaian kasar tidak memerlukan tautan evaluasi kelayakan aturan proses, yang lebih baik dari yang lain. Metode penambangannya lebih sederhana dan lebih langsung.

Hasil penambangan teori himpunan kasar mencakup aturan deterministik yang diperoleh dari himpunan aproksimasi yang lebih rendah dan zona negatif, serta aturan tidak pasti dari zona batas. Untuk lebih mendalami aturan proses dari zona batas, Zhang Z. et al. menggunakan model set kasar presisi variabel untuk lulus akurasi Mengikuti perubahan dalam proses penambangan, kisaran set perkiraan atas berkurang secara efektif. Pengetahuan kualitatif dipetakan ke hubungan asosiasi untuk membentuk model fusi pengetahuan, yang dapat secara efektif menggali lebih banyak aturan keputusan.

Proses inti dari rough set reasoning adalah untuk mendapatkan pengurangan atribut minimum. Chen Hao dkk. menganalisis anomali reduksi yang disebabkan oleh interval inklusi dan wilayah positif. Untuk model rough set variabel presisi dengan tingkat klasifikasi konstan dan domain positif konstan, matriks Selisih berbasis konten dan inti atribut untuk mendapatkan metode pengurangan atribut minimum. Menggunakan algoritma reduksi heuristik, pertama-tama dapatkan atribut inti, dan hitung ketergantungan atribut. Menurut urutan ketergantungan, atribut dan atribut kernel digabungkan secara bergantian, dan akhirnya mendapatkan pengurangan atribut Minimal, pertimbangkan
Ketidakhomogenan distribusi sampel ditingkatkan berdasarkan himpunan kasar tetangga, dan model himpunan kasar tetangga terdekat K diusulkan, yang secara efektif menghilangkan sejumlah besar atribut. Penambangan aturan keputusan terutama dibagi menjadi dua jenis, satu adalah penambangan induktif dan yang lainnya adalah deduksi. Metode penambangan. Ide utama dari penambangan induktif adalah untuk meringkas aturan pengambilan keputusan yang bermakna dalam kumpulan data yang kompleks. Ketika target diperoleh, cocokkan atribut kondisional dari aturan yang ditetapkan sesuai dengan parameter atribut target, sehingga dapat mengekstrak aturan pengambilan keputusan yang memenuhi persyaratan pencocokan. Gagasan utama penambangan deduktif adalah untuk membagi konten keputusan menjadi kombinasi dari beberapa himpunan bagian keputusan, dan menggunakan kumpulan data untuk menambang ruang lingkup penerapan himpunan bagian keputusan. Ketika target didapat, sesuai target
Parameter atribut target mengekstrak subset pengambilan keputusan yang sesuai, dan mengaturnya kembali menjadi konten pengambilan keputusan yang diperlukan. Sebaliknya, aturan keputusan penambangan inferensial lebih beragam dan memiliki cakupan aplikasi yang lebih luas, dan penambangan induktif memiliki batasan yang lebih ketat, yang dapat memastikan keandalan aturan.

Dalam dokumen yang disebutkan di atas, sebagian besar metode pemrosesan adalah penambangan induktif. Meskipun keandalan aturan keputusan dijamin secara efektif, kendala yang kuat juga mengarah pada pemanfaatan data yang rendah dan membatasi kelengkapan basis aturan keputusan. Selain itu, meskipun set kasar presisi variabel dapat secara efektif mengurangi area batas, nilai presisi terutama ditentukan oleh pengalaman manual, dan terlalu banyak faktor manusia akan mengurangi keandalan aturan keputusan. Oleh karena itu, bagaimana mengurangi area batas dan meningkatkan fleksibilitas aturan atas dasar memastikan keandalan aturan pengambilan keputusan adalah arah penelitian utama aturan pengambilan keputusan proses penambangan.

Tautan ke artikel ini Penelitian Tentang Aturan Keputusan Penambangan Proses Manufaktur Bagian

Pernyataan Cetak Ulang: Jika tidak ada instruksi khusus, semua artikel di situs ini adalah asli. Harap tunjukkan sumber untuk mencetak ulang: https://www.cncmachiningptj.com/，thanks！

Toko PTJ CNC memproduksi suku cadang dengan sifat mekanik yang sangat baik, akurasi dan pengulangan dari logam dan plastik. Tersedia penggilingan CNC 5 sumbu.Pemesinan paduan suhu tinggi jangkauan tidak mendung mesin inconel,mesin monel,Mesin Geek Ascology,Mesin Carp 49,Mempercepat pengerjaan mesin,Mesin nitronic-60,mesin Hymu 80,Permesinan Baja Alat, dll.,. Ideal untuk aplikasi luar angkasa.Mesin CNC menghasilkan bagian dengan sifat mekanik yang sangat baik, akurasi dan pengulangan dari logam dan plastik. Tersedia penggilingan CNC 3-sumbu & 5-sumbu. Kami akan menyusun strategi dengan Anda untuk memberikan layanan yang paling hemat biaya untuk membantu Anda mencapai target Anda, Selamat Datang untuk Menghubungi kami ( penjualan@pintejin.com ) langsung untuk proyek baru Anda.