基于集成学习算法的工业产品质量预测

• 作者: 丁学明 江琨
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 数据挖掘 CRISP-DM 质量预测 集成学习 随机森林 XGboost
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 应用技术与研究
• 页码范围: 124-127
• 页数: 4页
• 分类号: TP319
• 字数: 2779字
• 语种: 中文
• DOI: 10.11907/rjdk.181535

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	丁学明	上海理工大学光电信息与计算机工程学院	35	152	7.0	10.0
2	江琨	上海理工大学光电信息与计算机工程学院	1	0	0.0	0.0