基于FTRL和XGBoost算法的产品故障预测模型

• 作者: 杨正森
• 来源期刊: 计算机系统应用
• 关键词: FTRL XGBoost 故障检测 二分类 大数据
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 软件技术·算法
• 页码范围: 179-184
• 页数: 6页
• 字数: 5388字
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.006808

摘要

随着智能化设备的日益更新和计算机储存数据能力的提升,制造业企业在其产品制造过程中产生了大量的流水线数据,如何充分利用这些数据一直是工业界的一个难题.本文根据制造业企业的真实大规模生产数据,通过对其进行细致的探索性数据分析,建立了一种基于FTRL和XGBoost算法的二分类产品故障预测模型,并根据适用于非平衡数据集的MCC (Matthews Correlation Coefficient)评价指标采用交叉验证方法对其进行优化.实验结果表明,该模型对于大规模(不仅样本量大,特征量也很大)正负样本非平衡的生产流水线数据集具有运行效率高,故障预测精度高的效果.基于此模型我们可以构建更智能的产品故障检测系统,有效降低企业运营成本的同时也带来了可观的利润增长.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨正森	南京财经大学工商管理学院	1	4	1.0	1.0