[发明专利]基于大数据分析的断路器装配质量问题追溯系统和方法

权利要求书

1.一种基于大数据分析的断路器产品装配质量问题追溯系统，Spark大数据分析平台主要包括有Hive数据库模块，RDD计算框架模块，HDFS分布式文件系统模块，其特征在于，构建数据存储模块，数据存储模块是借助于Hive数据库模块存储断路器全生命周期数据；构建数据预处理模块，依据RDD计算框架模块的分析模式对海量断路器全生命周期数据进行数据预处理；构建模型训练模块，依据RDD计算框架模块的分析模式和数据预处理模块处理后的海量数据完成对装配质量问题分类模型和装配质量问题追溯模型的训练；构建装配质量问题分类模块，是将训练的分类模型封装成Spark平台上的接口，接口保存到HDFS分布式文件系统模块并以API的形式提供应用链接；构建装配质量问题追溯模块，是将训练的追溯模型封装成Spark平台上的接口，接口保存到HDFS分布式文件系统模块并以API的形式提供应用链接。

2.根据权利要求1所述的基于大数据分析的断路器产品装配质量问题追溯系统，其特征在于，数据存储模块是将所需的数据存储到Spark平台的Hive数据库模块中，数据存储范围涵盖断路器全生命周期过程中的必要数据，包含测试数据、工艺数据和报表数据。

3.根据权利要求1所述的基于大数据分析的断路器产品装配质量问题追溯系统，其特征在于，数据预处理模块包括清洗处理子模块、归一化处理子模块、降维处理子模块和离散化处理子模块；清洗处理子模块是检测并填充原数据中的缺失值；归一化处理子模块是将清洗处理子模块处理后的数据映射到[0,1]区间内；降维处理子模块是将清洗处理子模块、归一化处理子模块处理后的高维特征映射成低维特征；离散化处理子模块是将连续型变量转变成离散型。

4.根据权利要求1所述的基于大数据分析的断路器产品装配质量问题追溯系统，其特征在于，模型训练模块是基于数据存储模块的海量断路器全生命周期数据和Spark平台的RDD计算框架，利用K-means算法和Aprior算法分别训练出装配质量问题分类模型和装配质量问题追溯模型，断路器装配质量问题分类模型是基于数据到分类模型中心点的最小距离对不合格产品进行分类，并将模型的分类结果映射成实际生产过程中编码化后的质量问题类别，断路器装配质量问题追溯模型是以装配质量问题分类模型的结果与该不合格产品对应的装配过程中离散处理后的装配过程数据、原材料数据等结合作为输入数据，挖掘并筛选右项集是影响因素，左项集是质量问题类别的有效规则。