摘 要

制造行业的命脉在于质量，而质量的决定性因素集中在生产过程中。随着各个制造行业自动化水平的提高，人工的因素对质量的影响越来越小，机械设备将决定产品的最终质量，而机械设备作为长期使用的设备，不可避免的会产生各种故障，那么对故障进行研究从而控制产品质量，这是所有制造行业的发展目标。

本文就通用冲压设备为研究对象，对已产生的故障进行整理、分析、研究，从而提出故障模式识别方法，并通过数据挖掘方法对故障关联性进行探讨，得出故障相关性结论，用于及时推断故障模式，支持正确决策的制定。

论文首先总结了制造行业生产设备常见故障模式，然后以通用冲压设备为例进行实际方案探讨。根据已有故障检修表，对上汽通用五菱G2250T型冲压设备故障进行数据分类和整理，参考相关数据挖掘方法，应用决策树算法对故障模式关联规则进行挖掘，得出故障关联性大小，从而推断故障出现条件，用以支持故障预测和决策制定。根据研究结果，通过已有故障推测未知故障的可能模式，为设备维护与改进提出可行方案，从而延伸至其他制造设备及其他故障模式，推动制造行业成本控制与质量保证。

关键词：故障模式识别；规则挖掘；决策树；预测

Abstract

Quality is the lifeblood of manufacturing industry and the decisive factor of quality focus on production processes. With the improvement of the automation in various manufacturing industries, the impact of artificial factors on the quality has been smaller and smaller, while equipment will determine the final quality of products. However, equipment in longtime using will inevitably have a variety of failures. So we have to take necessary fault studies to control the quality of products, which is the goal of all the manufacturing industries.

The paper takes the general stamping equipment for the study, the fault will be researched with collation and analysis. Then, the way of fault pattern recognition will be suggested. And explore the relevance of fault through data mining methods. Finally, fault correlation can be used to infer fault pattern timely, and support the decisions.

Firstly, we summarized the common production equipment defect mode of the manufacturing industry. Then, take the general stamping equipment for example to finish the study. According to the existing troubleshooting table, make data classification and sorting of the fault of SGMW G2250T. Reference the data mining, decision tree was used to mining association rules of fault pattern, then we can infer the condition of failure to support the failure prediction and decision-making. According to the results, speculate unknown fault pattern through existing fault and propose feasible options for equipment maintenance and improvement, so as to extend to other manufacturing equipment and other failure modes, then pushing the cost control and quality assurance.

Key Words：fault pattern recognition; rule mining; decision tree; prediction

目 录

第1章 绪论 1

1.1 研究背景及意义 1

1.2 国内外现状 2

1.2.1 故障诊断技术发展 2

1.2.2 数据挖掘方法 3

1.2.3 故障模式识别方法 3

1.2.4 故障特征提取技术 4

1.3 论文主要工作内容 5

第2章 数据模型设计与建立 6

2.1 原始数据分析与处理 6

2.2 模式数据库设计与建立 7

2.3 数据库预处理 8

第3章 OLAP与规则挖掘实现 10

3.1 联机分析处理（OLAP） 10

3.1.1 联机分析处理方法 10

3.1.2 联机分析软件的应用 11

3.2 数据立方体设计与建立 11

3.3 规则挖掘简述 13

3.4 决策树模型的建立 13

3.5 分析结果综述 15

第4章 总结 17

参考文献 18

致谢

第1章 绪论

1.1 研究背景及意义

制造行业的重要性不言而喻，它的主要任务是制造人类社会生产和生活所必须的物品，这些物品可能是拥有直接价值的商品，可能是知识产权，也可能是能推进各方面建设的新型设备等。随着工业化的不断推进，制造业的竞争也越来越激烈，生产出来的商品如何占据市场，吸引更多顾客，各个企业都在寻找自己的方法。而顾客所追求的不过是两点，低成本和高质量。那么围绕这两点进行研究，便是所有制造行业的出路。

根据ISO9000族的标准定义“质量是一组固有属性满足要求的程度”，质量管理是“在质量方面指挥和控制组织的协调活动”，这样的活动包含很多项，例如制定质量目标，质量策划，质量控制，质量保证以及质量改进等。因此如何采用可靠的方法加强质量管理与质量诊断，提高产品稳定性成为现代制造企业关注的焦点^[1]。