[发明专利]基于工业大数据产品工期的约束条件分析系统与方法

摘要

一种基于工业大数据产品工期的约束条件分析系统与方法，可对影响产品工期的约束条件进行定量分析。基于Spark大数据分析平台的二次开发；对约束条件数据进行预处理；运用随机森林重要度方法筛选产品工期的约束条件，得到重要约束条件；运用PCA特征提取方法获得线性约束条件；运用K‑means聚类方法对组合得到的非线性约束条件进行筛选；运用随机选择方法与多元线性回归方法结合，对预测工期进行误差分析，实现产品工期的约束条件或组合约束条件的定量分析。本发明还具有海量数据的存储能力和高效分析能力，为企业缩短产品的工期、优化生产计划提供建议和参考。

主权项

1.一种基于工业大数据产品工期的约束条件分析系统，其特征在于，该系统是在Spark大数据分析平台上构建的系统；该系统包括模块存储模块、数据预处理模块、模型训练模块、产品工期约束条件重要度输出模块；其中：所述的数据存储模块，用于存储产品的订单数据、原料采购数据、加工过程数据、产品工艺评价数据、生产过程机器工作状态数据、机器故障停机数据、工作人员工作记录数据以及工期数据；所述的数据预处理模块用于对数据存储模块中的数据缺失的部分进行平均数填充处理，采用3σ原则进行异常值剔除处理，将数据存储模块中的数据除工期数据外的剩余数据进行归一化处理，得到预处理数据；所述的模型训练模块包括随机森林重要度约束条件筛选模型、主成分特征提取模型、约束条件组合模型、K‑mean聚类筛选非线性约束条件模型、约束条件随机选择模型、误差分析模型；其中：随机森林重要度约束条件筛选模型，用于对约束条件进行筛选，得到重要约束条件数据集；主成分特征提取模型，用于提取预处理后的数据的主要特征，得到线性约束条件数据集；约束条件组合模型，用于将预处理后的数据对应的约束条件进行组合，得到所有的非线性约束条件；K‑mean聚类筛选组合约束条件模型，用于筛选非线性约束条件，得到非线性约束条件数据集；约束条件随机选择模型，用于随机选择线性约束条件数据集和非线性约束条件数据集组成的组合约束条件数据集，得到随机组合约束条件数据集；误差分析模型，用于计算产品的预测工期与实际工期的误差值；所述的产品工期约束条件重要度输出模块，将模型训练模块得到的多元线性回归的所有系数和对应的随机组合约束条件或重要约束条件，对所有系数的绝对值降序排列，依次得到对应的重要约束条件或随机组合约束条件的重要度，并且将结果保存到HDFS分布式文件系统并封装成Spark平台上的接口，以API的形式提供应用链接。