1 ПРИМЕНЕНИЕ АЛГОРИТМОВ МАШИННОГО ОБУЧЕНИЯ ДЛЯ
ПОСТРОЕНИЯ КЛАССИФИКАТОРОВ 7
2 РАЗРАБОТКА КЛАССИФИКАТОРА КАЧЕСТВА ДЕТАЛЕЙ НА
ОСНОВЕ ДЕРЕВЬЕВ ПРИНЯТИЯ РЕШЕНИЙ 12
2.1 Постановка задача классификации 12
2.2 Алгоритмы построения деревьев принятия решений 13
2.2 Анализ исходных данных для построения классификатора качества деталей 22
2.3 Обзор полученных классификаторов и сравнение их характеристик 25
3 ПРАКТИЧЕСКАЯ РЕАЛИЗАЦИЯ ПРЕДЛОЖЕННЫХ РЕШЕНИЙ 32
3.1 Описание разработанного программного обеспечения 32
3.2 Пример использования классификаторов 34
ЗАКЛЮЧЕНИЕ 36
СПИСОК ИСПОЛЬЗУЕМОЙ ЛИТЕРАТУРЫ 37
АННОТАЦИЯ
Тема бакалаврской работы: «Построение классификаторов качества деталей на основе анализа экспериментальных данных ЗАО ”Мегапласт”».
В данной бакалаврской работе исследуется возможность применения алгоритмов построения деревьев принятия решения для создания классификаторов качества пластиковых деталей, выполняемых литьем под давлением.
В работе предложен алгоритм построения классификатора качества пластиковых деталей с использование алгоритмов индуктивного машинного обучения - ID3, C4.5, CART. Полученные классификаторы можно применять для сквозной диагностики качества изготовляемых пластиковых деталей.
При подготовке исследований, представленных в рамках данной бакалаврской работы, была опубликована 1 статья.
Бакалаврской работа состоит из введения, трёх глав, заключения и списка литературы.
Во введении описывается актуальность проводимого исследования, дается краткая характеристика проделанной работы .
В первой главе проводится обзор предметной области представленного исследования. Описываются исходные данные для построения классификаторов качества.
Во второй главе описывается математический аппарат алгоритмов индуктивного машинного обучения ID3, C4.5, CART. Формулируется алгоритм построения классификаторов с использованием имеющихся данных.
В третьей главе описывается программная реализация предложенных подходов.
В заключении представлены выводы по проделанной работе.
В работе присутствуют 2 таблицы, 11 рисунков. Список литературы состоит из 20 литературных источников. Общий объем выпускной квалификационной работы составляет 40 страниц.
Решение проблем диагностики и управление технологическими процессами, которые возникают на различных производствах, часто рассматривается как задача классификация. Например, имеется набор косвенных измеренных, в процессе изготовления детали, параметров по которым необходимо оценить класс ее качества. Использование стандартных подходов математического и физического моделирование заключается в объяснении зависимости между классом качества детали и измеряемыми параметрами. Такой подход на практике сложнореализуем, так как требует привлечение различных специалистов как из области теории автоматического управлении, так и из области физического моделирования.
Развитие технологий машинного обучения позволило упростить решение таких задач, за чет разработки алгоритмов автоматизированного синтеза классификаторов, основанного на анализе экспериментальных данных технологического процесса.
В качестве моделей классификации могут применяться такие структуры, как деревья принятия решений. При этом их построение возможно с использованием таких алгоритмов как ID3, С4.5, CART.
Исследованиями в области практического применения данных алгоритмов занимаются такие ученые, как Fachao Li, Dandan Jiang, Lin Zhu, Yang Yang, Hiroshi Narazaki, Ichiro Shigaki, Jeanette Auer, Richard Hall, Fan Min, William Zhu, Jyh-Yeong Chang, Chien-Wen Cho, Su-Hwang Hsieh, Shi- Tsung Chen, Lukasz Bartczuk, Danuta Rutkowska, Didi Jia, Wu Xie, Zhiyong Chen, Baohua Qiang и др [1-20].
В данной бакалаврской работе рассматривается проблема диагностики качества пластиковых деталей выполненных литьем под давлением. На качество изготовления пластиковых деталей оказывает влияние множество параметров. Среди них - температура массы, температура сушки, температура зоны загрузки, давление и температура сушки. Существуют рекомендации с указанием диапазонов значений этих параметров в зависимости от типа используемого пластика. Существующие проблемы заключаются в следующем:
- в рекомендуемых параметрах не учитывается геометрическая форма изготовляемых деталей и за-за этого возникают дефекты в деталях;
- отклонение одних температурных параметров может быть компенсировано отклонениями других параметров, поэтому даже при выходе значений из рекомендованного диапазона в деталь будет качественной.
Поэтому актуальной задачей является разработка алгоритмов для автоматизированного контроля качества деталей.
Целью работы является - построение классификаторов для диагностики качества литья пластиковых деталей с использованием алгоритмов машинного обучения (ID3, C4.5, CART).
В бакалаврской работе на основе экспериментальных данных, предоставленных предприятием ЗАО Мегапласт, с использованием алгоритмов машинного обучения были построены классификаторы для определения класса качества литья. Также полученные классификаторы (деревья решений) тестировались для оценки точности их работы.
В ходе выполнения бакалаврской работы была спроектировано и разработано программное обеспечения реализующее процесс построения деревьев принятие решений.
В ходе выполнения бакалаврской работы были сделаны следующие выводы:
1. Задачу диагностики качества деталей, можно рассматривать как задачу классификации, в которую входит определение зависимости между измеряемыми параметрами и получаемым классом качества детали.
2. Благодаря развитию технологий машинного обучения, построение классификаторов качества можно осуществлять автоматизировано, на основе накопленных производственных экспериментальных данных.
3. На основе данных предоставленных предприятием ЗАО «Мегапласт» по изготовлению методом литья под давлением накладки на левую стойку из АБС пластика для автомобиля Largus с использованием алгоритмов построения деревьев принятия решений (ID3, C4.5, CART) были разработаны классификаторы качества деталей.
4. Была изучена структура полученных классификаторов: дерево,
полученное с помощью алгоритма ID3, включает в себя 17 узлов и 9 листов; дерево, полученное с помощью алгоритма С4.5, включает в себя 23 узлов и 12 листов; дерево, полученное с помощью алгоритма CART, включает в себя 17 узлов и 9 листов. Предпочтительным вариантом являются компактные деревья, так в этом случае, хранящиеся в них правила являются более общими (распространяются на большее количество случаев).
5. Была изучена точность полученных классификаторов. Тестирование точности методом перекрёстной проверки при различных значениях параметров k (3; 5 и 7) показал, при использовании алгоритмов ID3 и CART точность классификации находится на уровне 80-85%. Что является удовлетворительным результатом.
6. Для автоматизации построения классификаторов (в виде деревьев принятия решений) было разработано и протестировано программное обеспечение на языке Java.
7. Опубликована 1 одна статья по теме исследования.
