本項目在合作單位已經具備100T染整質量大數據條件下，構建Hadoop大數據平臺，應用大數據分析和計算方法，完成染色、烘干、熱定型和預縮環節的主要質量指標的建模，綜合評價和質量不合格因素分析，解決小數據模型預測精度不高、分析結果不夠準確等問題。染整質量大數據染整質量大數據分析和控制系統結構如附件3圖2所示，主要內容有：
1.染整產品質量大數據分析和計算
（1）構建染整大數據平臺
大數據平臺由Hadoop集群、服務器、工作站、存儲陣列組成。
（2）質量大數據分層類聚
首先對ERP中染整質量與配方、工藝、設備數據增加專用索引，應用MapReduce根據所需建模和分析需要按產品批次、織物類別、加工環節、用戶名稱、設備名稱等分類，提高數據查詢效率；在索引分類的基礎上，對已經分類的數據采用稀疏子空間類聚方法對質量數據進行精確類聚，為大數據建模和分析提供準確合理樣本數據。
（2）批量計算和數據流計算體系構建
本項目在Hadoop大數據平臺上，由HDFS分布式文件系統負責靜態數據的存儲，并通過MapReduce將計算邏輯分配到各數據節點進行數據計算；采用微軟的TimeStream完成實時性要求高的流式計算，完成稀疏子空間類聚、質量指標隸屬系數、優化求解、質量不合格因素先驗概率等數據計算。
2. 建立染整質量指標與生產配方、工藝和設備的模型
應用大數據稀疏子空間類聚的樣本，在染整大數據計算體系下設計自適應核學習算法，建立染色、烘干、熱定型和預縮環節主要質量與配方、工藝和設備狀態的模型，提高質量模型預測精度和結果的穩定性。
3. 染整產品質量綜合評價方法研究
印染質量綜合評分法，是將實地測得的指標數據按一定的標準評分，再進行項目加權，計算出各印染質量的綜合評分以進行評價分析。本項目將多準則評價方法應用到染整產品質量評價體系中，以改善現有質量評價體系，建立數據化、科學化的染整質量綜合評價系統。
（1）建立染整質量評價體系和測量值與評分標準；
（2）根據企業質量檢測的大數據數，構造判斷矩陣，分析指標之間的關聯，計算各個指標的隸屬系數；
（3）根據評價體系逐層計算出質量綜合評判分數。
4．染整產品質量不合格原因的大數據分析
染整產品質量不合格原因分析是對質量綜合評價中不合格數據的分析，分析各個指標與配方、工藝、設備數據的相關性，應用貝葉斯網絡，得到各個影響因素的概率值。本項目采用貝葉斯網絡建模的方法得到質量不合格原因的概率網絡結構模型，并判斷異常原因，為改進生產工藝、設備操作和管理方式提供可靠依據。具體內容如下：
（1）確定染整產品質量影響因素的拓撲結構模型；
（2）應用絕熱量子建模方法完成多原因事件造成質量先驗和后驗概率密度函數建模；
（3）計算染整產品質量貝葉斯網絡模型參數；
5．染整質量大數據分析和控制系統開發
染整質量大數據分析和控制系統包括質量大數據分析系統和染整質量過程控制系統2部分組成。
6．系統改進和投入實際染整生產質量管理應用。
將設計開發的染整質量控制系統在實際染整生產中應用，發現模型、算法和應用程序中的問題，逐步改進系統應用中出現的技術問題，提高模型的精度和分析結果的穩定性，并在全省染整企業推廣應用。
二、本項目重點解決的關鍵技術問題
1.染整質量大數據的類聚方法
由于染整質量數據量非常大，數據包含的信息也非常復雜，必須用新分析的方法才能得到建模和分析所需的高價值數據。染整質量大數據的類聚技術是大數據建模和分析的關鍵技術難題。
2.染整質量大數據的計算
質量大數據數據量極大，數據組成復雜，給質量數據類聚、建模和分析帶來很大困難。小數據計算方法難以解決大數據下優化問題求解，先驗概率計算，模型參數學習等計算要求，因此染整質量大數據計算方法也是完成本項目的關鍵技術難題。
3.質量貝葉斯網絡多因素分析中條件概率密度函數建模
貝葉斯網絡分析結果的準確性取決于各個因素造成質量不合格概率計算的準確性，概率計算的準確性取決于概率密度函數模型的準確性。染整質量因素很多，概率密度函數非常復雜，建立多因素條件概率密度函數是本項目面臨的關鍵技術難題。
三、特色和創新之處
特色：
應用大數據技術解決企業深層次質量控制技術問題，可以取得很好的經濟和社會效益。
創新：
(1)應用大數據分析和計算技術建立染整質量預測模型，綜合評價體系和不合格原因分析，實現染整生產印染質量反饋控制。
(2)設計了應用索引和稀疏子空間類聚的大數據分層類聚方法。
(3)提出了后驗概率密度函數的絕熱量子建模方法，解決了質量大數據條件下影響因素后驗概率密度函數建模問題。
評論
全部評論