数据赋能离散式制造的特定工件的质量符合率预测

物联网和5G技术的发展使得生产制造环节中产生的大量数据被收集变成可能。中国智能制造的创新和发展离不开数据驱动,基于数据驱动的离散式生产制造中特定工件的质量符合率,对制造企业的生产制造过程控制极为重要,是实现智能生产和智能决策的关键环节。通过对国内外关于质量符合率的研究进行文献综述,界定离散式制造、特定工件和质量符合率的概念,基于实际生产特定工件中收集的12 934笔数据建立质量符合率随机森林模型和Bagging模型,分别对包含20个变量的数据集进行学习。根据两个模型预测精度的对比分析,表明随机森林模型对质量符合率的预测更加有效,其预测精度达99.47%。此外,基于数据样本集,对影响特定工件质量水平的变量进行重要性分析,找出关键变量,提取不同质量水平的特定工件的重要特征,为提高特定工件质量符合率提供决策依据和指导。