一种注塑成型装备大数据的分析方法及装置制造方法及图纸

一种注塑成型装备大数据的分析方法，包括以下步骤：接收外界输入的数据请求，从系统数据库中调取与所述数据请求类别相对应的注塑成型装备数据；对调取的注塑成型装备数据进行数据清洗，清洗掉属于离群值的数据，得到清洗后的注塑成型装备数据；利用预先训练的数据挖掘算法对清洗后的注塑成型装备数据进行数据挖掘，得到与所述数据请求对应的数据挖掘结果；将与所述数据请求对应的数据挖掘结果进行输出。本发明专利技术先通过对注塑成型装备数据进行数据清洗，然后再对清洗后的注塑成型装备数据进行数据挖掘，从而得到与所述数据请求对应的数据挖掘结果，从而能够有效地从海量注塑成型装备数据中有效获取有用的数据，提高了注塑成型装备数据的利用效率。

【技术实现步骤摘要】
一种注塑成型装备大数据的分析方法及装置
本专利技术涉及大数据分析
，具体涉及了一种注塑成型装备大数据的分析方法及装置。
技术介绍
注塑成型装备作为塑料产业的工作母机，支撑了家电、汽车、消费电子等支柱性产业的发展。但是，整个塑料行业仍然属于劳动密集型产业，其信息化智能化水平落后。为保证注塑机能够生产出合格的产品，需要对注塑机在生产作业过程中影响塑料制品质量的因素进行检测和控制。在实际生产中，要进行信号检测的项目包括：料筒的温度、油温、油缸压力、系统油压、注射动作的行程、速度及时间等。同时，注塑机生产过程中发生故障时也产生了一些图片、视频数据。注塑机的生产数据，也构成了注塑成型装备大数据的来源。在现存的这些海量的注塑成型装备数据中，用户并不能有效的从中获取有用的信息，导致注塑成型装备数据被废弃。综上所述，如何提供一种能够从海量注塑成型装备中有效获取有用的数据的技术方案，是目前本领域技术人员亟待解决的问题。
技术实现思路
本专利技术目的在于克服现有技术的缺点与不足，提供了一种注塑成型装备大数据的分析方法，能够有效地从海量注塑成型装备数据中有效获取有用的数据。为实现上述目的，本专利技术采用的技术方案如下：一种注塑成型装备大数据的分析方法，包括以下步骤：接收外界输入的数据请求，从系统数据库中调取与所述数据请求类别相对应的注塑成型装备数据；对调取的注塑成型装备数据进行数据清洗，清洗掉属于离群值的数据，得到清洗后的注塑成型装备数据；利用预先训练的数据挖掘算法对清洗后的注塑成型装备数据进行数据挖掘，得到与所述数据请求对应的数据挖掘结果；将与所述数据请求对应的数据挖掘结果进行输出。由上可知，本专利技术先通过对注塑成型装备数据进行数据清洗，然后再对清洗后的注塑成型装备数据进行数据挖掘，从而得到与所述数据请求对应的数据挖掘结果，从而能够有效地从海量注塑成型装备数据中有效获取有用的数据，提高了注塑成型装备数据的利用效率。其中，对采集到的数据进行数据清洗是提高数据利用率的一个有效手段，数据清洗是对数据进行重新审查和校验的过程，目的在于删除重复信息、纠正存在的错误，并提供数据一致性。数据清洗从名字上也看的出就是把“脏”的“洗掉”，指发现并纠正数据文件中可识别的错误的最后一道程序，包括检查数据一致性，处理无效值和缺失值等。因为数据仓库中的数据是面向某一主题的数据的集合，这些数据从多个业务系统中抽取而来而且包含历史数据，这样就避免不了有的数据是错误数据、有的数据相互之间有冲突，这些错误的或有冲突的数据显然是我们不想要的，称为“脏数据”，我们要按照一定的规则把“脏数据”归属于离群值的数据并“洗掉”，这就是数据清洗。另外对清洗后的注塑成型装备数据进行数据挖掘，具体是将数据背后隐藏的信息提取出来，通过数据挖掘算法可以获取各数据之间的关联规则；本专利技术中可以利用数据挖掘算法对数据请求对应的注塑成型装备数据进行聚类处理，聚类处理得到的结果即为数据挖掘结果，通过聚类处理得到的注塑成型装备数据中包含的重要信息，如与数据请求对应的认为用户最需要的数据(如注塑机使用寿命、注塑产品质量、注塑机安全运行情况等)；从而通过这种方式的数据挖掘查询出用户最为需要或者最为关心的数据并输出。作为本专利技术的一种改进，所述步骤“对调取的注塑成型装备数据进行数据清洗，清洗掉属于离群值的数据，得到清洗后的注塑成型装备数据”包括以下子步骤：将调取的注塑成型装备数据根据时间顺序标注在二维坐标系上，并按照注塑步骤对数据进行分段，即是按照合模、注塑、保压、冷却、预塑、开模及顶出的步骤对标注在二维坐标系上的数据进行分段；对上述每段数据，通过下面的公式求每段数据的均值：其中，n为第t段数据的个数，βi为第t段的第i个值；将同在一定范围的γt值归为同一集合里，定义为集合Φt，并记这集合的平均值为对集合Φt求偏差：其中ni为集合Φt中数据的个数；基于计算得到的均值与偏差，得到数据βi的标准化值，即标准化值为通过标准化值yi与预设阈值τ相对比，如果yi＞τ，则判断数据βi属于离群值，并对数据βi清洗，否，则保留数据βi。作为本专利技术的一种改进，所述步骤“将同在一定范围的γt值归为同一集合里，定义为集合Φt，并记这集合的平均值为”包括以下子步骤：建立二维坐标系，其中横坐标为时间，纵坐标按照分成若干段，其中j={0,±1,±2,…,±N}，N的取值需满足N＞max(γt)；将γt根据时间顺序标注在上述二维坐标系上；对纵坐标中总共2N+1个范围，把位于同一个的γt确定归为同一集合里，定义为集合Φt，并得到位于集合Φt中γt的平均值为作为本专利技术的一种改进，所述步骤“利用预先训练的数据挖掘算法对清洗后的注塑成型装备数据进行数据挖掘，得到与所述数据请求对应的数据挖掘结果”包括以下子步骤：a.设置初始预先训练的数据挖掘算法为当前挖掘算法；b.利用当前挖掘算法对清洗后的注塑成型装备数据进行数据挖掘，得到对应的训练挖掘结果；c.判断所述训练挖掘结果与预设的标准结果之间的相似度，若相似度小于预设阈值，则得到与所述数据请求对应的数据挖掘结果，否则，调整当前挖掘算法的参数，并确定调整参数后的挖掘算法作为当前挖掘算法，返回步骤b。进一步地，所述挖掘算法为EM算法。作为本专利技术的一种改进，所述步骤b包括以下步骤：b1.设置初始迭代步数为t＝0，初始的训练结果为θt；b2.计算当前的训练结果θt，得到基于清洗后的注塑成型装备数据Y={Y1,Y2,…,Yn,}的期望对数似然函数Q(θ,θt)=E[logP(Y,X|θ)|Y,θt]；b3.求取使期望对数似然函数Q(θ,θt)极大化的θ，并得到第i+1次迭代的参数θt+1，则Q(θ,θt+1)为对应的训练挖掘结果。作为本专利技术的一种改进，所述步骤c具体过程如下：预先设置一个收敛阈值δ，如果Q(θ,θt+1)＞Q(θ,θt)+δ，则达到相似度，得到Q(θ,θt+1)为与所述数据请求对应的数据挖掘结果，否则，调整当前挖掘算法的参数，基于当前的已经求得的θt+1，令t＝t+1，返回步骤b，其中Q(θ,θt)为预设的标准结果。本专利技术还提供一种注塑成型装备大数据的分析装置。为实现上述目的，本专利技术采用的技术方案如下：一种注塑成型装备大数据的分析装置，包括数据调取模块、数据清洗模块、数据挖掘模块和数据输出模块；数据调取模块，用于接收外界输入的数据请求，从系统数据库中调取与所述数据请求类别相对应的注塑成型装备数据；数据清洗模块，用于对调取的注塑成型装备数据进行数据清洗，清洗掉属于离群值的数据，得到清洗后的注塑成型装备数据；数据挖掘模块，用于利用预先训练的数据挖掘算法对清洗后的注塑成型装备数据进行数据挖掘，得到与所述数据请求对应的数据挖掘结果；数据输出模块，用于将与所述数据请求对应的数据挖掘结果进行输出。作为本专利技术的一种改进，所述数据清洗模块包括以下子模块：数据分段模块，用于将调取的注塑成型装备数据根据时间顺序标注在二维坐标系上，并按照注塑步骤对数据进行分段，即是按照合模、注塑、保压、冷却、预塑、开模及顶出的步骤对标注在二维坐标系上的数据进行分段；均值模块，用于对上述每段数据，通过下面的公式求每段数据的均值：其中，n为第t段数据的个数，βi为第t段的第i个值；归类模块，用于将同在一定范围的γt值归为同本文档来自技高网...

【技术保护点】
1.一种注塑成型装备大数据的分析方法，其特征在于包括以下步骤：接收外界输入的数据请求，从系统数据库中调取与所述数据请求类别相对应的注塑成型装备数据；对调取的注塑成型装备数据进行数据清洗，清洗掉属于离群值的数据，得到清洗后的注塑成型装备数据；利用预先训练的数据挖掘算法对清洗后的注塑成型装备数据进行数据挖掘，得到与所述数据请求对应的数据挖掘结果；将与所述数据请求对应的数据挖掘结果进行输出。

【技术特征摘要】
1.一种注塑成型装备大数据的分析方法，其特征在于包括以下步骤：接收外界输入的数据请求，从系统数据库中调取与所述数据请求类别相对应的注塑成型装备数据；对调取的注塑成型装备数据进行数据清洗，清洗掉属于离群值的数据，得到清洗后的注塑成型装备数据；利用预先训练的数据挖掘算法对清洗后的注塑成型装备数据进行数据挖掘，得到与所述数据请求对应的数据挖掘结果；将与所述数据请求对应的数据挖掘结果进行输出。2.根据权利要求1所述的注塑成型装备大数据的分析方法，其特征在于：所述步骤“对调取的注塑成型装备数据进行数据清洗，清洗掉属于离群值的数据，得到清洗后的注塑成型装备数据”包括以下子步骤：将调取的注塑成型装备数据根据时间顺序标注在二维坐标系上，并按照注塑步骤对数据进行分段，即是按照合模、注塑、保压、冷却、预塑、开模及顶出的步骤对标注在二维坐标系上的数据进行分段；对上述每段数据，通过下面的公式求每段数据的均值：其中，n为第t段数据的个数，βi为第t段的第i个值；将同在一定范围的γt值归为同一集合里，定义为集合Φt，并记这集合的平均值为对集合Φt求偏差：其中ni为集合Φt中数据的个数；基于计算得到的均值与偏差，得到数据βi的标准化值，即标准化值为通过标准化值yi与预设阈值τ相对比，如果yi＞τ，则判断数据βi属于离群值，并对数据βi清洗，否，则保留数据βi。3.根据权利要求2所述的注塑成型装备大数据的分析方法，其特征在于：所述步骤“将同在一定范围的γt值归为同一集合里，定义为集合Φt，并记这集合的平均值为”包括以下子步骤：建立二维坐标系，其中横坐标为时间，纵坐标按照分成若干段，其中j＝{0，±1，±2，...，±N}，N的取值需满足N＞max(γt)；将γt根据时间顺序标注在上述二维坐标系上；对纵坐标中总共2N+1个范围，把位于同一个的γt确定归为同一集合里，定义为集合Φt，并得到位于集合Φt中γt的平均值为4.根据权利要求1所述的注塑成型装备大数据的分析方法，其特征在于：所述步骤“利用预先训练的数据挖掘算法对清洗后的注塑成型装备数据进行数据挖掘，得到与所述数据请求对应的数据挖掘结果”包括以下子步骤：a.设置初始预先训练的数据挖掘算法为当前挖掘算法；b.利用当前挖掘算法对清洗后的注塑成型装备数据进行数据挖掘，得到对应的训练挖掘结果；c.判断所述训练挖掘结果与预设的标准结果之间的相似度，若相似度小于预设阈值，则得到与所述数据请求对应的数据挖掘结果，否则，调整当前挖掘算法的参数，并确定调整参数后的挖掘算法作为当前挖掘算法，返回步骤b。5.根据权利要求4所述的注塑成型装备大数据的分析方法，其特征在于：所述步骤b包括以下步骤：b1.设置初始迭代步数为t＝0，初始的训练结果为θt；b2.计算当前的训练结果θt，得到基于清洗后的注塑成型装备数据Y＝{Y1，Y2，...，Yn，}的期望对数似然函数Q(θ，θt)＝E[logP(Y，X|θ)|Y，θt]；b3.求取使期望对数似然函数Q(θ，θt)极大化的θ，并得到第i+1次迭代的参数θt+1，则Q(θ,θt...

【专利技术属性】
技术研发人员：徐雍，周嘉煜，鲁仁全，张斌，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：广东,44