制造物联网汽配产品质量预测研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第13-22页 |
| 1.1 研究背景及意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-20页 |
| 1.2.1 制造物联网研究现状 | 第14-16页 |
| 1.2.2 生产过程质量预测研究现状 | 第16-20页 |
| 1.3 课题来源 | 第20页 |
| 1.4 研究内容和结构 | 第20-22页 |
| 第二章 制造物联网大数据技术相关研究 | 第22-32页 |
| 2.1 气门产品质量预测应用需求分析 | 第22-24页 |
| 2.2 制造物联网应用场景 | 第24-26页 |
| 2.2.1 生产过程实时采集数据 | 第25页 |
| 2.2.2 产品质量全流程管控 | 第25-26页 |
| 2.3 工业大数据技术架构 | 第26-28页 |
| 2.4 基于大数据的产品质量预测流程 | 第28-30页 |
| 2.4.1 产品质量预测相关挖掘流程 | 第28-29页 |
| 2.4.2 多工序加工产品质量特点分析 | 第29-30页 |
| 2.5 挖掘算法的性能评价 | 第30-31页 |
| 2.6 本章小结 | 第31-32页 |
| 第三章 制造物联网生产过程质量分析系统设计与实现 | 第32-45页 |
| 3.1 问题描述 | 第32页 |
| 3.2 大数据平台构建 | 第32-35页 |
| 3.2.1 硬件环境 | 第33-34页 |
| 3.2.2 软件环境 | 第34-35页 |
| 3.3 大数据平台处理分析系统 | 第35-44页 |
| 3.3.1 大数据核心组件 | 第37-40页 |
| 3.3.2 大数据平台与Web框架整合 | 第40-41页 |
| 3.3.3 SpringMVC框架设计 | 第41页 |
| 3.3.4 系统功能模块设计 | 第41-43页 |
| 3.3.5 前端可视化展示层 | 第43-44页 |
| 3.4 本章小结 | 第44-45页 |
| 第四章 制造物联网汽配产品质量预测模型 | 第45-57页 |
| 4.1 问题描述 | 第45页 |
| 4.2 数据处理及分析 | 第45-47页 |
| 4.2.1 数据预处理方法 | 第45-47页 |
| 4.2.2 模型预测评估指标 | 第47页 |
| 4.3 基于随机森林的产品质量回归预测 | 第47-50页 |
| 4.3.1 RandomForest推导 | 第49-50页 |
| 4.4 基于XGBoost的产品质量回归预测 | 第50-56页 |
| 4.4.1 GBDT算法 | 第50-52页 |
| 4.4.2 XGBoost推导 | 第52-56页 |
| 4.5 本章小结 | 第56-57页 |
| 第五章 产品质量预测模型应用分析 | 第57-70页 |
| 5.1 引言 | 第57页 |
| 5.2 实践方案 | 第57页 |
| 5.3 实验结果与分析 | 第57-69页 |
| 5.3.1 汽配数据描述 | 第58-59页 |
| 5.3.2 汽配数据整体统计分析 | 第59-62页 |
| 5.3.3 基于随机森林的回归预测 | 第62-63页 |
| 5.3.4 基于XGBoost算法的回归预测 | 第63-65页 |
| 5.3.5 模型融合 | 第65-69页 |
| 5.4 本章小结 | 第69-70页 |
| 结论 | 第70-72页 |
| 参考文献 | 第72-77页 |
| 攻读学位期间发表论文 | 第77-78页 |
| 攻读学位期间参加的科研项目 | 第78-80页 |
| 致谢 | 第80页 |
