| 摘要 | 第10-11页 |
| ABSTRACT | 第11页 |
| 第1章 绪论 | 第13-17页 |
| 1.1 研究背景及研究意义 | 第13-14页 |
| 1.2 工业大数据及质量评价方法的研究现状 | 第14-15页 |
| 1.2.1 大数据及质量评价的相关应用 | 第14页 |
| 1.2.2 工业大数据及质量评价在国内外的研究现状 | 第14-15页 |
| 1.3 本文的主要工作 | 第15-16页 |
| 1.3.1 工业大数据分析方案的建立 | 第15页 |
| 1.3.2 应用机器学习算法对螺栓数据的分析处理 | 第15-16页 |
| 1.3.3 对6 sigma质量评价方法的研究 | 第16页 |
| 1.4 论文的组织结构 | 第16-17页 |
| 第2章 基础介绍 | 第17-25页 |
| 2.1 相关业务介绍 | 第17-20页 |
| 2.1.1 螺栓拧紧的工艺过程介绍 | 第17页 |
| 2.1.2 螺栓类型介绍 | 第17-20页 |
| 2.2 相关技术介绍 | 第20-23页 |
| 2.2.1 大数据技术 | 第20-22页 |
| 2.2.2 机器学习技术 | 第22页 |
| 2.2.3 6 sigma管理技术与3 sigma准则 | 第22-23页 |
| 2.3 本章小结 | 第23-25页 |
| 第3章 数据预处理与聚类算法分析 | 第25-41页 |
| 3.1 数据预处理 | 第25-31页 |
| 3.1.1 大数据分析环境的建立 | 第25-28页 |
| 3.1.2 故障螺栓数据的处理 | 第28-30页 |
| 3.1.3 建立数据模型 | 第30-31页 |
| 3.2 聚类算法分析及实现 | 第31-39页 |
| 3.2.1 聚类算法的原理 | 第31-32页 |
| 3.2.2 聚类算法的分类原则和方法对比 | 第32-33页 |
| 3.2.3 K-means聚类算法介绍及实现 | 第33-35页 |
| 3.2.4 DBSCAN聚类算法介绍及实现 | 第35-37页 |
| 3.2.5 聚类算法的适用性分析 | 第37-39页 |
| 3.3 本章小结 | 第39-41页 |
| 第4章 基于大数据分析的质量等级评价方法 | 第41-47页 |
| 4.1 基于大数据分析的等级评价方法的创建 | 第41-42页 |
| 4.2 基于3 sigma准则的质量等级划分方法 | 第42-44页 |
| 4.3 决策树在等级确立中的应用 | 第44-46页 |
| 4.4 本章小节 | 第46-47页 |
| 第5章 工业案例分析 | 第47-65页 |
| 5.1 工业案例描述 | 第47-49页 |
| 5.1.1 内燃机相关螺栓的拧紧问题描述 | 第47页 |
| 5.1.2 两种螺栓拧紧数据的算法选择分析 | 第47-49页 |
| 5.2 K-means在高强度螺栓数据中的应用分析 | 第49-57页 |
| 5.2.1 高强度螺栓拧紧流程及现状 | 第49页 |
| 5.2.2 基于K-means的高强度螺栓大数据分析方案 | 第49-56页 |
| 5.2.3 高强度螺栓基于6 sigma质量评价方法的分析 | 第56-57页 |
| 5.3 DBSCAN在普通螺栓数据中的应用分析 | 第57-64页 |
| 5.3.1 普通螺栓拧紧流程及现状 | 第57-58页 |
| 5.3.2 基于DBSCAN的普通螺栓大数据分析方案 | 第58-61页 |
| 5.3.3 普通螺栓基于6 sigma质量评价方法的分析 | 第61-64页 |
| 5.4 本章小结 | 第64-65页 |
| 第6章 结论与展望 | 第65-67页 |
| 6.1 结论 | 第65页 |
| 6.2 展望 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71-73页 |
| 攻读学位期间发表的学术论文目录 | 第73-74页 |
| 学位论文评阅及答辩情况表 | 第74页 |
