質量管理中孤立點分析的應用研究.pdf

1、科學技術和工業(yè)生產的發(fā)展，對質量要求越來越高。五十年代以來，火箭、人造衛(wèi)星、宇宙飛船等大型、復雜、精密的產品出現，對產品的安全性、可靠性、經濟性等要求越來越高，因此產品的質量問題就顯得更為突出。在企業(yè)的質量管理活動中，不論是決策分析，還是質量控制，都需要對大量的質量數據進行分析，質量數據具有波動性，而由其中的異常波動對產品質量產生的影響是可以避免的。面對生產過程中產生的大量的數據記錄，如何高效地檢測出那些異常數據記錄，并對其進行分析，進

2、一步確定引起該數據異常的實際原因，從而采取相應的措施以提高產品的質量，將具有十分重要的現實意義。而這正是數據挖掘中孤立點(異常點)分析方法的研究內容。
　　 孤立點分析是數據挖掘技術中一個非常重要的研究方向，所謂孤立點就是那些明顯偏離其它數據、不滿足數據的一般模式或行為，以至于被懷疑可能是由另外一種完全不同的機制產生的數據對象。孤立點分析過程大致可以被看作3個子問題：1什么樣的數據是不一致的，即孤立點的定義；2找到一個有效的方法

3、來挖掘這樣的孤立點；3對孤立點的合理解釋，即孤立點的內涵知識(Intensional Knowledge)。
　　 目前，仍沒有相關研究將孤立點分析技術應用于質量管理過程中。本文嘗試將孤立點分析技術應用于質量管理中進行研究，挖掘出質量數據中的異常數據對象，并著重研究分析這些異常對象蘊含的內涵知識。本文的主要工作可以概括為以下五個方面：
　　 1對質量管理及質量數據的特征和分類進行了介紹，并對質量管理中的孤立點分析應用現狀

4、進行了概述。
　　 2對孤立點分析進行了概述，重點介紹了現有的幾類具有代表性的孤立點檢測算法，分析其優(yōu)缺點、使用領域及改進方向，并對各種算法在質量管理中的可用性進行了分析。
　　 3對孤立點內涵知識挖掘的研究現狀進行了綜述，在現有研究的基礎上，結合質量數據的特征先后提出了一個基于距離和的孤立點內涵知識挖掘算法(Finding Intensional Knowledge of Distance Sum-basedOutli

5、er，IKDSO算法)和一個基于屬性子空間的孤立點內涵知識挖掘算法(Finding Intensional Knowledge of Attribute Subspace-based Outlier，IKASO算法)，可以認為IKASO算法是對IKDSO算法的一個改進。
　　 4受IKDSO算法和IKASO算法給出的孤立點內涵知識的啟發(fā)，結合質量數據集的特征提出了一個基于孤立點相似度的孤立點聚類算法(AnAlgorithm fo