本發(fā)明涉及數(shù)據(jù)處理領(lǐng)域。更具體地，本發(fā)明涉及基于大數(shù)據(jù)的補(bǔ)強(qiáng)板生產(chǎn)質(zhì)量數(shù)據(jù)處理方法。

背景技術(shù)：

1、在現(xiàn)代制造業(yè)中，補(bǔ)強(qiáng)板應(yīng)用于建筑、交通和機(jī)械等領(lǐng)域，以增強(qiáng)結(jié)構(gòu)的穩(wěn)定性和承載能力。隨著工業(yè)和智能制造的推進(jìn)，生產(chǎn)過(guò)程中產(chǎn)生了大量的數(shù)據(jù)，包括原材料品質(zhì)、生產(chǎn)環(huán)境參數(shù)、設(shè)備運(yùn)行狀態(tài)、實(shí)時(shí)監(jiān)測(cè)數(shù)據(jù)以及質(zhì)量檢測(cè)結(jié)果等。這些數(shù)據(jù)的積累為提升補(bǔ)強(qiáng)板的生產(chǎn)質(zhì)量提供了寶貴的信息源。然而，傳統(tǒng)的質(zhì)量控制手段往往依賴人工檢驗(yàn)和經(jīng)驗(yàn)判斷，存在效率低、響應(yīng)慢和準(zhǔn)確性不足等問(wèn)題。故亟需一種基于大數(shù)據(jù)的補(bǔ)強(qiáng)板生產(chǎn)質(zhì)量數(shù)據(jù)處理方法，使得企業(yè)能夠?qū)崟r(shí)監(jiān)測(cè)生產(chǎn)過(guò)程，及時(shí)識(shí)別異常，預(yù)測(cè)產(chǎn)品質(zhì)量，從而實(shí)現(xiàn)精準(zhǔn)控制和優(yōu)化。

2、現(xiàn)有公開(kāi)號(hào)為cn118643444a的中國(guó)專利申請(qǐng)文件公開(kāi)了一種大數(shù)據(jù)異常檢測(cè)、裝置、設(shè)備、存儲(chǔ)介質(zhì)及計(jì)算機(jī)程序產(chǎn)品，該方法通過(guò)對(duì)原始的孤立森林算法進(jìn)行改進(jìn)，首先，根據(jù)待處理業(yè)務(wù)數(shù)據(jù)創(chuàng)建多顆孤立樹(shù)；之后，計(jì)算多顆孤立樹(shù)中每顆孤立樹(shù)的適應(yīng)度值；然后，以孤立樹(shù)的適應(yīng)度值作為篩選指標(biāo)，基于禁忌搜索算法從多顆孤立樹(shù)中選出目標(biāo)孤立樹(shù)形成孤立森林，最后，根據(jù)孤立森林對(duì)待處理業(yè)務(wù)數(shù)據(jù)進(jìn)行異常檢測(cè)，獲取異常檢測(cè)結(jié)果。以孤立樹(shù)的適應(yīng)度值作為篩選指標(biāo)，基于禁忌搜索算法去掉多顆孤立樹(shù)中適應(yīng)度值較低、較冗余的孤立樹(shù)，篩選出較為優(yōu)秀的目標(biāo)孤立樹(shù)，不僅減小了孤立森林所占用的空間，還降低了異常檢測(cè)的計(jì)算開(kāi)銷(xiāo)，提高了異常檢測(cè)的效率。

3、該申請(qǐng)文件通過(guò)禁忌搜索算法去掉多顆孤立樹(shù)中適應(yīng)度值較低、較冗余的孤立樹(shù)，解決了構(gòu)建較多顆孤立樹(shù)耗費(fèi)內(nèi)存空間較大、計(jì)算開(kāi)銷(xiāo)較大、異常檢測(cè)效率較低的問(wèn)題，但是孤立森林算法對(duì)補(bǔ)強(qiáng)板生產(chǎn)質(zhì)量數(shù)據(jù)進(jìn)行異常檢測(cè)的過(guò)程中，常規(guī)的通過(guò)隨機(jī)閾值對(duì)數(shù)據(jù)進(jìn)行劃分無(wú)法考慮到補(bǔ)強(qiáng)板生產(chǎn)質(zhì)量數(shù)據(jù)中每項(xiàng)數(shù)據(jù)的可分裂程度，導(dǎo)致對(duì)每項(xiàng)數(shù)據(jù)的閾值劃分不夠準(zhǔn)確，將正常數(shù)據(jù)誤劃分為異常數(shù)據(jù)，導(dǎo)致補(bǔ)強(qiáng)板生產(chǎn)質(zhì)量數(shù)據(jù)處理不準(zhǔn)確。

技術(shù)實(shí)現(xiàn)思路

1、為解決孤立森林算法對(duì)補(bǔ)強(qiáng)板生產(chǎn)質(zhì)量數(shù)據(jù)進(jìn)行異常檢測(cè)時(shí)，隨機(jī)閾值對(duì)數(shù)據(jù)進(jìn)行劃分無(wú)法考慮到補(bǔ)強(qiáng)板生產(chǎn)質(zhì)量數(shù)據(jù)中每項(xiàng)數(shù)據(jù)的可分裂程度，導(dǎo)致數(shù)據(jù)處理不夠準(zhǔn)確的問(wèn)題，本發(fā)明在如下方面中提供方案。

2、基于大數(shù)據(jù)的補(bǔ)強(qiáng)板生產(chǎn)質(zhì)量數(shù)據(jù)處理方法，包括：獲取補(bǔ)強(qiáng)板的生產(chǎn)質(zhì)量數(shù)據(jù)，計(jì)算所述生產(chǎn)質(zhì)量數(shù)據(jù)中各項(xiàng)數(shù)據(jù)的分布均勻程度；以所述生產(chǎn)質(zhì)量數(shù)據(jù)中任一項(xiàng)數(shù)據(jù)為目標(biāo)項(xiàng)數(shù)據(jù)，計(jì)算目標(biāo)項(xiàng)數(shù)據(jù)的分布均勻程度和所有項(xiàng)數(shù)據(jù)的分布均勻程度的平均值之間的比值，并乘以初始分割段數(shù)，得到目標(biāo)項(xiàng)數(shù)據(jù)的分割段數(shù)，基于分割段數(shù)確定最優(yōu)分割比，并計(jì)算偏心優(yōu)選程度，將偏心優(yōu)選程度作為分割優(yōu)選程度；根據(jù)分割優(yōu)選程度對(duì)各項(xiàng)數(shù)據(jù)進(jìn)行孤立樹(shù)劃分，得到劃分結(jié)果，根據(jù)劃分結(jié)果構(gòu)建孤立森林，并對(duì)數(shù)據(jù)點(diǎn)進(jìn)行異常檢測(cè)；其中，所述偏心優(yōu)選程度滿足下述關(guān)系式：，式中，表示第個(gè)數(shù)據(jù)點(diǎn)在第項(xiàng)數(shù)據(jù)中進(jìn)行第次分割時(shí)的偏心優(yōu)選程度，表示第個(gè)數(shù)據(jù)點(diǎn)在第項(xiàng)數(shù)據(jù)中與第項(xiàng)數(shù)據(jù)最大值之間差距絕對(duì)值的最大值，表示第項(xiàng)數(shù)據(jù)第次數(shù)據(jù)分割時(shí)的最優(yōu)分割比，表示第個(gè)數(shù)據(jù)點(diǎn)在第項(xiàng)數(shù)據(jù)中與第項(xiàng)數(shù)據(jù)最小值之間差距絕對(duì)值的最小值。

3、其效果在于：計(jì)算每項(xiàng)數(shù)據(jù)的分布均勻程度，可以更準(zhǔn)確地評(píng)估數(shù)據(jù)的離散程度和分布特性，根據(jù)分布均勻程度和平均分布均勻程度的比值來(lái)確定分割段數(shù)，使得分割更加適應(yīng)數(shù)據(jù)的實(shí)際分布，從而提高了分割的準(zhǔn)確性，確定最優(yōu)分割比有助于在孤立森林的構(gòu)建過(guò)程中更有效地識(shí)別異常數(shù)據(jù)點(diǎn)，通過(guò)自適應(yīng)閾值劃分替代了隨機(jī)閾值劃分，減少了將正常數(shù)據(jù)誤判為異常數(shù)據(jù)的風(fēng)險(xiǎn)。

4、優(yōu)選的，所述生產(chǎn)質(zhì)量數(shù)據(jù)包括：鋼材強(qiáng)度、鋼材厚度、設(shè)備壓力、生產(chǎn)環(huán)境溫度、濕度、劣品率和生產(chǎn)效率。

5、優(yōu)選的，所述各項(xiàng)數(shù)據(jù)的分布均勻程度，包括：

6、對(duì)目標(biāo)項(xiàng)數(shù)據(jù)按照從小到大進(jìn)行排序，將目標(biāo)項(xiàng)數(shù)據(jù)中相鄰兩個(gè)數(shù)據(jù)點(diǎn)之間的絕對(duì)差值與目標(biāo)項(xiàng)數(shù)據(jù)中數(shù)據(jù)點(diǎn)平均極差之間的差值作為波動(dòng)偏差，并進(jìn)行歸一化；

7、將歸一化后的所述波動(dòng)偏差求和的平均值作為目標(biāo)項(xiàng)數(shù)據(jù)的分布均勻程度。

8、其效果在于：通過(guò)歸一化后的波動(dòng)偏差求和的平均值，可以反映數(shù)據(jù)集中的波動(dòng)和離散程度，幫助識(shí)別數(shù)據(jù)的分布特性，如是否偏斜、集中或分散，由于異常數(shù)據(jù)點(diǎn)往往會(huì)在分布均勻性上表現(xiàn)出較大的偏差，可以更準(zhǔn)確地識(shí)別出異常數(shù)據(jù)點(diǎn)。

9、優(yōu)選的，所述各項(xiàng)數(shù)據(jù)的分布均勻程度，還包括：

10、對(duì)目標(biāo)項(xiàng)數(shù)據(jù)按照從小到大進(jìn)行排序，以目標(biāo)項(xiàng)數(shù)據(jù)中任一數(shù)據(jù)點(diǎn)為基準(zhǔn)數(shù)據(jù)，計(jì)算基準(zhǔn)數(shù)據(jù)和目標(biāo)項(xiàng)數(shù)據(jù)的平均值的相對(duì)絕對(duì)差求和的平均值，得到目標(biāo)項(xiàng)數(shù)據(jù)的分布均勻程度。

11、其效果在于：通過(guò)計(jì)算每個(gè)數(shù)據(jù)點(diǎn)與平均值的相對(duì)絕對(duì)差，可以量化數(shù)據(jù)點(diǎn)相對(duì)于整體數(shù)據(jù)集中心趨勢(shì)的偏離程度，從而評(píng)估數(shù)據(jù)分布的均勻性。

12、優(yōu)選的，所述最優(yōu)分割比，包括：

13、基于分割段數(shù)對(duì)目標(biāo)項(xiàng)數(shù)據(jù)進(jìn)行分割，分別計(jì)算每次分割后，目標(biāo)項(xiàng)數(shù)據(jù)中剩余數(shù)據(jù)的最優(yōu)分割比；

14、其中，將目標(biāo)項(xiàng)數(shù)據(jù)中剩余數(shù)據(jù)作為待分割數(shù)據(jù)，將分割段數(shù)與當(dāng)前分割索引之間的差值加1的倒數(shù)作為待分割數(shù)據(jù)的最優(yōu)分割比。

15、其效果在于：隨著每次分割的進(jìn)行，剩余數(shù)據(jù)點(diǎn)數(shù)量減少，最優(yōu)分割比動(dòng)態(tài)調(diào)整以確保每次分割都盡可能均勻地分配數(shù)據(jù)，從而提高分割效率和均勻性，根據(jù)數(shù)據(jù)的實(shí)際分布動(dòng)態(tài)調(diào)整，增強(qiáng)了算法對(duì)不同數(shù)據(jù)分布的適應(yīng)性。

16、優(yōu)選的，所述孤立樹(shù)劃分的過(guò)程為：

17、獲取目標(biāo)項(xiàng)數(shù)據(jù)中每個(gè)數(shù)據(jù)點(diǎn)的分割優(yōu)選程度，將最大的分割優(yōu)選程度作為閾值，進(jìn)行第一次數(shù)據(jù)劃分；

18、響應(yīng)于第一次數(shù)據(jù)劃分后，對(duì)劃分的兩部分?jǐn)?shù)據(jù)中極差較大者作為待分割數(shù)據(jù)段，則根據(jù)待分割數(shù)據(jù)段計(jì)算其中每個(gè)數(shù)據(jù)點(diǎn)的分割優(yōu)選程度，繼續(xù)進(jìn)行閾值選取與數(shù)據(jù)劃分，直到目標(biāo)項(xiàng)數(shù)據(jù)被劃分次數(shù)達(dá)到分割段數(shù)減1，根據(jù)劃分結(jié)果構(gòu)建第項(xiàng)數(shù)據(jù)的孤立樹(shù)。

19、其效果在于：通過(guò)選取具有最大分割優(yōu)選程度的數(shù)據(jù)點(diǎn)作為閾值進(jìn)行劃分，可以更精確地識(shí)別出潛在的異常數(shù)據(jù)點(diǎn)，因?yàn)檫@些點(diǎn)在數(shù)據(jù)集中具有較高的區(qū)分度，通過(guò)優(yōu)先考慮分割優(yōu)選程度最高的數(shù)據(jù)點(diǎn)，可以更快地將數(shù)據(jù)分割成具有代表性的數(shù)據(jù)段，從而提高整體的分割效率。

20、優(yōu)選的，根據(jù)劃分結(jié)果構(gòu)建孤立森林，并對(duì)數(shù)據(jù)點(diǎn)進(jìn)行異常檢測(cè)，包括：

21、根據(jù)各項(xiàng)數(shù)據(jù)的孤立樹(shù)構(gòu)成孤立森林，基于數(shù)據(jù)點(diǎn)在每個(gè)孤立樹(shù)上的層深，獲取每個(gè)數(shù)據(jù)點(diǎn)的異常程度，將所述異常程度大于異常程度閾值的數(shù)據(jù)點(diǎn)標(biāo)記為異常數(shù)據(jù)點(diǎn)。

22、優(yōu)選的，所述分割優(yōu)選程度，還包括：

23、以目標(biāo)項(xiàng)數(shù)據(jù)中任一數(shù)據(jù)點(diǎn)為基準(zhǔn)數(shù)據(jù)，計(jì)算目標(biāo)項(xiàng)數(shù)據(jù)中大于基準(zhǔn)數(shù)據(jù)的數(shù)據(jù)點(diǎn)的平均值和小于基準(zhǔn)數(shù)據(jù)的數(shù)據(jù)點(diǎn)的平均值之間的差值，并與目標(biāo)項(xiàng)數(shù)據(jù)中待分割數(shù)據(jù)段的極差之間的比值的平方，得到分割差異程度；

24、將所述偏心優(yōu)選程度與所述分割差異程度的乘積作為分割優(yōu)選程度。

25、優(yōu)選的，所述分割優(yōu)選程度，還包括：

26、以目標(biāo)項(xiàng)數(shù)據(jù)中任一數(shù)據(jù)點(diǎn)為基準(zhǔn)數(shù)據(jù)，將目標(biāo)項(xiàng)數(shù)據(jù)中待分割數(shù)據(jù)段大于基準(zhǔn)數(shù)據(jù)的數(shù)據(jù)點(diǎn)的中位數(shù)和小于基準(zhǔn)數(shù)據(jù)的數(shù)據(jù)點(diǎn)的中位數(shù)之間的差值，并與目標(biāo)項(xiàng)數(shù)據(jù)中待分割數(shù)據(jù)段的極差之間的比值作為分割差異程度；

27、將所述偏心優(yōu)選程度與所述分割差異程度的乘積作為分割優(yōu)選程度。

28、本發(fā)明具有以下效果：

29、1、本發(fā)明通過(guò)動(dòng)態(tài)計(jì)算最優(yōu)分割比和分割優(yōu)選程度，能夠適應(yīng)不同的數(shù)據(jù)分布和特性，使得數(shù)據(jù)處理更加靈活，不依賴于固定的閾值，而是根據(jù)數(shù)據(jù)的實(shí)際分布來(lái)確定分割策略，增強(qiáng)了算法對(duì)不同數(shù)據(jù)集和不同生產(chǎn)條件的適應(yīng)性，增強(qiáng)了分割的準(zhǔn)確性。

30、2、本發(fā)明通過(guò)計(jì)算每項(xiàng)數(shù)據(jù)的分布均勻程度和偏心優(yōu)選程度，可以更精確地確定數(shù)據(jù)的分割點(diǎn)，從而在構(gòu)建孤立樹(shù)時(shí)更有效地識(shí)別出異常數(shù)據(jù)點(diǎn)，提高了異常檢測(cè)的效率，能夠有效地區(qū)分正常數(shù)據(jù)和異常數(shù)據(jù)，進(jìn)而減少誤報(bào)和漏報(bào)，提高異常檢測(cè)的準(zhǔn)確性和敏感性。

31、3、本發(fā)明通過(guò)優(yōu)先處理極差較大的數(shù)據(jù)段和選擇具有最大分割優(yōu)選程度的數(shù)據(jù)點(diǎn)作為閾值，可以更有效地利用計(jì)算資源，減少不必要的計(jì)算，提高數(shù)據(jù)處理的效率。