离散数据分析和连续数据结合应用-西格数据.PDF

离散数据分析和连续数据结合应用 MES环境下 ，CNC数控系统、PLC压装及测试设备、三坐标等数据提供了海量数据进 行分析 ，而工业过程中 ，由于变化因子较多 ，且往往是在短期内变化因子数量较少、在较长 时间内之前变化的因子又重新发生了变化 ，而之前稳定的因子 ，又发生了变化 ，故 ，我们称 之为因子变化的随机性和不确定性。 此时 ，数据源不成为问题 ，而如何根据 MES框架下的数据进行分析 ，快速查找到产品 失效的根本原因 ，则成为了重中之重。本文提供一种分析思路 ，用于解决没有头绪情况下的 问题分析。 行时间序列分析 ，也有基于小时和天进行时间序列分析 ，这往往取决于要分析对象的变 化周期或影响因素的变化周期 ，而天 ，则是一个相对比较常用的变化周期 ：一方面考虑到在 很多行业 ，潜在因素变化的概率较小 ；另一方面 ，则要考虑到生产过程中的抽检特性 ，以便 在分析问题时 ，数据本身能够具备映射关系 ，便于分析。 ——Jiangsu Siger Data Technology Co. , Ltd 上图是作者在某具体项目时 ，确认以天为时间轴 ，进行数据分析 ，该时间轴覆盖了 2013/01/12到 2014/02/10这段时间轴范围内的数据 ，通过时间序列分析发现 （每天的样 本量约 2000 多 ）,不同天之间的Y 输出变化较大 ，具备选取时间为基准因素的条件。注意 ， 选择时间为基准因素时 ，我们将借用谢林 BOB 、WOW 的概念在这里 ；同时 ，需要注意选 取 BOB、WOW 样本时 ，样本时间尽量间隔周期较短 ，避免长时间阶段下其他因素带来的 影响 （混杂其他因子 ）；BOB和 WOW 的状态差别也要够大 ，以避免α和β风险。 ——Jiangsu Siger Data Technology Co. , Ltd 通过时间序列图和正态性时间汇总信息 ，本例中选定了两组对应的 BOB和 WOW ，样 本量各为 5。此时 ，通过时间序列分析方法 ，借用谢林 BOB和 WOW 的思想 ，成功取样 ， 用以避免统计上的α和β风险。而 5对 BOB和 5对 WOW 对比 ，也具备了 99.4%的置信度 （Man Whitny test ）。 此时的 5对 5的检验 ，目的是从连续性测试转化到离散型测量上来 ，用以规避传统的 连续性测试和离散型测量之间的非映射关系 ，此时 ，通过 ，自动调取三坐标中的关键零件测 量数据 （MES+环境下的三坐标数据管理与分析一文 ），进行对比分析 ： ——Jiangsu Siger Data Technology Co. , Ltd 通过 Y 时间序列变化锁定时间轴 ，基于时间轴调出测量系统中关键数据 ，借用 Man Whitney 统计思想 ，快速找到关键零件中的关键尺寸差异。当然 ，现在需要进一步确认因 子带来的影响是否显著 ，可以单独设定实验进行确认 ，而方法则可以多样化 ，线性分析、方 差分析等方法 ，都能够在这个场景下进行应用。 ——Jiangsu Siger Data Technology Co. , Ltd 基于 MES框架下 ，工业过程的数据采集将变得越来越容易 ，而数据本身却具备连续状 态和离散状态 ，如何在不同状态下进行切换和对应 ，除了在大数据维度下的插补技术、线性 拟合技术等 ，也需要对工艺有着较深的理解 ，本文仅以此抛砖引玉 ，期望得到更多讨论。 江苏西格数据科技有限公司 2017年 10 月 10 日 ——Jiangsu Siger Data Technology Co. , Ltd