一种汽车发动机气门质量流式数据处理方法及装置与流程

本发明涉及大数据处理分析技术领域，特别是涉及一种汽车发动机气门质量流式数据处理方法及装置。

背景技术：

对于汽车发动机气门产品的生产过程的进行，其生产过程的检测数据源源不断的进行采集和汇总并形成数据流，在其采集的数据流中包含着制造过程的各项数据以及产品的质量指标。对这些多来源的大量流式数据进行分析处理，能够有效的监控当前制造过程和各环节中的产品信息，并且通过对数据的分析能够准确有效的诊断在生产过程中的包括设备故障、产品质量不合格等各项生产过程的异常情况。

现有的技术在进行质量数据分析和诊断方法一般有：

一、采用离线数据处理分析的方式进行分析和诊断，在完成所有生产环节或某项生产工序的数据采集后，再进行数据的分析和处理，并以此诊断生产环节的故障或相应的产品质量故障。缺点是：实时性不强，处理结果不能实时反馈和作用于当前的生产。

二、采用数据截取和抽样分析处理，对于采集和汇总后数据进行数据切片截取或抽样分析处理，通过部分数据的分析处理结果来分析监测生产过程是否正常进行以及产品是否满足质量要求。缺点是：由于数据截取和采样方式回导致数据不完全，处理分析结果不能保证完全可靠。

技术实现要素：

本发明的目的是提供一种汽车发动机气门质量流式数据处理方法及装置，以实时准确的对检测流式数据进行处理分析，并依据处理分析的数据结果进行故障诊断。

为解决上述技术问题，本发明提供一种汽车发动机气门质量流式数据处理方法，包括：

获取汽车发动机气门生产过程中生成的原始数据流；

将所述原始数据流分离为产品检测数据流以及设备检测数据流；

将所述产品检测数据流中的数据与预先构建的产品生产质量标准库中的数据进行比对，生成产品质量分析比对结果；

采用预先构建的设备运行状态标准集，对所述设备检测数据流中的数据进行训练和分类，生成设备状态数据检测结果。

可选地，所述产品生产质量标准库的构建过程为：

对生产过程中的产品质量数据进行采样，获取原始产品质量数据；

建立生产标准记录A1＝[A₁，A₂，A₃,...,A_n...,B₁,B₂,...B_n]，其中，A₁，A₂，A₃,...,A_n用于表示生产过程中表征工艺的各项参数；B₁,B₂,...B_n用于表示相应生产工序下工艺项目质量的标准数据。

可选地，所述设备运行状态标准集的构建过程为：

对生产过程中的设备运行数据进行采样，获取原始设备运行数据；

采用监督学习分类算法KNN进行检测设备数据的初步分类，确定设备运行状态KNN分类的训练集，所述训练集采用多维数组形式表示，不同维度的数据分别表示为设备类型、设备运行状态、运行状态下设备运行参数、状态标准Lable：

设备类型维E＝[E₁，E₂，E₃，...，E_n]，其中E₁，E₂，E₃，...，E_n表示生产设备的运行状态参数；C＝[C₁，C₂，C₃，...，C_n]，其中C₁，C₂，C₃，...，C_n表示设备的运行状态，状态标准Lable维L＝[L₁，L₂，L₃，...，L_n]，其中L₁，L₂，L₃，...，L_n表示状态Lable，设备运行参数依设备类型不同采用一维或多维数组表示。

可选地，在所述生成设备状态数据检测结果之后还包括：

调用预先构建的设备故障诊断训练数据集，根据所述设备状态数据检测结果确定设备的故障类型。

可选地，所述设备故障诊断训练数据集的构建过程包括：

构建设备故障结果集R＝[R₁，R₂，R₃，...，R_n，E_x]，其中R₁，R₂，R₃，...，R_n表示故障类型，E_x表示未识别故障。

可选地，在根据所述设备状态数据检测结果确定设备的故障类型之后还包括：

将确定的已知故障类型进行存储，将未知诊断结果的情况进行数据报警，以进行人工故障诊断。

可选地，所述生成产品质量分析比对结果包括：

生成产品质量分析对比结果Q＝[A₁，A₂，A₃，...，A_n...，B₁,B₂,...B_n,R,Q₁,Q₂,...Q_n,]；其中，R表示产品在生产工序下工序项目的工艺质量是否合格，Q₁,Q₂,...Q_n分别表示工序项目及生产工序下的质量统计数据。

可选地，所述生成设备状态数据检测结果包括：

生成设备状态数据检测分类结果集S＝[S₁，S₂，S₃，...，S_n,E_z]；其中；S₁，S₂，S₃,...,S_n表示经分类检测后的不同运行状态，E_z表示未知分类结果。

可选地，在所述生成产品质量分析比对结果之后还包括：

对各生产环节中的产品质量异常信息进行标注；

在所述生成设备状态数据检测结果之后还包括：

对所述设备状态数据检测结果进行存储，并生成可视化报表。

本发明还提供了一种汽车发动机气门质量流式数据处理装置，包括：

获取模块，用于获取汽车发动机气门生产过程中生成的原始数据流；

分离模块，用于将所述原始数据流分离为产品检测数据流以及设备检测数据流；

第一处理模块，用于将所述产品检测数据流中的数据与预先构建的产品生产质量标准库中的数据进行比对，生成产品质量分析比对结果；

第二处理模块，用于采用预先构建的设备运行状态标准集，对所述设备检测数据流中的数据进行训练和分类，生成设备状态数据检测结果。

本发明所提供的汽车发动机气门质量流式数据处理方法及装置，通过获取汽车发动机气门生产过程中生成的原始数据流；将原始数据流分离为产品检测数据流以及设备检测数据流；将产品检测数据流中的数据与预先构建的产品生产质量标准库中的数据进行比对，生成产品质量分析比对结果；采用预先构建的设备运行状态标准集，对设备检测数据流中的数据进行训练和分类，生成设备状态数据检测结果。本申请通过提前对生产产品的质量标准数据、设备运行状态以及不同设备运行状态的参数指标构建标准库和特征集的方式，当对生产过程生产产品数据与设备数据流进行采集汇总时，能够快速准确地进行数据流的分离处理，对产品质量数据能够依质量标准进行快速分析对比，对设备运行数据能够按照先分类后决策树诊断的方式进行故障诊断和运行时监控。不仅提高了产品质量的把控效率，也降低了设备故障诊断的成本。

附图说明

为了更清楚的说明本发明实施例或现有技术的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明所提供的汽车发动机气门质量流式数据处理方法的一种具体实施方式的流程图；

图2为本发明所提供的汽车发动机气门质量流式数据处理方法的另一种具体实施方式的示意图；

图3为本实施例所提供的产品质量数据分析处理过程示意图；

图4为本实施例所提供的设备检测数据的KNN分类过程示意图；

图5为本发明实施例所提供的KNN分类后C4.5算法进行故障原因诊断示意图；

图6为本发明实施例提供的汽车发动机气门质量流式数据处理装置的结构框图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面结合附图和具体实施方式对本发明作进一步的详细说明。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明所提供的汽车发动机气门质量流式数据处理方法的一种具体实施方式的流程图如图1所示，该方法包括：

步骤S101：获取汽车发动机气门生产过程中生成的原始数据流；

具体地，对生产过程中产品质量数据与设备运行数据进行数据采样，获得原始质量数据与设备运行数据。其数据获取方式为数据采集终端及生产设备检测传感器。数据采集和接入后，可以将原始数据分发至数据存储库，如Oracle、MySQL等数据库中。

步骤S102：将所述原始数据流分离为产品检测数据流以及设备检测数据流；

对数据进行初始的抽取和分离，将采集的产品数据和设备检测数据进行分离，并建立相应的数据处理管道。

步骤S103：将所述产品检测数据流中的数据与预先构建的产品生产质量标准库中的数据进行比对，生成产品质量分析比对结果；

步骤S104：采用预先构建的设备运行状态标准集，对所述设备检测数据流中的数据进行训练和分类，生成设备状态数据检测结果。

本发明所提供的汽车发动机气门质量流式数据处理方法，通过获取汽车发动机气门生产过程中生成的原始数据流；将原始数据流分离为产品检测数据流以及设备检测数据流；将产品检测数据流中的数据与预先构建的产品生产质量标准库中的数据进行比对，生成产品质量分析比对结果；采用预先构建的设备运行状态标准集，对设备检测数据流中的数据进行训练和分类，生成设备状态数据检测结果。本申请通过提前对生产产品的质量标准数据、设备运行状态以及不同设备运行状态的参数指标构建标准库和特征集的方式，当对生产过程生产产品数据与设备数据流进行采集汇总时，能够快速准确地进行数据流的分离处理，对产品质量数据能够依质量标准进行快速分析对比，对设备运行数据能够按照先分类后决策树诊断的方式进行故障诊断和运行时监控。不仅提高了产品质量的把控效率，也降低了设备故障诊断的成本。

在上述实施例的基础上，本发明所提供的汽车发动机气门质量流式数据处理方法中，产品生产质量标准库的构建过程可以具体为：

对生产过程中的产品质量数据进行采样，获取原始产品质量数据；

建立生产标准记录A1＝[A₁，A₂，A₃,...,A_n...,B₁,B₂,...B_n]，其中，A₁，A₂，A₃,...,A_n用于表示生产过程中表征工艺的各项参数；B₁，B₂，...B_n用于表示相应生产工序下工艺项目质量的标准数据。

具体地，其中A₁、A₂、A₃表示生产工序、工序项目、工艺项目等生产过程，B₁、B₂、B₃表示相应生产工序下工艺项目质量标准值、误差值即标准类型等标准数据。

进一步地，设备运行状态标准集的构建过程可以具体为：

对生产过程中的设备运行数据进行采样，获取原始设备运行数据；

采用监督学习分类算法KNN进行检测设备数据的初步分类，确定设备运行状态KNN分类的训练集，所述训练集采用多维数组形式表示，不同维度的数据分别表示为设备类型、设备运行状态、该状态下设备运行参数、该状态标准Lable：

设备类型维E＝[E₁，E₂，E₃，...，E_n]，其中E₁、E₂、E₃表示生产设备、设备运行状态C＝[C₁，C₂，C₃，...，C_n]，其中C₁、C₂、C₃表示设备运行状态，该状态标准Lable维L＝[L₁，L₂，L₃，...，L_n]，其中L₁、L₂、L₃表示状态Labl。设备运行参数依设备类型不同采用一维或多维数组表示。在本实施例中运行参维其中，A_xy表示x类型设备在y状态下运行参数。

在上述任一实施例的基础上，本发明在生成设备状态数据检测结果之后还可以进一步包括：

调用预先构建的设备故障诊断训练数据集，根据所述设备状态数据检测结果确定设备的故障类型。

设备故障诊断训练数据集的构建过程包括：

构建设备故障结果集R＝[R₁，R₂，R₃，...，R_n，E_x]，其中R₁，R₂，R₃，...，R_n表示故障类型，E_x表示未识别故障。该数据集的构建可以依据现有设备故障诊断的专家知识。

在根据所述设备状态数据检测结果确定设备的故障类型之后还可以进一步包括：

将确定的已知故障类型进行存储，将未知诊断结果的情况进行数据报警，以进行人工故障诊断。

在构建产品生产质量标准库、设备运行状态标准集以及设备故障诊断训练数据集之后，下面对本发明所提供的汽车发动机气门质量流式数据处理方法的另一种具体实施方式进行进一步阐述，如图2所示，该实施例中分别对产品检测数据流以及设备检测数据流进行分析处理的过程可以具体为：

对产品质量数据进行分析对比处理；

如图3本实施例所提供的产品质量数据分析处理过程示意图所示，加载产品生产质量标准库A，采用SparkStreaming将产品检测数据流进行导入，并与标准库A中质量标准进行对比，生成产品质量分析对比结果Q＝[A₁，A₂，A₃，...，A_n...，B₁，B₂，...B_n，R，Q_1，Q₂，...Q_n,]；其中，R表示产品在生产工序下工序项目的工艺质量是否合格，Q₁,Q₂,...Q_n分别表示工序项目及生产工序下的质量统计数据，如成品率，次品率。

对设备运行数据进行KNN分类处理；

如图4本实施例所提供的设备检测数据的KNN分类过程示意图所示，将设备检测数据流进行导入，采用设备运行状态标准集对实时采集设备运行状态流进行训练和分类，生成设备状态数据检测分类结果集S＝[S₁，S₂，S₃，...，S_n，E_z]，其中S₁、S₂、S₃等表示经分类检测后的不同运行状态，E_z表示未知分类结果。对分类结果集进行抽取S1＝[S₁，S₂，S₃，...，S_n]表示分类成功已知设备状态。S2＝[E_z]表示分类失败结果。对S1进行存储，若出现S2结果则进行数据报警，对S2结果进行人工处理。

据设备运行数据KNN分类结果进行C4.5算法的故障分析与诊断。

如图5本发明实施例所提供的KNN分类后C4.5算法进行故障原因诊断示意图所示，对分类结果集S1，对结果集中Si(i＝1...n)采用C4.5算法对结果集和分类结果Si进行决策树算法运算。相应的，对算法结果T＝[T₁，T₂，T₃，...，T_n，E_x]，其中T₁、T₂、T₃等表示决策树运算后不同设备故障类型，Ex表示未知故障。对故障集T进行抽取T1＝[T₁，T₂，T₃，...，T_n]表示已知故障。T2＝[E_x]表示未知诊断结果。对T1进行存储，对出现T2的情况进行数据报警，并进行人工故障诊断。

优选地，在上述任一实施例的基础上，本实施例在所述生成产品质量分析比对结果之后还可以进一步包括：

对各生产环节中的产品质量异常信息进行标注；

在所述生成设备状态数据检测结果之后还可以包括：

对所述设备状态数据检测结果进行存储，并生成可视化报表。

下面对本发明实施例提供的汽车发动机气门质量流式数据处理装置进行介绍，下文描述的汽车发动机气门质量流式数据处理装置与上文描述的汽车发动机气门质量流式数据处理方法可相互对应参照。

图6为本发明实施例提供的汽车发动机气门质量流式数据处理装置的结构框图，参照图6汽车发动机气门质量流式数据处理装置可以包括：

获取模块100，用于获取汽车发动机气门生产过程中生成的原始数据流；

分离模块200，用于将所述原始数据流分离为产品检测数据流以及设备检测数据流；

第一处理模块300，用于将所述产品检测数据流中的数据与预先构建的产品生产质量标准库中的数据进行比对，生成产品质量分析比对结果；

第二处理模块400，用于采用预先构建的设备运行状态标准集，对所述设备检测数据流中的数据进行训练和分类，生成设备状态数据检测结果。

本申请通过先构建生产产品质量标准库与设备运行状态集作为先验标准，对流式生产数据和设备检测数据进行分析处理。该方案系统能够快速及时的对生产数据分离和快速检测处理，提高生产检测效率，降低设备检验和故障诊断成本。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。

以上对本发明所提供的汽车发动机气门质量流式数据处理方法方法以及装置进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。