大数据时代的到来,如何发掘已有数据库价值,利用相关性分析为产品加工问题提供理论指导、不断提升产品质量成为关键。本文通过介绍数据库整合及二次清洗,运用相关性分析、强相关性项目策略,结合实际情况简要介绍了机加工质量数据相关性分析的过程。
在当今大数据时代,人们开始正视现有的大量数据。与传统的采样样本、随机样本相比,大数据分析针对全体数据或者是和某个特定现象相关的所有数据(图1)。如何发掘已有数据的内在联系,相关性分析为我们提供了简单而精确的理论支持。
加工线质量数据包括CMM数据、离线检具数据、在线测量数据、拧紧数据、压装数据及试漏数据等,如何利用已有的数据更好地指导生产、提升产品质量是我们的出发点。
机加工质量数据相关性分析过程分为四步骤进行: 数据库整合及二次清洗、相关性分析、强相关性项目策略以及经验固化和推广应用。
数据库整合及二次清洗
进行机加工质量数据相关性分析之前,先要将已有的数据库内容进行整合和数据二次清洗,将数据中异常数据剔除。
皮尔逊 肯德尔 斯皮尔曼相关分析分别是针对什么_【技术】机加工质量数据相关性分析及应用...