家电故障诊断的分析与挖掘.docx

家电故障诊断的分析与挖掘.docx

《家电故障诊断的分析与挖掘.docx》由会员分享，可在线阅读，更多相关《家电故障诊断的分析与挖掘.docx（26页珍藏版）》请在冰豆网上搜索。

家电故障诊断的分析与挖掘

分类号TP181单位代码

密级学号

学生毕业论文

题目

家电故障诊断的分析与挖掘

学生姓名

学号

专业

指导教师

毕业设计诚信责任书

本人郑重声明：

所呈交的毕业设计，是本人在导师的指导下独立进行研究所取得的成果。

毕业设计中凡引用他人已经发表或未发表的成果、数据、观点等，均已明确注明出处。

尽我所知，除文中已经注明引用的内容外，本论文不包含任何其他个人或集体已经公开发表或撰写过的研究成果。

对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。

本人毕业设计与资料若有不实，愿意承担一切相关的法律责任。

论文作者签名:

年月

摘要

随着市场竞争的猛烈发展，企业越加重视维修售后服务的问题。

传统的售后维修服务管理存在不足，仅仅依靠客户请求来被动反应式地提供维修服务，已不能满足当下市场的要求。

然而，产品产生的缺陷是不确定的，这就使我们难以对备件进行预测，由于维修备件增多，使得对备件的存储资本一直增大。

维修企业担负的压力不断加大。

因而本文针对产品的备件问题，利用数据挖掘技术，从某企业的售后维修数据中，基于数据挖掘技术对各地区和各种型号的冰箱故障做分析，从而可以为公司提供一个合适的设备贮藏意见，以实现快速响应客户的维修需求的目的[1]。

首先，本文对原始维修数据进行了特点分析。

然后将数据集中的冰箱维修信息提取出来。

接着使用clementine12.0软件对“反映问题描述”属性与使用时长、市场级别、服务商所在地区、产品型号、价格和品牌建立模型，进行变量重要性分析。

其次，对本文用到的两种算法，即关联规则Apriori算法和协同过滤推荐算法的理论知识给予介绍，为后面的挖掘打下基础。

最后，为了分析故障与其他属性的关系，本文利用关联规则Apriori算法来分析冰箱故障与其他属性之间的关联性。

查看关联结果，发现支持度和置信度都比较低，所以本文主要应用基于协同过滤的推荐算法来预测反映问题描述属性与其他属性的关联性，并和关联规则Apriori算法做比较。

关键字：

设备维修、Apriori算法、基于协同过滤的推荐算法

Abstract

Withthedrasticdevelopmentofmarketcompetition,enterprisespaymoreattentiontomaintenanceserviceissues.Traditionalafter-salesmaintenanceservicemanagementexistencequestion,relyingsolelyoncustomerrequeststoprovidereactivemaintenanceservices,cannotmeettherequirementsofthecurrentmarket.However,thedefectsoftheproductsisuncertain,whichmakesitdifficulttopredictthespareparts,duetotheincreasedmaintenancespareparts,makingsparepartsstoreofcapitalhasbeenincreases.Maintenanceburdenofincreasingpressure.Paperproductssparepartsproblem,usingdataminingtechniques,fromanenterprise'safter-salesmaintenancedata,basedondataminingtechnologytoregionalandfaultanalysisofvariousmodelsofrefrigerators,whichcanprovidecompanieswithasuitabledevicestorage,forfastresponsetocustomerdemandformaintenancepurposes.

Firstly,theoriginalmaintenancedataanalysis.AndthentherefrigeratorrepairinformationisextractedfromtheDataSet.Clementine12.0softwarethenthe"problemdescription"propertieswhenusedwithalong,marketlevel,serviceproviders,producttype,priceandbrandmodellingandanalysisofvariableimportance.

Secondly,thetwoalgorithmsusedinthispaper,namelyAprioriAssociationRulesalgorithms,andcollaborativefilteringrecommendationalgorithmtheoryareintroduced,layingthefoundationsforlatermining.

Finally,inordertoanalyzetherelationshipbetweenfaultsandotherproperties,usingApriorialgorithmofassociationrulestoanalyzearefrigeratorfailureassociatedwithotherproperties.Seetheassociatedresults,findsupportandconfidenceislow,sothisarticleisbasedoncollaborativefilteringrecommendationalgorithmstopredictproblemdescriptionpropertycorrelationwithotherproperties,andcompareandApriorialgorithmforMiningAssociationrules.

Keywords:

Equipmentmaintenance,Therecommendationalgorithmwhichisbasedonthecollaborativefitering

目录

摘要I

AbstractII

1绪论1

1.1研究背景与意义1

1.2数据挖掘在故障诊断中的应用1

1.3本文主要研究内容2

2算法概述3

2.1基于协同过滤的个性推荐算法3

2.2关联规则Apriori算法4

2.3小结5

3数据的处理与分析6

3.1具体步骤6

3.1.1维修数据集的特点分析6

3.1.2数据的筛选与预处理7

3.2数据的宏观分析11

3.2.1各地区冰箱分布情况11

3.2.2各品牌分布情况12

3.2.3使用时长属性分析13

3.2.4品牌与故障的分析14

3.3小结14

4实验设计与分析16

4.1基于Apriori算法的故障分析16

4.1.1基于Apriori算法的建模与分析16

4.2基于协同过滤推荐的故障预测17

4.2.1各地区常见故障的预测17

4.2.2不同产品型号的常见故障预测22

4.2.3不同市场的故障产品型号预测23

4.2.4不同市场常见故障的预测24

4.3小结25

5总结与展望27

参考文献28

致谢29

1绪论

1.1研究背景与意义

随着时代的快速发展，企业的生存与发展和客户对产品的消费有着直接的联系，客户这种无形资产已受到企业的广泛关注。

当今越来越多的客户十分重视售后服务问题，因而，企业的维修售后服务应运而生，并且要取得客户的满意与信任，必须是一种主动式的服务。

在此，本文将对一组冰箱的维修数据记录进行分析与挖掘，对不同地区、不同型号的冰箱常见故障进行分析，从而为维修备件的库存管理建议，如给哪个地区分配哪种备件，以及分配多少备件，从而实现库存的合理配置。

还可以以此为依据来提高产品质量或改进产品设计，比如我们分析挖掘出哪种型号的冰箱容易发生门故障，以此对此型号冰箱的门部分设计加以改进。

因此，我们对于故障诊断的分析与挖掘是非常必要的。

1.2数据挖掘在故障诊断中的应用

数据挖掘是一个包含多种技术的领域，它可以从各种各样的地方获取数据，然后再经过建立模型，一步步挖掘从而得到某种规则，最后从数据中获取有价值意义的、可信有效的知识的过程，它的获取知识呢能力非常强大。

由于数据挖掘是在故障诊断中通过建立规则来进行挖掘的，这就与我们人类通过观察及推理的方式，来对数据进行分类、预测是很相似的，假若我们利用它来对大量设备故障数据进行挖掘并且分析挖掘结果，找出隐藏在故障数据中的故障属性与其他影响故障产生的因素之间的关系，那么我们就能得知故障产生的原因究竟是什么，从而来有效指导故障诊断。

设备故障诊断技术在设备安全的保障、产品质量的提高、各种费用的节约等方面有都很重要的作用。

过去的故障诊断一般是由人们拿着专门的仪器进行测量并且维修的，但是随着时代的快速发展，这种传统的诊断方式已经无法满足我们的要求，因此在这个数据化的时代，我们利用数据来解决这个问题，将数据挖掘技术引入到故障诊断中，然后通过挖掘大量故障数据，找出故障属性和故障分类之间的关系，进而来建立故障关联规则，最后通过故障关联规则来指导维修，这样就很好地解决了传统诊断中的缺陷问题。

对于设备生产企业来说，通过对大量故障维修数据进行数据挖掘，不仅可以准确知道哪些设备部件容易发生故障，而且可以知道哪个地区需要多少某种设备部件，这对于企业提高相应产品质量以及合理准确地预测故障并及时进行设备存储有很大的意义，一方面提高质量；一方面合理指导设备存储，降低存储费用；另一方面又满足了顾客的要求，从而得到顾客的信赖，留住顾客。

正是基于这个原因，本文进行了基于数据挖掘的故障诊断的研究工作。

1.3本文主要研究内容

（1）对协同过滤推荐算法和关联规则Apriori算法进行介绍；

（2）对大量维修数据进行特点分析和预处理，并对预处理结果进行分析；

（3）利用协同过滤推荐算法和关联规则Apriori算法分析挖掘市场与故障的关系，从而做一个简单的比较；

（4）基于协同过滤推荐算法依次对各地区常见故障，不同产品型号常见故障以及不同市场级别常出现故障的产品型号进行预测推荐；

（5）通过数据分析了解到哪个地区，哪种型号设备经常出现哪种故障，从而可以利用这个信息，一是实现备件的储备需求预测，二是对常出故障的产品型号设备加以改进。

2算法概述

2.1基于协同过滤的个性推荐算法

基于用户（Userbased）的协同过滤算法主要是根据目标用户的邻居用户的偏好信息，从而产生对目标用户的推荐[2]。

做这样一个假设:

如果有一些用户，他们对打篮球这一体育项目的喜好程度比较接近，那么，他们对其它类体育项目，比如说打羽毛球的喜好程度也会比较接近。

协同过滤推荐系统是通过统计计算的方式