基于Apriori算法的網線編織工藝缺陷數據挖掘方法

羅濱鴻，周 虎，張祺薇，沈立武，王 奧

（東華大學 機械工程學院，上海 201620）

0 引言

近年來隨著經濟和科技飛速發展，來自海洋牧場、軍工、體育等領域的需求不斷增加，繩網具行業得到長足發展，繩網品種和產值每年高速增長[1，2]。但很多繩網制造企業仍使用傳統生產方式，無法適應對研發、生產、智能化要求較高的離散化制造業運行模式[3]，對市場快速反應以進行工藝研發與改進[4]，只能根據既有有限工藝生產固定的某幾種產品。

當前，數據挖掘已被應用到紡織領域的許多專業去解決一些重要問題。文獻[5]利用機器學習和數據挖掘對手套紡織生產過程進行故障模擬與預測。文獻[6]分析了紡織行業中常用的數據挖掘技術如聚類與分類，并對其在紡織工業中的優勢和挑戰進行了評述。文獻[7]引入遺傳算法，對Apriori算法進行全局搜索優化，并將其用于紡紗生產的質量預測中。然而目前對于繩網行業的工藝缺陷數據挖掘分析依然較少見，且缺乏理論性和系統性，主要體現在分析方法簡單，只有簡單的分類和統計[8]，對于多維數據之間的關聯關系等重要特性并未提及，分析結果對提升繩網研發生產效率的意義并不大。

本文提出一種基于改進Apriori算法的網線編織工藝缺陷數據挖掘方法，根據Apriori算法的基本流程，建立了基于關聯規則的網線編織工藝挖掘概念模型，針對實際工藝特點，增加新性質并引入提升度對算法進行了改進。并以某繩網制造企業編織車間的缺陷數據為例，闡述了基于改進Apriori算法的網線編織工藝缺陷數據挖掘方法。

1 關聯規則與Apriori算法

1.1 關聯規則

關聯規則挖掘指從大量數據記錄的項集之中發現頻繁出現的模式、關聯，通過分析數據間的聯系，形成數據的聚類或分類[9]。

關聯規則挖掘數據庫中，最小的元素單元稱為一個項，其集合I={i1，i2，i3，…，im}稱為項集，有k個不同元素的項集稱為k-項集，I的子集Ti(i=1，2，…，n)稱為事務，事務數據庫D={T1，T2，T3，…，Tn}。

Sup(I1→I2)為規則R的支持度，I1∪I2為集合I1和I2在一條記錄中同時出現的次數，n為事務總數。Conf(I1→I2)為R的置信度，為I1出現的同時I2出現的概率。

1.2 Apriori算法

Apriori算法的核心思想是通過生成候選集和向下封閉檢測來尋找頻繁項集，即利用逐層搜索的迭代方法，通過“k-1項集”來搜索“k項集”[8]。并基于先驗原理使用支持度度量來減少生成頻繁項集時所需檢查的候選項集數目。主要有連接和剪枝兩步：

1）連接：根據頻繁(k-1)-項集Lk-1與自身連接生成候選k-項集Ck。記Li[j]為Lk-1任意子集第j項，連接時若兩子集前k-2項相同，即(L1[1]=L2[1]ΛL2[2]=L1[k-2]=Λ…ΛL1[1]=L2[k-2])，則產生結果項集L1[1]L2[2]…L1[k-1]L2[k-1]。

2）剪枝：根據Apriori算法“非頻繁項集的超集必不頻繁”性質，對候選k-項集Ck所有(k-1)-項子集進行判斷，去除非頻繁的(k-1)-項子集，對剩余子集再根據支持度計數確定Lk。

2 缺陷數據關聯規則挖掘方法

2.1 工藝缺陷模式關聯規則挖掘模型

生產系統記錄著每一批不合格品的相關數據。每一條缺陷數據都包含多方面子項參數，大體分為3類：材料種類、工藝配比等信息，如材料規格、股數等；機器相關參數，如主機速度、轉速比等；缺陷結果信息，如線密度、斷裂強度等。

本文結合三類信息，并考慮部分子項之間存在冗余關系，提取出一組子項作為數據挖掘的對象，對工藝參數與缺陷結果進行缺陷模式關聯規則挖掘，圖1為數據挖掘概念模型。該模型以編織工藝缺陷數據為基礎，通過合并冗余項、歸一化與離散化等操作進行預處理，得到事務數據集。通過改進的Apriori算法對數據集進行頻繁項集搜索和關聯規則生成，挖掘出工藝參數和缺陷結果之間的強關聯規則，為網線編織工藝的研發和改進提供指導。下面對數據預處理和缺陷模式頻繁項集搜索進行重點闡述。

圖1 數據挖掘概念模型

2.2 缺陷數據預處理

結合數據的格式、規模和算法的特定需求，對原始缺陷數據集進行一系列預處理操作，直到將其轉換為適合算法操作、便于分析的形式，主要步驟如下：

步驟1：篩選與清除冗余項。一條缺陷記錄包含眾多子項，首先篩選出對工藝生產結果有直接、穩定影響的子項。其次，剩余子項間有些存在冗余關系，如“節距”等，因此需要去除以避免影響分析結果。最終選擇主機速度、收線速度、轉速比、股數、線芯、材料、捻系數、線密度、斷裂強度和卷筒成型度等共十項參數作為項目集合I。

步驟2：數據歸一化。缺陷數據庫中包含著不同規格工藝及其檢測結果，十六股單絲編織工藝的不合格的斷裂強度值很可能對于八股單絲編織工藝而言是優良品質，如果不加處理地統一分析，只能得到無意義的結果。

如線密度的經驗公式為[10]：

ρ為單絲線密度，n1為并絲股數，n2為編織股數，tn為加捻捻縮引起的線密度增加。若認為低于期望值20%則不合格，可進行歸一化，使其在同一尺度能相互比較：

線密度過大的情況由捻系數來表征不同規格網線的加捻程度，α為捻系數，t為捻度：

步驟3：離散化。連續數值類型或取值范圍大的子項需要進行離散化，將其分成n個適當寬度的區間，并映射到n個離散值，此外將所有項指定一個特定字母代替，作為標識。原則是各項分割出的離散區間數大致相同，主要劃分范圍為參數正常值范圍，使得不同參數項的區間橫向比較有同等級的置信度，不會擾亂算法。離散編碼如表1所示。

表1 部分參數項的數據區間編碼

2.3 缺陷參數頻繁項集搜索與關聯規則生成

傳統Apriori算法根據先驗原理生成兩條核心性質來減少候選項集個數，被稱為基于支持度的剪枝策略。本文所研究的缺陷工藝關聯規則與傳統的購物籃模式有所區別，項集I的子項包含了工藝參數與工藝結果，并非平行關系，比如頻繁-2項集{線密度，斷裂強度}并沒有意義。根據此特點，增加兩條性質：

性質3：如果一個項集沒有工藝結果參數項，則該項集無意義；

性質4：如果一個項集全為工藝結果參數項，則該項集無意義。

工藝結果參數項為該工藝的質檢項目，有捻系數、線密度、斷裂強度、卷筒成型度等。通過以上新性質可以減少大量無意義候選集數量。

此外，由于Apriori算法無法判斷負相關規則。若某關聯規則滿足最小置信度，但其負相關規則置信度同樣較高，則其項集之間是相互獨立甚至抑制關系，這是由某些項的支持度本身很高所引起的，因此引入提升度 (lift)[11]：

L(A→B)反映規則A→B中A與B的相關性，L>1且越高表明正相關性越高，L≤1表示A、B獨立或負相關。引入提升度能有效去除錯誤的強關聯規則。算法流程如圖2所示。

圖2 改進Apriori算法流程

3 應用實例

3.1 基于制造物聯系統的數據采集

數據挖掘的基礎是良好的數據采集系統，從圖3所示生產系統中提取某繩網制造企業的編織車間生產工藝缺陷數據，簡單清理后共獲得1523條數據，部分數據如表2所示，基于Apriori算法對網線編織工藝的缺陷數據挖掘方法進行驗證。

表2 網線編織工藝缺陷數據

圖3 數據采集

3.2 算法分析

由于數據量較多，而各類型缺陷模式所占比例則相對較低，因此，假設Apriori算法min_sup為2%，min_conf為60%。通過Apriori算法對數據進行挖掘后所得的頻繁1-項集數量為41項，2-項集為247項，3-項集為81項，4-項集為2項。之后通過改進的關聯規則生成算法對結果進行篩選，獲得對分析網線編織工藝缺陷較有參考意義的關聯規則11項，如表3所示。

表3 缺陷模式強關聯規則

由表3可知轉速和轉速比是引起線密度缺陷的重要原因，而轉速比與材料、股數和線芯的某些組合使得斷裂強度無法達到預期，另外，以很低的收線速度對較多股線編織易使生成的卷筒不合格。

4 結語

本文基于Apriori算法對網線編織工藝缺陷數據挖掘方法進行了研究，并改進Apriori算法，構建了工藝缺陷數據關聯規則挖掘概念模型。將該方法應用到某繩網企業編織工藝缺陷數據的挖掘中，驗證了其有效性，對網線編織工藝的研發和改進具有指導意義。

未來可根據已有結果對離散區間、min_sup、min_conf、子項權重進行調整，進一步完善該挖掘方法，以滿足企業生產要求。