英语论文网

第五章  总结与展望 ............................................... 33

5.1  研究工作总结 .................................. 33

5.2  不足与展望 ............................................ 33

第四章 异常行为检测模型的设计优化与应用

4.1 数据预处理

3.3 节中我们初步分析了原始数据，并对几项特征进行了分析，接下来针对分析的结果对数据进行预处理。

（1）数据简单清洗

数据预处理第一步是移除暂时无用的数据部分。首先我们移除数据中的时间间隔，因为该部分数据只是标记了停机时间间隔，同时根据上面的停机时间间隔表分布我们也能看出，停机时间间隔再异常与正常运行中均呈现较为均匀的分布，对于本课题的异常数据检测影响不大。对于  V1  到  V28，数据集提供方已经为我们准备好了这一部分的特征数据，我们也不清楚  V1  到  V28  的内在含义是什么，所以我们将其保留。接下来是运行时间（Amount）部分，该部分从前面的数据分析已经看出会对模型的检测产生一定的影响，所以我们需要保留该部分，但是数据中的运行时间参差不齐，有  0  秒运行时间也有超过  10000  秒的运行时间，显然不利于我们直接将其送入神经网络中，故我们采用数据标准化，将该部分的数据限制在-1  到  1  之间，得到如下的运行时间标准化前后的对比：

...........................

第五章 总结与展望

5.1 研究工作总结

NJ 卷烟厂全面推进精益管理体，打造“全国细支烟生产示范基地”，完善精益质量管控体系，延展过程管控范围，提高过程管控水平，强化“过程控制”与“持续改善”的双轮驱动作用。NJ 卷烟厂针对“十三五”规划，以“可操作、可追溯、有实效”为目标，按照“试点先行、逐步推广完善”的原则，切实加强产品质量过程控制能力。要大力推行在线自动检测装置应用，提升质量监测技术防范水平，降低人为因素对产品质量影响。要进一步完善预防性设备维修策略，针对高发质量缺陷，建立设备维保快速响应机制，提升生产效率和质量保障能力。 

本课题研究内容与研究成果包括： 1）研究基于 MES 中过程质量系统，讨论了神经网络中基础感知器到前馈神经网络再到自编码其结构变化。重点阐述了自编码器的意义，并为之后的异常行为检测建立了基础。

2）提出了一个基于自编码器并结合分类器的卷烟质量异常行为检测模型。详细介绍了基于实际数据集下该模型的构建过程，以及各个部分的功能。实验过程中利用现有质量检验数据集中的正常数据对自编码器进行原始数据压缩重构训练，通过分析该区别证明了基于自编码器的异常行为检测模型的有效性，并进一步定制分类器实现了卷烟质量异常行为检测。

3）基于提出的自编码器结构，我们从重构误差大小以及模型的训练时间两个角度对模型进行优化。针对重构误差大小这一角度，本人发现了重构误差大小不影响模型检测能力，并通过实验验证了这一现象并给出了解释。

参考文献（略）