摘要
本发明公开了一种基于大数据的线束加工质量溯源管理方法,涉及线束加工管理技术领域,通过计算协方差矩阵的特征值和特征向量后,选取累积贡献率大于贡献率阈值的主成分,将去中心化数据矩阵投影到主成分空间获取特征数据,将历史若干批次的特征数据代入门控循环单元,门控循环单元进行时间序列预测,预测未来线束的质量趋势,利用SHAP算法分析各特征数据对质量下降的影响,基于门控循环单元预测结果与SHAP算法分析结果输出质量管理策略。管理方法通过将高维数据投影到低维主成分空间,减少计算复杂度,采用门控循环单元进行时间序列预测,提前预警可能出现的质量劣化,保障汽车线束的生成效率。
技术关键词
溯源管理方法
协方差矩阵
门控循环单元
特征值
贡献率
汽车线束
大数据
表达式
管理策略
样本
压接模具
设备状态数据
算法
代表
幅值
序列
系统为您推荐了相关专利信息
随机森林模型
画像
LSTM模型
订单
归一化方法
分层强化学习
规划最优路径
速度
路径搜索算法
动态避障
信道估计方法
时域信道估计
迭代收缩阈值算法
信号
深度神经网络
数据分析管理方法
卷烟
特征值
聚类分析算法
数据分析技术