制造业工业软件&R语言数据挖掘之聚类算法探索

在铅酸行业中，对于数据中心等地方使用的电池对电池安全等性能要求更严，因此会采用恒功率放电检查手段对电池进行检测，以筛选出不符合工艺要求的电池。

恒功率检测机中的检测软件，能够记录一段时间内一个回路中每个电池的电压和电流数据，这些数据我通过R语言和聚类算法，做了一些简单的数据挖掘。这个案例得到的结论没有为工艺员提供有价值的知识，但是通过这次分析，印证了R语言中聚类函数的正确性，同时也得到了一些有用的经验，为以后同类型的问题提供了思路。

 

步骤

1、数据准备

2、选择算法

3、编程建模

4、评价

 

一、数据准备

1、原始数据表示例截图如下

一张原始表中有4个sheet,每个sheet中有120列数据

2、将每一列求平均值，4个sheet整理成一张新表，一共480个数据，示例如图所示

 

二、选择算法

先用Kmeans算法进行聚类，再用DBscan算法分析异常点

 

三、编程建模

1、Kmeans算法函数：kmeans

R语言代码如下：

library(openxlsx)  
setwd('E:/')
data1<-read.xlsx("9.16.xlsx",sheet=1)
library(stats)
KM<-kmeans(x=data1,centers=4,nstart = 1)

KM$centers
KM$cluster
fitted(KM)

data1$KM<-as.factor(KM$cluster)
library(ggplot2)
ggplot(data1,aes(x=编号,y=平均值,colour=as.factor(data1$KM)),pch = 3, cex=1)+geom_point()

运行结果如下：

 

2、DBscan算法函数：dbscan

R语言代码如下：

library(fpc)
library(openxlsx)  
setwd('E:/')
data1<-read.xlsx("9.16.xlsx",sheet=1)
db<-dbscan(data=data1,eps=0.17,MinPts =4,scale=TRUE)
plot(db,data1,cex=0.6)
db

 

运行结果如下：

 

四、结论评价

1、Kmeans

聚类数变量（center）经过几次调整，发现等于4的时候，聚类图与实际情况非常吻合，从图中来看，每一类的数量大约是120，从这个角度来看，R语言中Kmeans算法是正确的（虽然这个函数已经非常经典，但是只有实际应用才知道其到底是不是有用的）。

本次实验所用数据很少，才480个，而且结果是事先知道的，虽然对实际工作没有指导性意见，但是如果有非常大量的数据，通过这个方法，可以快速发现聚类规律，也许到那个时候就能产生实际作用了。

 

2、DBscan

MinPts 这个变量也是经过了反复调整，发现值等于4的时候是比较合适的。border 代表异常点，用圆圈表示，

seed代表核心点，用三角形表示。从图中可以看出，编号400，平均值1.85附近有很多圆圈。我推测这些圆圈所代表的电池是电压参数异常的，于是我将这个图发给工艺员看，并问他左下角的圆圈是否有问题，他告诉我这几个点对应的电压是属于正常范围内并无问题。因此这个实验也没有对实际业务产生指导作用。但是如果数据量非常大，且事先并无先验知识的情况下，用这样的思路进行数据分析也许是可行的。

 

总结： 在铅酸制造行业有很多设备都能产生大量数据，如果能拿到这些数据，通过聚类算法，发现其中的规律和异常，也许会对生产提供帮助。因此本次实验虽然“无用”，但是为以后的“有用”打下了基础。