李扬等：基于数据挖掘的热轧带钢质量分析方法 ·63* 表10主要控制观察变量组合权值表 Table 10 Main control observation variables and combination weights table 字段名 编号 主观权值 客观权值 组合权值 ROLLSPD6 53 0.1561 0.3359 0.4402 RIFORCEO 8 0.1102 0.2316 0.2143 RIFORCE3 12 0.0436 0.1472 0.0539 TEMPF6 61 0.2301 0.1041 0.2010 ROLLSPEED2 只 0.0960 0.0387 0.0312 EIGAP2 14 0.0679 0.0384 0.0219 FORCE2 知 0.0424 0.0219 0.0078 WIDGAGEVAL2 25 0.0351 0.0203 0.0060 ROLLSPEED3 22 0.0557 0.0202 0.0094 ROLLSPEEDO 19 0.0515 0.0135 0.0058 WIDGAGEVAL3 26 0.0420 0.0131 0.0046 ROLLSPEED4 23 0.0286 0.0124 0.0030 WIDRMHO 0.0408 0.0027 0.0009 (1)19MALA,1MALA,26HALA,53HBLA, (3)通过控制变量权值向量和数据挖掘高危关联 8MCLA(支持度为0.0769，置信度为52.9%) 状态集合综合分析，可以迅速对带钢质量问题的产生 该5次频繁项集在状态空间数据中重复了42次， 原因进行定位，找出关键控制变量做出调整，减少经济 ROLLSPEEDO,WIDRMHO,WIDGAGVAL2,ROLL- 损失，提高生产效率 SPD6,R1 FORCE0的值分别为MA,MA,HA,HB,MC 时，有52.9%的可能会导致宽度指标落在LA区间，即 参考文献 出现拉窄现象.根据表10可以得知，产生质量问题的 [Leung C K S.Hao B Y,Jiang F.Constrained frequent itemset 最关键因素应该是ROLLSPD6,R1 FORCEO两个控制 mining from uncertain data streams//Proceedings of the IEEE 变量，需要及时作出调整. 26th International Conference on Data Engineering Workshops.Pis- (2)14LCHB,26HAHB,53HAHB,61MBHB, cataway,NJ:IEEE,2010:120 8MCHB(支持度为0.0934，置信度为59.3%). 2] Agrawal R,Imielinski T,Swami A.Mining association rules be- 该6次频繁项集在状态空间数据中重复了28次， tween sets of items in large databases/Proceedings of the ACM EIGAP2,WIDGAGEVAL3,ROLLSPD6,TEMPF6, SIGMOD Conference on Management of Data.Washington,1993: 207 RIFORCEO的值分别为LC,HA,HA,MB,MC时，有 B]He Y Q,Lee Rubao,Huai Y,et al.A fast and space-efficient 59.3%的可能会导致宽度指标落在HB区间，即出现 data placement structure in Map Reduce-ased warehouse systems 超宽现象.根据表10可以得知，产生质量问题的最关 1/Proceedings of the 2011 IEEE 27th International Conference on 键因素应该是ROLLSPD6,R1 FORCEO,TEMPF6三个 Data Engineering (ICDE).Hannover,2011:119 控制变量，需要及时作出调整 4 La W D.SPSS Statistical Analysis.Beijing:Publishing House Of Electronics Industry,2010 4结论 (卢纹岱.SPSS统计分析.北京：电子工业出版社，2010) 5] Wu S,Wei Z B.Structure damage identification based on residual (1)通过改进的因子分析方法，找出与具体宽度 error of principal component.Journal of Highuay and Transporta- 质量维相关度比较大的控制变量维，从而在64个控制 tion Research and Development,2011,28(7):113 变量中得到了13个关键的影响变量，降低了数据的维 (吴森，韦灼彬.基于主成分分析残差的结构损伤识别方法.公 数，提高了数据挖掘的效率与准确率 路交通科技，2011,28(7)：113) (2)通过改进的因子分析和故障逻辑分析，完成 6] Sun Y K.Modeling and Control of Hot Strip Mill.Beijing:Metal- 数据挖掘结果定性一定量转化的过程，提高了数据挖 lurgical Industry Press,2002 (孙一康.带钢热连轧的模型与控制.北京：治金工业出版社， 掘在治金质量控制领域开展定量分析的能力，将控制 2002) 变量影响能力以权重形式体现，为质量分析提供了科 7]Liu G P,Zuo Y H.Benxi steel hot strip mill 1700 mm width opti- 学、准确的思路 mized /2009 CS.M Anncal Meeting Proceedings.Beijing:Chi-李 扬等: 基于数据挖掘的热轧带钢质量分析方法 表 10 主要控制观察变量组合权值表 Table 10 Main control observation variables and combination weights table 字段名 编号 主观权值 客观权值 组合权值 ROLLSPD6 53 0. 1561 0. 3359 0. 4402 R1FORCE0 8 0. 1102 0. 2316 0. 2143 R1FORCE3 12 0. 0436 0. 1472 0. 0539 TEMPF6 61 0. 2301 0. 1041 0. 2010 ROLLSPEED2 21 0. 0960 0. 0387 0. 0312 E1GAP2 14 0. 0679 0. 0384 0. 0219 FORCE2 42 0. 0424 0. 0219 0. 0078 WIDGAGEVAL2 25 0. 0351 0. 0203 0. 0060 ROLLSPEED3 22 0. 0557 0. 0202 0. 0094 ROLLSPEED0 19 0. 0515 0. 0135 0. 0058 WIDGAGEVAL3 26 0. 0420 0. 0131 0. 0046 ROLLSPEED4 23 0. 0286 0. 0124 0. 0030 WIDRMH0 1 0. 0408 0. 0027 0. 0009 ( 1 ) ' 19MALA'，' 1MALA'，' 26HALA'，' 53HBLA'， '8MCLA'( 支持度为 0. 0769，置信度为 52. 9% ) ． 该 5 次频繁项集在状态空间数据中重复了 42 次， 当 ROLLSPEED0，WIDRMH0，WIDGAGVAL2，ROLL￾SPD6，R1FORCE0 的 值 分 别 为 MA，MA，HA，HB，MC 时，有 52. 9% 的可能会导致宽度指标落在 LA 区间，即 出现拉窄现象． 根据表 10 可以得知，产生质量问题的 最关键因素应该是 ROLLSPD6，R1FORCE0 两个控制 变量，需要及时作出调整． ( 2) '14LCHB'，'26HAHB'，'53HAHB'，'61MBHB'， '8MCHB'( 支持度为 0. 0934，置信度为 59. 3% ) ． 该 6 次频繁项集在状态空间数据中重复了 28 次， 当 E1GAP2，WIDGAGEVAL3，ROLLSPD6，TEMPF6， R1FORCE0 的 值 分 别 为 LC，HA，HA，MB，MC 时，有 59. 3% 的可能会导致宽度指标落在 HB 区间，即出现 超宽现象． 根据表 10 可以得知，产生质量问题的最关 键因素 应 该 是 ROLLSPD6，R1FORCE0，TEMPF6 三 个 控制变量，需要及时作出调整． 4 结论 ( 1) 通过改进的因子分析方法，找出与具体宽度 质量维相关度比较大的控制变量维，从而在 64 个控制 变量中得到了 13 个关键的影响变量，降低了数据的维 数，提高了数据挖掘的效率与准确率． ( 2) 通过改进的因子分析和故障逻辑分析，完成 数据挖掘结果定性—定量转化的过程，提高了数据挖 掘在冶金质量控制领域开展定量分析的能力，将控制 变量影响能力以权重形式体现，为质量分析提供了科 学、准确的思路． ( 3) 通过控制变量权值向量和数据挖掘高危关联 状态集合综合分析，可以迅速对带钢质量问题的产生 原因进行定位，找出关键控制变量做出调整，减少经济 损失，提高生产效率． 参 考 文 献 ［1］ Leung C K S，Hao B Y，Jiang F． Constrained frequent itemset mining from uncertain data streams / / Proceedings of the IEEE 26th International Conference on Data Engineering Workshops． Pis￾cataway，NJ: IEEE，2010: 120 ［2］ Agrawal R，Imielinski T，Swami A． Mining association rules be￾tween sets of items in large databases / / Proceedings of the ACM SIGMOD Conference on Management of Data． Washington，1993: 207 ［3］ He Y Q，Lee Rubao，Huai Y，et al． A fast and space-efficient data placement structure in Map Reduce-based warehouse systems / / Proceedings of the 2011 IEEE 27th International Conference on Data Engineering ( ICDE) ． Hannover，2011: 119 ［4］ Lu W D． SPSS Statistical Analysis． Beijing: Publishing House Of Electronics Industry，2010 ( 卢纹岱． SPSS 统计分析． 北京: 电子工业出版社，2010) ［5］ Wu S，Wei Z B． Structure damage identification based on residual error of principal component． Journal of Highway and Transporta￾tion Research and Development，2011，28( 7) : 113 ( 吴森，韦灼彬． 基于主成分分析残差的结构损伤识别方法． 公 路交通科技，2011，28( 7) : 113) ［6］ Sun Y K． Modeling and Control of Hot Strip Mill． Beijing: Metal￾lurgical Industry Press，2002 ( 孙一康． 带钢热连轧的模型与控制． 北京: 冶金工业出版社， 2002) ［7］ Liu G P，Zuo Y H． Benxi steel hot strip mill 1700 mm width opti￾mized / / 2009 CSM Anncal Meeting Proceedings． Beijing: Chi- ·63·