基于Anaconda平臺(tái)的專項(xiàng)技術(shù)數(shù)據(jù)分析系統(tǒng)在生產(chǎn)線中的應(yīng)用

李光宙

摘 ?要：目前，某大型汽車制造企業(yè)的生產(chǎn)線相關(guān)設(shè)備并未按照其所屬的專項(xiàng)技術(shù)對(duì)數(shù)據(jù)進(jìn)行分類分析，存在數(shù)據(jù)資源浪費(fèi)的問(wèn)題。該企業(yè)動(dòng)力總成區(qū)域生產(chǎn)線設(shè)備眾多，所使用的尖端專項(xiàng)技術(shù)種類繁雜?；趯ｍ?xiàng)技術(shù)的角度，對(duì)日常數(shù)據(jù)資源進(jìn)行篩選與分析，從而更有針對(duì)性地做好生產(chǎn)線維護(hù)工作。該研究使用Python這一跨平臺(tái)、面向?qū)ο缶幊痰挠?jì)算機(jī)程序設(shè)計(jì)語(yǔ)言，基于Anaconda這一開(kāi)源的數(shù)據(jù)處理平臺(tái)進(jìn)行數(shù)據(jù)處理。將原始數(shù)據(jù)導(dǎo)入Pandas數(shù)據(jù)包中的DataFrame框架之中，進(jìn)行數(shù)據(jù)清洗工作。該研究所述數(shù)據(jù)挖掘工作以A軸技術(shù)的“報(bào)警信息”及“報(bào)警號(hào)”為關(guān)鍵字段，使用網(wǎng)絡(luò)爬蟲(chóng)技術(shù)獲取專項(xiàng)技術(shù)數(shù)據(jù)，以專項(xiàng)技術(shù)數(shù)據(jù)獲取停機(jī)時(shí)間和設(shè)備可用率這兩個(gè)生產(chǎn)線關(guān)鍵指標(biāo)，并進(jìn)行相應(yīng)的數(shù)學(xué)計(jì)算。并對(duì)關(guān)鍵指標(biāo)作數(shù)據(jù)可視化處理，將其以可視化報(bào)表的形式呈現(xiàn)。本文以該大型汽車制造企業(yè)動(dòng)力總成區(qū)域的某條生產(chǎn)線為例，介紹專項(xiàng)技術(shù)數(shù)據(jù)分析在生產(chǎn)線設(shè)備中的應(yīng)用。

關(guān)鍵詞：數(shù)據(jù)分析 ?編程 ?專項(xiàng)技術(shù) ?生產(chǎn)線 ?應(yīng)用

中圖分類號(hào)：TB497 ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1674-098X（2021）04（b）-0131-07

Application of Specialized Technical Data Analysis System Based on Anaconda Platform in Production Line

LI Guangzhou

（Planning & Technology， Beijing Benz Automotive Co.， Ltd.， Beijing， 100176 China）

Abstract： At present， the production line related equipment of a large automobile manufacturing enterprise does not classify and analyze the data according to its special technology， which leads to the waste of data resources. There are a lot of equipment in the power assembly area of the enterprise， and the kinds of advanced special technologies used are complex. Based on the perspective of special technology， daily data resources are screened and analyzed， so as to do a better job of production line maintenance. This research uses python， a cross platform， object-oriented programming language， to process data based on anaconda， an open source data processing platform. The original data is imported into the DataFrame framework of pandas data package for data cleaning. The data mining work described in this study takes the "alarm information" and "alarm number" of a-axis technology as the key fields， uses the web crawler technology to obtain the special technical data， and uses the special technical data to obtain the downtime and equipment availability， two key indicators of the production line， and carries out the corresponding mathematical calculation. The key indicators are visualized and presented in the form of visual report. This paper introduces the application of special technical data analysis in the production line equipment by taking a production line in the powertrain area of the large automobile manufacturing enterprise as an example.

Key Words： Data analysis; Coding; Specialized technology; Production line; Application

隨著智能制造、制造物聯(lián)網(wǎng)技術(shù)的發(fā)展，制造企業(yè)可以從加工設(shè)備中采集和獲取制造過(guò)程中產(chǎn)生的具有典型大數(shù)據(jù)特征的海量數(shù)據(jù)[1]。數(shù)控加工設(shè)備、底層傳感器、PLC等每時(shí)每刻可以采集大量的數(shù)據(jù)，由此形成數(shù)控車間制造大數(shù)據(jù)[2]。這些海量的數(shù)據(jù)為后續(xù)的數(shù)據(jù)分析工作提供了數(shù)據(jù)基礎(chǔ)。制造大數(shù)據(jù)不僅具有傳統(tǒng)大數(shù)據(jù)的4V特征，即Volume（數(shù)據(jù)量大）、Variety（數(shù)據(jù)類型多樣）、Value（數(shù)據(jù)價(jià)值比較大但是有價(jià)值的信息密度比較低）、Velocity（數(shù)據(jù)時(shí)效性高）特征，還具有數(shù)據(jù)間的強(qiáng)關(guān)聯(lián)性，具有對(duì)數(shù)據(jù)采集、存儲(chǔ)、處理實(shí)時(shí)性要求高等特征[3]。

數(shù)據(jù)分析是用適當(dāng)?shù)慕y(tǒng)計(jì)分析方法對(duì)收集來(lái)的大量數(shù)據(jù)進(jìn)行分析，將它們加以匯總和理解并消化，以求最大化地開(kāi)發(fā)數(shù)據(jù)的功能，發(fā)揮數(shù)據(jù)的作用。數(shù)據(jù)分析是為了提取有用信息和形成結(jié)論而對(duì)數(shù)據(jù)加以詳細(xì)研究和概括總結(jié)的過(guò)程[4]。

生產(chǎn)線上不斷提高的產(chǎn)量會(huì)給生產(chǎn)線管理帶來(lái)諸多問(wèn)題[5]，生產(chǎn)線數(shù)據(jù)處理就是其中之一。在日常生產(chǎn)中，某大型汽車制造企業(yè)的生產(chǎn)設(shè)備產(chǎn)生了海量的生產(chǎn)數(shù)據(jù)，其中包含眾多故障報(bào)警信息，但目前這些數(shù)據(jù)信息并未按照其所屬的專項(xiàng)技術(shù)進(jìn)行分類分析，從而造成了對(duì)現(xiàn)有數(shù)據(jù)資源的巨大浪費(fèi)。

對(duì)于類似問(wèn)題，周尋[6]認(rèn)為應(yīng)該對(duì)設(shè)備綜合效率進(jìn)行發(fā)掘和優(yōu)化，并主要通過(guò)精益生產(chǎn)理論以及約束理論等方法研究提高生產(chǎn)線的資源優(yōu)化方案，分析出可能改進(jìn)的機(jī)會(huì)和方法和方案。孫偉峰[7]認(rèn)為通過(guò)對(duì)機(jī)械部件所產(chǎn)生的信號(hào)進(jìn)行處理和分析，可以有效判斷出故障狀況，從而提高故障檢測(cè)的效率，并強(qiáng)調(diào)了對(duì)數(shù)據(jù)進(jìn)行科學(xué)的管理的重要性。Panagiotis Tsarouhas[8]做了數(shù)據(jù)趨勢(shì)與序列相關(guān)性測(cè)試，他認(rèn)為應(yīng)該使用統(tǒng)計(jì)學(xué)方法分析生產(chǎn)線的故障數(shù)據(jù)并計(jì)算出生產(chǎn)線的可靠性有效性與可維護(hù)性，從而提升生產(chǎn)線性能。Naser Habibifar等人[9]使用仿真模擬以及數(shù)據(jù)環(huán)境分析的方法研究藥品生產(chǎn)線的優(yōu)化問(wèn)題，為此他們仿真出藥品生產(chǎn)線并搭建數(shù)據(jù)分析環(huán)境來(lái)驗(yàn)證自己的設(shè)想。

本文的研究從某大型汽車制造企業(yè)入手，該企業(yè)動(dòng)力總成區(qū)域坐擁諸多種尖端專項(xiàng)技術(shù)，例如，電主軸技術(shù)、A軸技術(shù)、機(jī)器人技術(shù)、珩磨技術(shù)、試漏技術(shù)、壓裝技術(shù)、測(cè)量技術(shù)、激光打碼技術(shù)等。技術(shù)種類繁雜，涉及到的生產(chǎn)線及設(shè)備種類及數(shù)量眾多。

基于專項(xiàng)技術(shù)的角度，運(yùn)用數(shù)據(jù)科學(xué)的相關(guān)方法對(duì)日常海量的數(shù)據(jù)資源進(jìn)行篩選與分析，可以及時(shí)調(diào)整生產(chǎn)設(shè)備的維護(hù)計(jì)劃并對(duì)設(shè)備問(wèn)題進(jìn)行提前預(yù)測(cè)，從而最大限度地減少停機(jī)次數(shù)與時(shí)長(zhǎng)，更有針對(duì)性地做好生產(chǎn)線維護(hù)工作。

1 ?專項(xiàng)技術(shù)數(shù)據(jù)分析

Anaconda是一個(gè)開(kāi)源的數(shù)據(jù)處理平臺(tái)，易于使用并且具有強(qiáng)大的數(shù)據(jù)處理能力。Python是一種跨平臺(tái)、面向?qū)ο缶幊痰挠?jì)算機(jī)程序設(shè)計(jì)語(yǔ)言，它包含多個(gè)數(shù)據(jù)處理包，如Numpy、Pandas、Scipy、Matplotlib、Scikit-learn等。Pandas是Python的一個(gè)數(shù)據(jù)分析庫(kù)，它含有諸如DataFrame、Series等數(shù)據(jù)結(jié)構(gòu)模塊。python具有很強(qiáng)的可移植性，由于其開(kāi)源的本質(zhì)，已經(jīng)被移植在許多平臺(tái)上，按照開(kāi)源的理論，Python幾乎適應(yīng)各種平臺(tái);Python是解釋執(zhí)行的，即Python語(yǔ)言寫的程序可以直接從源代碼運(yùn)行，無(wú)需先通過(guò)編譯生成可執(zhí)行文件[10]。本文使用Python編程語(yǔ)言，基于Anaconda平臺(tái)進(jìn)行數(shù)據(jù)處理。

1.1 數(shù)據(jù)采集

數(shù)據(jù)采集是指將傳感器安裝在待測(cè)設(shè)備合適的位置或配置在設(shè)備的周圍，進(jìn)而將待測(cè)設(shè)備的運(yùn)行情況、工作環(huán)境等信息映射成相應(yīng)的光、電、磁等信號(hào)，通過(guò)信號(hào)放大器與相匹配的數(shù)據(jù)采集系統(tǒng)將信號(hào)傳輸至上位機(jī)進(jìn)行存儲(chǔ)、顯示或打印的過(guò)程[11]。某大型汽車制造企業(yè)使用相關(guān)軟硬件系統(tǒng)采集所有生產(chǎn)線設(shè)備的實(shí)時(shí)數(shù)據(jù)。

設(shè)備相關(guān)數(shù)據(jù)信息由設(shè)備上的硬件傳感器以及工廠工 業(yè)網(wǎng)絡(luò)統(tǒng)一傳遞到該系統(tǒng)采集數(shù)據(jù)。

1.2 數(shù)據(jù)清洗

數(shù)據(jù)清洗是一種提高數(shù)據(jù)質(zhì)量的可行有效的技術(shù)方法，它主要用于處理在數(shù)據(jù)質(zhì)量問(wèn)題中，出現(xiàn)在實(shí)例層的臟數(shù)據(jù)，從而充分提高數(shù)據(jù)的質(zhì)量[12]。

某大型汽車制造企業(yè)動(dòng)力總成區(qū)域的設(shè)備每天會(huì)產(chǎn)生海量的數(shù)據(jù)。需要使用大數(shù)據(jù)技術(shù)對(duì)這些數(shù)量巨大的數(shù)據(jù)進(jìn)行處理，篩選出所需的有效數(shù)據(jù)，從而對(duì)有效數(shù)據(jù)進(jìn)行分析與處理。使用Pandas數(shù)據(jù)包中的DataFrame框架，DataFrame是一種表格型數(shù)據(jù)結(jié)構(gòu)，它含有一組有序的列，每列可以是不同的值。DataFrame既有行索引，也有列索引，DataFrame的行索引是index，列索引是column。將原始數(shù)據(jù)導(dǎo)入該數(shù)據(jù)處理框架中處理原始數(shù)據(jù)，進(jìn)行數(shù)據(jù)清洗工作。

為上述數(shù)據(jù)集合建立起對(duì)應(yīng)的DataFrame框架，將雜亂無(wú)章的原始數(shù)據(jù)統(tǒng)一地轉(zhuǎn)換為DataFrame數(shù)據(jù)類型。選取并設(shè)置相應(yīng)的column name，使用DataFrame框架去直接獲取該框架column中所一一對(duì)應(yīng)的value，該返回值為Series數(shù)據(jù)類型，對(duì)該返回值進(jìn)行過(guò)濾處理，其中，Series可以理解為由一列索引和一列值組成的結(jié)構(gòu)，而DataFrame就是由一列索引和多列值組成的結(jié)構(gòu)，DataFrame中的每一列都是一個(gè)Series對(duì)象。

使用isnull（）、dropna（）等編程指令篩選出原始數(shù)據(jù)中的NaN值，再使用fillna（）編程指令修補(bǔ)數(shù)據(jù)。其中，isnull （）指令可以判斷所有的空值，dropna（）指令可以刪除缺失數(shù)據(jù)所在的行，NaN值是Python指令在做計(jì)算時(shí)無(wú)法返回的一個(gè)符號(hào)，NaN值需要被處理，fillna（）指令用于填補(bǔ)缺失值。

另外，如圖1，需要使用判斷編程指令找出異常值并進(jìn)行處理，從而保證數(shù)據(jù)的連貫性。使用index編程指令對(duì)初篩過(guò)的數(shù)據(jù)重新設(shè)定數(shù)據(jù)索引目錄（index項(xiàng)），使得篩選出的每個(gè)有效數(shù)據(jù)都對(duì)應(yīng)有其專屬的索引目錄（index項(xiàng)）。編制好新的索引目錄（index項(xiàng)）的相關(guān)數(shù)據(jù)就組成了一個(gè)全新的DataFrame框架，該框架中的數(shù)據(jù)全部是完成數(shù)據(jù)清洗后的有效數(shù)據(jù)。

1.3 數(shù)據(jù)挖掘：獲取專項(xiàng)技術(shù)數(shù)據(jù)

數(shù)據(jù)挖掘是從大型數(shù)據(jù)庫(kù)中抽取出未知的、有意義的關(guān)系、趨勢(shì)和模式的過(guò)程，是數(shù)據(jù)庫(kù)研究中具有重要價(jià)值的研究領(lǐng)域，其廣泛應(yīng)用在金融、醫(yī)療、電信、人工智能等領(lǐng)域[13]。

A軸單元作為五軸數(shù)控機(jī)床的關(guān)鍵功能部件，其控制精度直接影響工件的加工精度和表面質(zhì)量[14]。A軸技術(shù)作為設(shè)備關(guān)鍵技術(shù)，被廣泛地使用于汽車發(fā)動(dòng)機(jī)生產(chǎn)線設(shè)備之中。A軸伴有大量相關(guān)故障報(bào)警信息。 其“報(bào)警信息”文本及“報(bào)警號(hào)”數(shù)字信息是數(shù)據(jù)處理的關(guān)鍵信息，使用網(wǎng)絡(luò)爬蟲(chóng)原理識(shí)別“報(bào)警信息”關(guān)鍵字段并抓取“報(bào)警號(hào)”。將獲取到的Series數(shù)據(jù)類型裝載到相應(yīng)的DataFrame框架中得到專項(xiàng)技術(shù)數(shù)據(jù)，如圖2。

1.4 基于專項(xiàng)技術(shù)的生產(chǎn)線關(guān)鍵指標(biāo)計(jì)算

某大型汽車制造企業(yè)生產(chǎn)線的核心指標(biāo)是設(shè)備綜合效率，該指標(biāo)反映的是每日/月生產(chǎn)線除設(shè)備故障外正常運(yùn)行的時(shí)間占比。從設(shè)備技術(shù)角度考慮，影響設(shè)備綜合效率的關(guān)鍵指標(biāo)是停機(jī)時(shí)間（DT）和設(shè)備可用率（TA， Technology availability），如圖3、圖4。

基于該理念，以上述專項(xiàng)技術(shù)數(shù)據(jù)獲取生產(chǎn)線核心指標(biāo)。使用計(jì)算機(jī)底層時(shí)間，來(lái)統(tǒng)一數(shù)據(jù)處理的時(shí)間設(shè)置，即為使用統(tǒng)一的時(shí)間度量衡。使用數(shù)學(xué)公式計(jì)算出基于專項(xiàng)技術(shù)的生產(chǎn)線關(guān)鍵指標(biāo)：停機(jī)時(shí)間（DT）和設(shè)備可用率（TA）。相關(guān)指標(biāo)的數(shù)學(xué)計(jì)算需要用到以下這些參數(shù)：生產(chǎn)線設(shè)備生產(chǎn)時(shí)間，PTi=PT;生產(chǎn)線設(shè)備總數(shù)，DN;DT單元（單個(gè)計(jì)量單元的DT數(shù)值），DTi。

單個(gè)計(jì)量單元的設(shè)備可用率計(jì)算：

（1）

停機(jī)時(shí)間（DT）的計(jì)算：

（2）

設(shè)備可用率（TA）的計(jì)算：

（3）

1.5 專項(xiàng)技術(shù)數(shù)據(jù)可視化

數(shù)據(jù)可視化是關(guān)于數(shù)據(jù)視覺(jué)表現(xiàn)形式的科學(xué)和技術(shù)研究，實(shí)現(xiàn)可視化是為了證實(shí)我們對(duì)數(shù)據(jù)的認(rèn)識(shí)[15]。數(shù)據(jù)可視分析旨在利用計(jì)算機(jī)自動(dòng)化分析能力的同時(shí)，充分挖掘人對(duì)于可視化信息的認(rèn)知能力優(yōu)勢(shì)，將人、機(jī)的各自強(qiáng)項(xiàng)進(jìn)行有機(jī)融合，借助人機(jī)交互式分析方法和交互技術(shù)，輔助人們更為直觀和高效地洞悉大數(shù)據(jù)背后的信息、知識(shí)與智慧[16]。

對(duì)基于專項(xiàng)技術(shù)的設(shè)備關(guān)鍵指標(biāo)做數(shù)據(jù)可視化處理，將其以可視化報(bào)表的形式呈現(xiàn)出來(lái)。打印出該可視化報(bào)表的打印時(shí)間、某區(qū)域某專項(xiàng)技術(shù)的設(shè)備關(guān)鍵指標(biāo)：停機(jī)時(shí)間（DT）和設(shè)備可用率（TA）。下面以某大型汽車制造企業(yè)動(dòng)力總成區(qū)域的某條生產(chǎn)線為例，以A軸技術(shù)（A Axis）作為切入點(diǎn)，展示基于專項(xiàng)技術(shù)的設(shè)備關(guān)鍵指標(biāo)可視化報(bào)表，如圖5。

2 ?專項(xiàng)技術(shù)數(shù)據(jù)分析在生產(chǎn)線設(shè)備中的應(yīng)用

做好生產(chǎn)線設(shè)備的維護(hù)保養(yǎng)工作，可有效延長(zhǎng)生產(chǎn)線的使用壽命并有效提高設(shè)備的使用率和完好率[17]。下面以某大型汽車制造企業(yè)動(dòng)力總成區(qū)域的某條生產(chǎn)線為例，介紹該專項(xiàng)技術(shù)數(shù)據(jù)分析在獨(dú)立的生產(chǎn)線維護(hù)體系中的應(yīng)用。該區(qū)域與其他區(qū)域生產(chǎn)線在設(shè)備投產(chǎn)時(shí)間、設(shè)備備件型號(hào)、所生產(chǎn)的產(chǎn)品型號(hào)、設(shè)備數(shù)量與所應(yīng)用的專項(xiàng)技術(shù)種類等諸多方面存在著較大的不同。針對(duì)設(shè)備的老化、維護(hù)保養(yǎng)以及所使用的專項(xiàng)技術(shù)等問(wèn)題，需要使用不同的維護(hù)策略。依托專項(xiàng)技術(shù)數(shù)據(jù)分析系統(tǒng)所生成的專項(xiàng)技術(shù)相關(guān)關(guān)鍵指標(biāo)，有針對(duì)性地制定出基于專項(xiàng)技術(shù)的生產(chǎn)線維護(hù)體系，如圖6。

2.1 某區(qū)域生產(chǎn)線維護(hù)體系總攬

依托專項(xiàng)技術(shù)數(shù)據(jù)分析系統(tǒng)，為某大型汽車制造企業(yè)動(dòng)力總成區(qū)域某生產(chǎn)線的所有設(shè)備建立起獨(dú)立的生產(chǎn)線維護(hù)體系。

在實(shí)際工作中，為了更加有針對(duì)性地保障生產(chǎn)線的正常運(yùn)轉(zhuǎn)，需要提前做好預(yù)防性維護(hù)工作，做好計(jì)劃并組織好工作內(nèi)容。在某大型汽車制造企業(yè)動(dòng)力總成區(qū)域某生產(chǎn)線維護(hù)體系的建立過(guò)程中，為每一臺(tái)設(shè)備添加了諸如“任務(wù)清單描述”“維護(hù)策略”“工序描述”“時(shí)間間隔組”“系統(tǒng)條件”“工序號(hào)”“總工時(shí)”“工時(shí)單位”“參與人數(shù)”“每人工作持續(xù)時(shí)間”“數(shù)量”等條目。生產(chǎn)線維護(hù)工作是復(fù)雜繁重的，而以上的這些條目則正好有力地分解了維護(hù)工作，將繁雜的工作劃分到具體的條目之中，從而使得實(shí)際維護(hù)工作進(jìn)行得更為細(xì)致與準(zhǔn)確。

2.2 某區(qū)域生產(chǎn)線維護(hù)條目

對(duì)于生產(chǎn)線日常運(yùn)營(yíng)而言，一個(gè)主要的目標(biāo)就是要最大化地減小成本，要同時(shí)減少生產(chǎn)和維護(hù)成本[18]。制定出合理的維護(hù)條目會(huì)較好地減少成本支出。

該維護(hù)體系中的每個(gè)維護(hù)條目是種類繁多并且在技術(shù)難度和人員要求等方面都存在著諸多的不同之處。為了使維護(hù)工作順利展開(kāi)與有效實(shí)施，該體系中的不同條目一般使用不同的時(shí)間間隔組。時(shí)間間隔組的組成為1～60個(gè)月，不同的維護(hù)條目一般使用不同的時(shí)間間隔組來(lái)完成，如圖7。

3 結(jié)語(yǔ)

我們處在一個(gè)大數(shù)據(jù)技術(shù)與計(jì)算機(jī)編程技術(shù)日趨完善的時(shí)代，我們也正站在物聯(lián)網(wǎng)時(shí)代的門口。而這些技術(shù)在制造業(yè)的實(shí)現(xiàn)是需要有硬件、軟件接口的。而本文所述的專項(xiàng)技術(shù)數(shù)據(jù)分析系統(tǒng)及相應(yīng)的生產(chǎn)線維護(hù)體系則正好起到了這樣的一個(gè)接口功能。

基于專項(xiàng)技術(shù)的設(shè)備關(guān)鍵指標(biāo)可視化報(bào)表會(huì)顯示每天該生產(chǎn)線所擁專項(xiàng)技術(shù)所存在的問(wèn)題，會(huì)將所有信息數(shù)據(jù)積累到一起，從而為每項(xiàng)專項(xiàng)技術(shù)形成專項(xiàng)故障信息數(shù)據(jù)庫(kù)。這就為數(shù)據(jù)分析工作提供了有效的數(shù)據(jù)樣本，在數(shù)據(jù)量積累到一定規(guī)模之后，即可使用機(jī)器學(xué)習(xí)的方法，將該數(shù)據(jù)樣本分為訓(xùn)練集、驗(yàn)證集和測(cè)試集，從而建立更為有效的數(shù)據(jù)模型用以生產(chǎn)線設(shè)備的可能專項(xiàng)技術(shù)故障作預(yù)測(cè)。

參考文獻(xiàn)

[1] 王孟卓.基于大數(shù)據(jù)分析的數(shù)控加工工時(shí)預(yù)測(cè)技術(shù)研究[D].北京：中國(guó)工程物理研究院，2020.

[2] 王孟卓，尚鋆，白翱.面向數(shù)控加工工時(shí)預(yù)測(cè)的智能車間制造大數(shù)據(jù)分析技術(shù)體系研究[J].現(xiàn)代制造技術(shù)與裝備，2020（4）：33-37.

[3] 李敏波，王海鵬，陳松奎.工業(yè)大數(shù)據(jù)分析技術(shù)與輪胎銷售數(shù)據(jù)預(yù)測(cè)[J].計(jì)算機(jī)工程與應(yīng)用，2017（11）：100-109.

[4] 維克托·邁爾-舍恩伯格，肯尼斯·庫(kù)克耶.大數(shù)據(jù)時(shí)代：生活、工作與思維的大變革[M].杭州：浙江人民出版社，2013.

[5] Samihah Abdullah， Widad Ismail， Zaini Abdul Halim. Implementation of Wireless RFID for Production Line Management System in a Real Environment[J].Wireless Personal Communications，2015：3119–3132.

[6] 周尋.關(guān)于提高C公司噴漆生產(chǎn)線設(shè)備綜合效率（OEE）的研究[D].蘇州：蘇州大學(xué)，2016.

[7] 孫偉峰.滾動(dòng)軸承振動(dòng)信號(hào)分析與數(shù)據(jù)處理系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D].哈爾濱：哈爾濱工 業(yè)大學(xué)，2020.

[8] Panagiotis Tsarouhas. Statistical analysis of failure data for estimating reliability， availability and maintainability of an automated croissant production line[J].Journal of Quality in Maintenance Engineering， 2019（25）：452-475.

[9] Naser Habibifar， Mahdi Hamid， Mahdi Bastan， Ahmad Taher Azar. Performance optimisation of a pharmaceutical production line by integrated simulation and data envelopment analysis[J]. International Journal of Simulation and Process Modelling， 2019（14）.

[10] 嵩天，黃天羽，禮欣.程序設(shè)計(jì)基礎(chǔ)：PYTHON語(yǔ)言[M].北京：高等教育出版社，2014.

[11] PECHT M G，KANG M. Prognostics and Health Management of Electronics：Fundamentals，Machine Learning，and the Internet of Things[M]. New Jersey： John Wiley & Sons， 2018.

[12] 廖書妍.數(shù)據(jù)清洗研究綜述[J].電腦知識(shí)與技術(shù)，2020（20）：44-47.

[13] 朱宏列，戚欣.數(shù)據(jù)挖掘在智慧城市中的應(yīng)用[J].計(jì)算機(jī)時(shí)代，2020（10）：40-42.

[14] 趙鵬兵，史耀耀.高效強(qiáng)力復(fù)合銑A軸的動(dòng)力學(xué)建模與自適應(yīng)滑模控制[J].航空學(xué)報(bào)，2014（2）：555-566.

[15] 左圓圓，王媛媛，蔣珊珊，等.數(shù)據(jù)可視化分析綜述[J].科技與創(chuàng)新，2019（11）：82-83.

[16] 任磊，杜一，馬帥，張小龍，等.大數(shù)據(jù)可視分析綜述[J].軟件學(xué)報(bào)，2014（9）：1909-1936.

[17] 劉志強(qiáng)，郝力輝，陳立維，等.進(jìn)口汽車發(fā)動(dòng)機(jī)生產(chǎn)線的維護(hù)與管理[J].設(shè)備管理與維修，2016（1）：11-13.

[18] Ait El Cadi Abdessamad， Gharbi Ali， Dhouib Karem， et al. Joint production and preventive maintenance controls for unreliable and imperfect manufacturing systems[J]. Journal of Manufacturing Systems，2021：263-279.