目录
一、课题来源、目的、意义 1
1. 课题来源 1
2. 研究目的 1
3. 研究意义 1
二、国内外研究现况及发展趋势 3
三、预计达到的目标、关键理论和技术、主要研究内容、完成课题的方案及主要措施 4
1. 预期达到的目标 4
2. 关键理论和技术 4
2.1 数据挖掘 4
2.2故障数据的处理 5
2.2.1.Apriori算法：使用候选项集找频繁项集 5
2.2.2. FP-树频集算法 5
2.3设备运行数据的获取 6
3. 主要研究内容 6
4. 完成课题的方案 6
4.1 构建故障树（基于决策树） 6
4.1.1 信息熵 6
4.1.2 信息增益 7
4.2 SVM分类方案 8
四、课题研究进度安排 11
五、主要参考文献 12
一、课题来源、目的、意义
1. 课题来源
课题来源为老师提供
2. 研究目的
由于计算机硬件行业以符合摩尔定律的速度迅速发展，计算机存储、数据传输和分布式计算的成本都大幅度降低。在现代化的工厂中布置大量的传感器，并且将设备的状态信息进行存储变得简单，由此便会产生海量的工业数据。对于这一变化，最初是德国提出了“工业4.0”的概念，之后美国推出“工业互联网”，我国也相继推出“中国智造2025”的概念，其核心都指向智能制造。而工业大数据是智能制造不可缺少的一环，所以研究工业大数据对于我国的制造业发展具有极大地推进作用。
3. 研究意义
伴随着工业发展的突飞猛进，工业设备精度越来越高，结构越来越复杂，所以在车间内很多设备的故障都没办法及时发现并且解决。并且由此导致的设备故障信息数据呈现指数型增长，所产生的海量数据，采用传统人工的知识发现故障诊断方式已经无法负载如此巨量规模的数据分析。此外，工业设备结构极其复杂。不同模块之间可能会产生故障的交集，人工分析已经无法准确、迅速的完成故障的诊断。因此，结合工业大数据对工业设备所产生的海量数据进行数据挖掘分析建立故障诊断模型，对于提高设备维护效率、迅速有效解决故障、降低维修费用有巨大意义。
