大数据算法在紧固技术中的应用

李琨　鲁鹏　史东旭　邵子尧　陈浩然

摘 要：紧固技术在制造业中起着关键作用，它确保紧固件被固定到正确的扭矩。本文旨在探讨大数据算法在紧固技术中的应用。本文首先讨论了大数据分析的算法种类和适用领域，然后探讨了大数据算法在紧固技术中的应用，如何用于提高紧固工艺的准确性、效率和可靠性，最后提出了应用大数据进行拧紧技术开发面临的挑战，本研究可为紧固技术的数据分析提供参考价值。

关键词：大数据算法 紧固技术 数据分析

1 引言

紧固技术是将螺栓、螺母和其他紧固件安全地固定到规定的扭矩的过程。在制造业中，紧固至关重要，因为它确保成品的质量和可靠性。紧固的准确性在各个行业中都非常重要，包括汽车、航空航天和建筑业。传统的紧固方法涉及手动扭矩扳手，这可能导致错误、不一致性和低效的工艺。随着大数据算法的出现，有机会提高紧固技术的准确性、效率和可靠性。大数据算法是能够快速准确地分析大量数据的计算机程序。这些算法使用统计模型、机器学习和其他技术来识别数据中的模式、趋势和洞见。将大数据算法应用于紧固技术有可能彻底改变紧固件的固定方式。

2 目前常用的大数据算法

近年来，随着大数据算法的发展，这些算法已经被广泛应用于各种行业，包括制造业和紧固技术。下面是一些最常用的大数据算法。

2.1 线性回归

线性回归是一种统计方法[1]，流程如图1所示。可用于分析一个或多个自变量与因变量之间的关系。它通常用于制造业，以预测未来的性能并确定改进的领域。

2.2 决策树

决策树是一种机器学习算法[2]，如图2所示，可根据一组规则对数据进行分类。它通常用于制造业中分析过程数据并识别问题的根本原因。

2.3 随机森林

随机森林是另一种机器学习算法[3]，可用于对数据进行分类，如图3所示。它通过创建多个决策树并组合它们的输出来进行更准确的预测。随机森林通常用于制造业中分析大型数据集并预测过程性能。

2.4 支持向量机（SVM）

支持向量机是一种机器学习算法[4]，可用于对数据进行分类，如图4所示。它通过创建将数据分为不同类别的超平面来工作。SVM通常用于制造业中分析过程数据并识别可用于提高性能的模式。

2.5 神经网络

神经网络是一种机器学习算法，模拟人脑的结构[5]，如图5所示。它可用于分析复杂数据集并对未来的性能进行预测。神经网络通常用于制造业中分析传感器数据并识别趋势和模式。

2.6 K均值聚类

K均值聚类是一种无监督机器学习算法[6]，可用于根据相似性将数据分组为群集，如图6所示。它通常用于制造业中分析过程数据并识别可用于提高性能的模式。

2.7 关联规则挖掘

关联规则挖掘是一种数据挖掘技术，可用于识别大型数据集中的模式和关系[7-8]，如图7所示。它通常用于制造业中分析过程数据并确定改进的领域。

大数据算法有潜力革命制造业和紧固技术的方式。通过使用这些算法，制造商可以提高其过程的准确性，效率和可靠性，从而提高生产力并减少浪费。

3 大数据算法在紧固技术中的应用

松动的螺栓或螺母可能会导致车辆性能下降，甚至造成事故。因此，必须确保每个螺栓和螺母都正确安装。这就需要对紧固力进行监测和控制，以确保其符合要求。过去，这通常是通过手动检查和调整来完成的，但这样的方法存在很大的风险和不确定性。现在，大数据技术可以提供更准确，高效和可靠的解决方案。

使用传感器和实时数据收集技术，制造商可以收集大量的紧固力数据。这些数据可以通过各种大数据算法进行分析，以识别任何问题并预测未来的性能。例如，线性回归可以用于分析不同因素（如扭矩和转角）对紧固力的影响，以确定最佳参数范围。随机森林可以用于预测未来的紧固力，并识别任何异常情况，如松动或断裂的螺栓。决策树可以用于识别哪些因素最大程度地影响紧固力，以便采取相应的措施。支持向量机可以用于识别紧固力的正常范围，并在超出该范围时进行报警。

这些算法不仅可以提高紧固的准确性和效率，还可以帮助制造商提高其生产力并减少浪费。例如，通过识别不必要的紧固操作并消除它们，制造商可以節省时间和资源，提高生产效率。此外，通过预测未来的紧固力，制造商可以采取预防措施并避免停机时间和维修费用。

3.1 预测性维护

大数据算法可用于预测何时需要维护或修理紧固工具。通过分析传感器和其他来源的数据，这些算法可以检测早期的磨损迹象，使维护团队能够在工具故障之前进行预防性维护。这有助于最小化停机时间，并确保紧固工艺保持准确和高效。

3.2 质量控制与过程优化

大数据算法也可以用于质量控制。通过分析传感器和其他来源的数据，这些算法可以识别紧固工艺中可能表示质量问题的模式和趋势。这有助于制造商在它们导致昂贵的缺陷或召回之前识别和纠正问题。大数据算法可用于优化紧固工艺。通过分析传感器和其他来源的数据，这些算法可以识别工艺中的瓶颈和瓶颈原因。这使制造商能够做出改进，提高生产效率和减少浪费。

3.3 数据收集和分析

大数据算法可用于收集和分析各种类型的数据，如图8所示。例如传感器数据、工艺参数和历史数据。通过分析这些数据，制造商可以了解工艺中的趋势和模式，从而更好地了解生产线的性能。这有助于制造商预测未来的性能和优化工艺。

3.4 在线监测

大数据算法可以用于实时在线监测紧固工具的扭矩输出和其他参数，如图9所示。通过分析实时数据，制造商可以检测工具故障和质量问题，从而能够立即采取行动。这

有助于确保紧固工艺的准确性和可靠性。

4 应用大数据进行拧紧技术开发面临的挑战

虽然大数据算法在紧固技术中的应用具有很多潜在的优点，但实施这些算法时还需要解决一些挑战。

4.1 数据质量

大数据算法的准确性取决于数据的质量。如果数据不准确或不完整，这些算法的结果可能不准确或不可靠。因此，在实施大数据算法之前，必须确保数据质量。

4.2 算法选择

有许多大数据算法可用于紧固技术。选择正确的算法非常重要，因为不同的算法可能会产生不同的结果。制造商必须仔细考虑每种算法的优缺点，以选择最适合其需求的算法。

4.3 数据隐私

大数据算法通常需要使用大量的数据，包括敏感数据。因此，在实施这些算法时，必须考虑数据隐私和保护问题。

4.4 实施成本

实施大数据算法的成本可能很高，因为需要购买硬件和软件、进行培训并聘请专业人员。因此，制造商必须考虑實施成本和预期回报之间的平衡。

5 结论

大数据算法在紧固技术中的应用具有潜在的优点，可以提高紧固工艺的准确性、效率和可靠性。然而，实施这些算法时必须解决一些挑战，例如数据质量、算法选择、数据隐私和实施成本。制造商必须仔细考虑这些问题，并确保选择最适合其需求的算法。

参考文献：

[1]许业林.基于线性回归的轴承预紧技术研究[J].机械工程师，2009（08）：45-47.

[2]谢兆贤，邹兴敏，张文静.大型数据集的高效参数剪枝决策树算法研究[J/OL].计算机工程：1-11.

[3]吴钰，杜庆东.基于大数据技术的随机森林算法研究[J].现代工业经济和信息化，2020，10（09）：24-25.

[4]路绳方，刘震.动车底部螺栓快速定位方法[J].计算机工程与应用，2017，53（15）：31-35.

[5]樊宇，杨建业.大数据在拧紧数据分析中的应用[J].汽车工艺与材料，2022（06）：27-32.

[6]王磊. 基于大数据分析的螺栓拧紧工艺质量评价方法研究[D].山东大学，2018.

[7]魏佳旭，吴旭东，赵丹.基于关联规则挖掘的自动驾驶高风险场景构建[J].山东交通科技，2023（01）：147-151.

[8]曹磊，徐磊，杨菲，贾彭斐.基于关联规则挖掘的路面损坏状况影响因素分析[J].计算机系统应用，2021，30（01）：186-193.