Pt绕丝工艺参数的优化设计(2)

菜单

4.4.2 仿真结果 25

5 结果及分析 27

5.1 结果分析 27

5.2 物理检测结果分析 28

致谢 32

参考文献 33

1 绪论

1.1 课题意义

在本工艺中，绕丝工艺的原材料Pt丝的直径是12.7m，其过程是通过手工以及机器的配合，将Pt丝绕成间距均匀、不回弹、不变形的螺旋状成品。工艺要求绕丝过后的螺旋状铂丝的长度约为305～356m，并且每一圈的间隔必须均匀，间隔约在33m。任何回弹或者间隔不均匀的都将视为不合格品。

现阶段Pt丝的绕丝合格率约为70%，存在30%的报废率，由于Pt丝是贵金属，甚至比已分类定名的“稀有金属”还要稀少，比某些“稀散金属”还要分散。由于数量很少，价格昂贵，因而30%的报废率会给企业造成巨大的浪费。

是什么原因导致符合标准的丝在相同的工人、机器操作的条件下却得到低的合格率？这一直是困扰企业的一个难题。因此需要对绕丝生产工艺进行改进，由于绕丝工艺是标准的机器流程，唯一差异只有绕丝生产工艺中所使用的原材料Pt丝的特性的区别，所以要求从Pt丝自身的特性参数：拉力强度（Tensile Value）、延展值（Elogation Value）、断裂负载（Breaking Load ）、灌注孔径（Cast Diameter）、阻力（Resistance）入手找出最影响合格率的某一参数，后期公司通过对这一参数的控制，以达到提高绕丝技术合格率的目的，对绕丝生产工艺进行改进，以提高公司的效益。

1.2 大数据概述

1.2.1 什么是大数据

20世纪90年代后期，以网络技术、信息技术和计算机等高科技的快速发展作为标志，人类社会快速地迈进了一个新的数字时代。日益剧增的数据同时也带来了对数据进行使用的烦恼。在日新月异的应用背后，存在着数据量爆炸式的增加所带来的大数据挑战。2012年3月30日，美国国家卫生研究院宣布世界上最大的遗传变异研究数据集——国际千人基因组项目（截至目前数据己约达200TB),数据量正在由太字节（ TB= 10^12 B ）向拍字节（PB=10^15 B ）、艾字节（EB= 10^18 B）、泽字节 (ZB=10^21 B）甚至尧字节（YB= 10^24 B）升级，估计每两年就会增长三倍。[1]

大数据是一个新概念，英文中至少有三种名称：大数据(big data），大尺度数据(big scale data）以及大规模数据（massive data），至今尚未形成统一定义。大数据具有四个基本特征：来源广泛、数据体量巨大、特征多样、价值密度低、增长速度快。业界称其为4V特征，取自volume, value, variety 和 velocity 四个英文单词的首字母。由此可以看出，大数据的核心问题是在于如何在种类繁多、数量庞大的数据中对有价值的信息进行快速获取[2]。一方面，这种信息获取能力离不开优化的复杂大规模数据处理技术。另一方面是模式提取的程序、标准和规范。大数据认知在社会分析、科学发现和商业决策中的作用越来越重要。揭示数据背后的客观规律，识别信息的价值，评估信息之间的影响是合理开发数据资源和改善人类活动的重要组成部分。大数据技术己经成为科技大国的重要发展战略。

1.2.2 数据、信息与认识

大数据分析里的第一个问题是要明确分析的对象——即数据的概念。什么是数据呢？数据有哪些功能呢？从表象来看，数据可以理解为人类对所感兴趣的对象特性的记录，数据是用于描述事实的，它有时间和空间属性。数据的一项重要的功能是对所立目标形成深刻理解，提供未成形概念存在的依据。其中这个未知的概念既存在于数据之中，又与数据本身有所区别，这就是新的知识。1994年日本学者Nonaka等，从人类理解与学习认识的角度给出了知识的定义：知识是概念性的解释和展现，数据是揭示知识存在的关系和模式的重要素材。独立地形成概念一般并不能靠单一的数据记录，为了得到有价值的、可靠性强的新认知，需要将不同记录的数据进行有效的关联以及组织，然后通过对数据的分析，把握体现数据之间的共性和差异，从而对隐藏于数据中的信息进行有序的解读，实现对数据中知识的线索和联系的归纳与推理。没有数据则无法形成可靠的认识。