原文首發(fā)于我的公眾號

背景

注塑成型作為做常見的一種塑料制品加工工藝，它所加工的產(chǎn)品在生活中隨處可見，例如電子產(chǎn)品、汽車配件、玩具以及其他眾多消費品。由于成型系統(tǒng)較為復雜并且對環(huán)境較為敏感，注塑成型加工過程中的不穩(wěn)定因素很容易導致產(chǎn)品不良的發(fā)生，造成經(jīng)濟損失。所以我們建立注塑成型大數(shù)據(jù)，來感知這些不可見的干擾因素，然后通過分析建模解決甚至避免現(xiàn)場痛點問題。比如成型過程的異常檢測預警及不良品的識別，有助于減少甚至避免不合格品的產(chǎn)生，對于管控產(chǎn)品質(zhì)量、降低生產(chǎn)成本有重要的作用。同時，針對異常產(chǎn)生現(xiàn)場人員因經(jīng)驗差異導致調(diào)機無法規(guī)范化的問題，如果能夠根據(jù)成型過程數(shù)據(jù)和異常事件進行建模分析，改進調(diào)機策略，將會節(jié)省大量的時間成本和經(jīng)濟成本。

任務(wù)

要求選手針對成型工藝品質(zhì)異常中尺寸超規(guī)問題進行虛擬量測。根據(jù)訓練集所提供所有模次產(chǎn)品的過程數(shù)據(jù)和相對應的實際量測值（標簽）進行虛擬量測模型建模，然后對測試集中的產(chǎn)品進行尺寸預測，即虛擬量測。

數(shù)據(jù)

本次競賽的數(shù)據(jù)集包含以下多種來源：

傳感器高頻數(shù)據(jù)：該數(shù)據(jù)來自于模溫機及模具傳感器采集的數(shù)據(jù)，文件夾內(nèi)每一個模次對應一個csv文件，單個模次時長為40~43s，采樣頻率根據(jù)階段有20Hz和50Hz兩種，含有24個傳感器采集的數(shù)據(jù)；
成型機狀態(tài)數(shù)據(jù)（data_spc）：該數(shù)據(jù)來自成型機機臺，均為表征成型過程中的一些狀態(tài)數(shù)據(jù)，每一行對應一個模次，數(shù)據(jù)維度為86維；
機臺工藝設(shè)定參數(shù)（data_set）：文件夾中含有注塑成型的81種工藝設(shè)定參數(shù)；
產(chǎn)品測量尺寸(size)：文件夾內(nèi)含有每個模次產(chǎn)品的3維尺寸；
分析
首先根據(jù)任務(wù)與數(shù)據(jù)簡單查看數(shù)據(jù)。查看所有特征列，列名，類型，空值統(tǒng)計，基本describe信息。

查看目標列的信息。首先是趨勢：

目標列的分布：

查看各個特征與目標的關(guān)系，以及各個特征訓練集與測試集分布的不同。

建模

在數(shù)據(jù)探索性分析基礎(chǔ)上，就是建模過程。首先，可以把metrics函數(shù)寫出來。然后是特征導入，模型、驗證、提交各個部分。baseline寫完之后，首先保證驗證部分是合理的，判斷依據(jù)是本地測試結(jié)果與線上提交結(jié)果的同步，允許微小不同，但應保持同步。

對于常規(guī)的表格問題，首選嘗試自然是lightgbm，除了性能好之外，還可以方便的輸出特征重要性，進行特征選型。我的基本模型是這樣的，lightgbm和交叉驗證融合到一起。

def model():predictions = np.zeros(len(X_test))for i, (train_index, val_index) in enumerate(skf.split(X_train,y_train)):print("fold {}".format(i))X_tr, X_val = X_train.iloc[train_index], X_train.iloc[val_index]y_tr, y_val = y_train.iloc[train_index], y_train.iloc[val_index]lgb_train = lgb.Dataset(X_tr, y_tr)lgb_val = lgb.Dataset(X_val, y_val)clf = lgb.train(lgb_params, lgb_train, num_round=2000, valid_sets = [lgb_train, lgb_val],verbose_eval=50, early_stopping_rounds = 50)print('best iteration = ', clf.best_iteration)predictions += clf.predict(X_test, num_iteration=clf.best_iteration) / skf.n_splitsreturn predictions

迭代與后處理

從數(shù)據(jù)、特征、模型去考慮細致深入的改進。錯誤分析，嘗試尋找tricks。

也值得紀念一下自己第一次認真參加的數(shù)據(jù)比賽。決賽的翻車自然就是另一個故事了。

以上做的細致一點，初賽可以達到1e5以下。雖然離第一結(jié)果很遠，但可以維持在top20以內(nèi)。但是決賽前三天，風云突變，這個成績只能排50以外了。

彎路

我的大多嘗試都越來越差，即使本地測試提高了，排行榜也可能差遠了。
其實沒什么彎路，只是嘗試了太多不起作用的調(diào)整，目標后來甚至是能堅持完賽，別放棄就好。若干年后的一個秋天，當我回想起我第一次參加數(shù)據(jù)比賽的經(jīng)歷，因為好好了解了一下注塑機的歷史，大概只記得注塑機的發(fā)明動力源自以前的臺球都是昂貴的象牙做的。

聯(lián)系方式

公眾號搜索：YueTan

總結(jié)

以上是生活随笔為你收集整理的数据竞赛：第四届工业大数据竞赛-虚拟测量的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。