基于PCA_NearMiss和XGBoost的产品质量预测

产品质量预测是产品质量控制的重要组成部分,从产品生产数据中挖掘产品质量信息,建立产品生产数据与产品质量之间的预测模型,对提高产品质量,降低生产成本具有重大意义。针对产品生产数据的高维,高不平衡性特点,提出PCA_NearMiss降采样算法,通过PCA算法降低数据维度,再通过NearMiss算法提取出具有代表性的样本,在平衡数据的同时保证数据信息的完整性,最后用选出的样本对XGBoost模型进行训练和测试。使用博世产品生产数据作为实例进行验证,说明了算法的有效性。

重采样在微博机器人识别中的应用研究

随着微博机器人账户的不断增多,对其识别检测已成为当前数据挖掘领域的热点问题。已有的微博机器人识别研究多使用爬取搜集的相关数据,在小规模平衡分布的机器人与普通用户数据集上训练并验证算法模型,在样本分布不平衡的真实情况下存在局限性。重采样是一种针对不平衡数据集分类的常用技术,为探究重采样对相关监督学习机器人识别算法的影响,该文以微热点数据挖掘竞赛的真实数据为基础,提出一种结合重采样的微博机器人识别框架,在5种不同采样方式的基础上使用多种评价指标,综合评估了7种监督学习算法在不平衡验证集上的分类性能。实验结果表明,以往基于小规模平衡样本数据训练的模型在真实情况下的Recall有较大降低,而结合重采样的算法框架能够大幅提高机器人账户的识别率,其中使用NearMiss欠采样会让算法的Recall大幅提升,而使用ADASYN过采样会让算法的G_mean有所提高。一般而言,微博用户的发布时间、发布地域以及发布时间间隔等属性是区分正常用户和机器人的重要特征属性。重采样调整了机器学习算法所依赖的特征属性,从而获得更好的预测性能。

大连远洋运输公司AMOS2系统的应用情况及实施要点

AMOS2系统是大连远洋运输公司在国内首家引进和实施的针对质量与安全管理的集成系统与二次开发平台。AMOS2系统包括管理程序、通函、不符合项以及事故的管理等功能,着重为公司的油船运输管理提供符合TMSA与其他质量安全规范的、支持体系持续改进的IT服务。总结大连远洋运输公司AMOS2系统的应用情况,对该系统的实施要点进行分析。

医院用药错误和接近失误分析与改进成效评价

目的提高医院用药错误和接近失误上报案例的主动性,防止或减少类似错误的再发生。方法 2016年7月至2017年3月,按PDCA循环的分析工具,完善医院用药错误和接近失误的上报程序,树立员工主动上报的观念,并统计分析已发生的用药错误和接近失误,制订改善措施,持续改进。结果医院用药错误和接近失误的上报例数逐月上升并趋于稳定,医院已发生的用药错误和接近失误后期有明显改善。结论提高用药错误和接近失误的上报以及针对性改进措施可明显改善医院用药安全问题。

矿工大五人格特质对煤矿险兆事件上报的影响

为探讨矿工大五人格特质对煤矿险兆事件上报行为的影响关系,采用中国大五人格问卷简式版和煤矿险兆事件上报量表对陕西地区3所煤矿的329名矿工进行测量。运用SPSS21.0软件对其信效度和相关性进行分析,在此基础上采用多元回归分析研究矿工大五人格特质对煤矿险兆事件上报行为的预测作用,同时考查不安全心理在二者之间的中介作用。结果显示,宜人性人格对险兆事件上报行为(β=0.27,p<0.05)具有显著的正向影响;尽责感人格对险兆事件上报行为(β=0.31,p<0.05)具有显著的正向影响;神经质人格对煤矿险兆事件上报行为(β=-0.29,p<0.05)具有显著的负向影响;外倾性和开放性人格对煤矿险兆事件上报行为不具有影响作用;不安全心理在神经质、宜人感、尽责感3个维度和险兆事件上报行为的关系中起到中介作用。在险兆事件的管理过程中,煤矿可以进行矿工人格特质和岗位匹配度检验,并针对不同的人格特质采取干预手段,消除矿工不安全心理状态,提高险兆事件的上报率,提升煤矿安全管理水平。