基于GAN的数据增强和过滤方法在不平衡砂轮规格分类中的应用

《ADVANCED ENGINEERING INFORMATICS》：Application of GAN-based data augmentation and filtering methods for imbalanced grinding wheel specification classification

磨轮规格分类中提出基于GAN的数据增强与过滤框架，通过CTGAN等模型生成合成数据并采用kNN过滤机制解决多类不平衡问题，实验表明该框架在随机森林和LightGBM分类器上显著提升准确率，同时优化计算效率。

　　

陈祖莉|陈詹姆斯·C.|林毅静|姚国清|张平辰

国立清华大学工业工程与工程管理系，新竹30013，台湾

摘要

砂轮在机械工程和半导体制造中扮演着至关重要的角色。传统的规格确定依赖于专家知识和对历史数据的手动分析，这既耗时又容易产生不一致的结果。由于对特定砂轮规格的需求各不相同，数据集存在严重的类别不平衡问题。本研究提出了一种框架，结合了基于生成对抗网络（GAN）的数据增强技术和过滤机制，以解决砂轮规格分类中的多类别数据不平衡问题。该研究比较了三种GAN架构（CTGAN、CopulaGAN、CTAB-GAN+）与传统的重采样方法，并采用基于k最近邻（kNN）的过滤算法来选择高质量的合成样本。实验结果表明，带有过滤功能的CTGAN在随机森林分类器上的准确率达到71.92%，显著优于传统方法。过滤机制提高了所有GAN变体的分类性能；在LightGBM分类器中，CTGAN的准确率从62.16%提高到了70.87%。在计算效率方面，CTGAN在500个训练周期内（大约2.5分钟）达到了80%的质量水平，并在4.5小时内达到了83.48%的质量分数。所建立的框架为砂轮规格分类提供了一种系统且高效的方法，减少了对手动专家分析的依赖，同时保持了决策质量。这些发现为解决制造中的不平衡数据问题提供了实际价值，并为在智能制造环境中应用数据增强技术提供了实证基础。

引言

砂轮规格分类是制造决策中的关键任务，因为它直接影响加工质量和工艺效率。每个规格涉及多个相互依赖的参数，包括磨料类型、粒度以及粘合结构，这些参数必须与工件材料和操作条件相匹配[1]。在工业实践中，这些决策主要基于历史记录和专家判断，使得这一过程难以标准化和规模化。数据驱动的分类模型通过从历史制造数据中学习模式来支持规格选择。然而，现实世界的砂轮数据集通常存在严重的多类别不平衡问题，即少数规格占据了大部分数据，而许多类别的样本数量非常有限。这种不平衡显著降低了分类性能，限制了传统机器学习模型的适用性。

尽管常用的重采样技术（如随机过采样、欠采样和SMOTE）可以用来解决类别不平衡问题，但它们往往无法保留复杂的特征关系，还可能引入噪声样本。最近的研究表明，生成对抗网络（GAN）通过更好地捕捉底层数据分布，为表格数据增强提供了一种更灵活的方法。然而，GAN生成的样本仍可能包含不现实的实例，从而对下游分类性能产生负面影响，这突显了有效样本质量控制机制的必要性。

本研究的主要目标是开发一种新的框架，将基于GAN的数据增强技术与过滤方法相结合，以提高砂轮规格分类的准确性和效率。这项工作的创新之处在于整合了：（i）基于GAN的合成数据生成，（ii）通过合成数据宝库（SDV）指标进行统计质量验证，（iii）具有邻域一致性和错误减少功能的两阶段kNN过滤机制，以及（iv）针对高度不平衡的多类别制造数据优化的统一框架。本研究旨在通过一种系统的方法来应对不平衡制造数据的挑战，生成高质量的合成样本，同时保持数据完整性。所提出的框架结合了GAN架构、专门的过滤机制和全面的验证方法，以确保可靠的规格推荐。通过弥合传统领域专业知识与现代机器学习技术之间的差距，本研究旨在提高规格选择的效率，同时保持推荐的质量和一致性。该框架将通过实验进行评估，以证明其在实际制造场景中的实用价值。也就是说，这项研究为数据增强技术在制造领域的理论理解和实际应用做出了贡献。基于GAN的增强技术与适当过滤机制的成功结合为解决多类别不平衡数据挑战提供了可行的解决方案，为更智能、更高效的制造流程铺平了道路，符合工业4.0的倡议。

本研究的其余部分组织如下：第2节进行了全面的文献综述，重点关注三个关键领域：制造中的机器学习应用、使用GAN的数据增强技术以及不平衡数据处理方法。第3节概述了提出的框架和方法论，详细介绍了数据增强方法、过滤机制和评估方法。第4节描述了实验设置，并对结果进行了详细分析，包括模型性能比较和合成数据质量的评估。最后，第5节总结了研究的主要发现，并提出了未来工作的方向。

章节摘录

砂轮制造中的智能技术

传统的研磨过程严重依赖于熟练工人的经验，这给维持工艺稳定性和能源效率带来了挑战。Wang等人[2]指出，这些限制导致了工艺稳定性和能源效率方面的问题。Lv等人[3]对数据驱动的智能技术在研磨过程中的应用进行了全面回顾，分析了数据驱动方法如何实现智能制造

数据科学框架

本节介绍了一种方法论架构。该架构包括四个主要组成部分：数据预处理、数据转换、使用过滤方法的基于GAN的数据增强建模以及性能评估。每个组成部分都旨在系统地解决规格推荐中的挑战，同时确保数据质量和预测的可靠性。该架构如图1所示。

数据描述

本研究使用了一个来自砂轮制造公司的真实世界砂轮规格数据集，涵盖了2002年至2022年的订单信息。原始数据集包含3,303条记录，代表了各种砂轮规格及其相应的加工条件。

如表1所示，该数据集包括数值和分类特征，涵盖了关于研磨过程的重要信息。

结论

本研究旨在开发一种有效的机器学习框架，以解决砂轮规格分类中的多类别不平衡数据问题。我们提出并实现了一种新的方法，结合了基于GAN的数据增强技术和过滤方法，以提高分类性能，同时保持数据质量。本研究的主要发现和贡献包括：

(1)

基于GAN的增强技术的有效性：所提出的框架成功证明了

CRediT作者贡献声明

陈祖莉：撰写——审稿与编辑，撰写——初稿，监督，方法论，概念化。陈詹姆斯·C.：监督，项目管理，概念化。林毅静：撰写——初稿，可视化，验证，软件，方法论，形式分析。姚国清：验证，数据管理，概念化。张平辰：撰写——审稿与编辑。

利益冲突声明

作者声明他们没有已知的财务利益或个人关系可能影响本文报告的工作。