12月21日，2019 CCF大数据与计算智能大赛决赛及颁奖典礼在郑州举行，银河集团9873.cσm2019级研究生队长黄超带领团队参与《离散制造过程中典型工件的质量符合率预测》赛题获得一等奖！

右三为队长黄超

其余队员分别来自同济大学、四川大学、华南理工和江南大学

CCF大数据与计算智能大赛（CCF Big Data & Computing Intelligence Contest，简称CCF BDCI）是由中国计算机学会大数据专家委员会于2013年创办的国际化智能算法、创新应用和大数据系统大型挑战赛事，是全球大数据与人工智能领域最具影响力的活动之一。2019 CCF大数据与计算智能大赛由教育部高等学校计算机类专业教学指导委员会、国家自然科学基金委员会信息科学部及郑州市人民政府指导，中国计算机学会主办，郑州市郑东新区管理委员会、教育部易班发展中心、CCF大数据专家委员会、大洋洲计算机研究与教育协会、数联众创承办。

自2013年创办以来，大赛已成功举办六届，连续获得教育部、工信部、国家基金委等多个国家部委指导，受到北京、青岛、常熟、沈阳、郑州等多地地方政府支持，在梅宏院士、李国杰院士等百余位国内顶尖专家的参与下，共吸引了来自全球25个国家，1500余所高校及科研院所，1800余所企事业单位的60000余人参加。CCF BDCI大赛权威度高，专业性强，创新成果突出，产学研结合紧密，已经成为中国大数据及人工智能赛事旗帜。

2019 CCF BCDI共有13个赛题，在《离散制造过程中典型工件的质量符合率预测》赛题共有2703人参与，经过组队共有2264支来自全国各地的队伍，其中不仅有来自北京大学、南开大学、华南理工等知名大学的团队，还有代表企业参赛的团队。经过激烈的初赛，复赛，决赛的角逐，本赛题共产生1个一等奖，2个2等奖，2个三等奖。我们团队的方案获得了本赛题唯一一个一等奖。

赛题背景及任务

在高端制造领域，随着数字化转型的深入推进，越来越多的数据可以被用来分析和学习，进而实现制造过程中重要决策和控制环节的智能化，例如生产质量管理。从数据驱动的方法来看，生产质量管理通常需要完成质量影响因素挖掘及质量预测、质量控制优化等环节，本赛题将关注于第一个环节，基于对潜在的相关参数及历史生产数据的分析，完成质量相关因素的确认和最终质量符合率的预测。在实际生产中，该环节的结果将是后续控制优化的重要依据。

由于在实际生产中，同一组工艺参数设定下生产的工件会出现多种质检结果，所以我们针对各组工艺参数定义其质检标准符合率，即为该组工艺参数生产的工件的质检结果分别符合优、良、合格与不合格四类指标的比率。相比预测各个工件的质检结果，预测该质检标准符合率会更具有实际意义。

项目方案

首先对赛题数据进行了深入探索分析，得到几点具有重要指导意义的结论。继续深入研究数据两类特征（A类特征与P类特征）对结果的影响，确定了特征工程的方向，采用XGBoost Regressor预测A类特征，对测试集中P类特征空值采用LightGBM Regressor预测填充。在模型构建阶段为提升方案的稳定性，最终模型采用5折交叉验证，并配合3个不同的随机数设置。最后对结果做后处理，生成预测结果。