数据挖掘在机械制造业外购件供应系统的应用论文(pdf 61页).pdf

重庆大学 硕士学位论文 数据挖掘在机械制造业外购件供应系统的应用 姓名 张亮 申请学位级别 硕士 专业 计算机技术 指导教师 郭平 李如斌 20041110 重庆大学硕士学位论文中文摘要 摘要 面对着极度膨胀的数据信息量 人们受到 信息爆炸 的巨大压力的同时又陷 入了 知识缺乏 的极度恐慌 数据挖掘技术应运而生 成了商家和企业手中提 高销售和生产效率 降低成本 取得最大的商业效益的强有力的手段 数据挖掘技术在众多领域都得到了应用 机械制造业的信息化过程方兴未艾 企业信息化即挖掘先进的管理理念 应 用先进的计算机网络技术去整合企业现有的生产 经营 设计 制造 管理 及 时地为企业的 三层决策 系统 战术层 战略层 决策层 提供准确而有效的数据 信息 以便对需求做出迅速的反应 其本质是加强企业的 核心竞争力 制造企 业靠企业资源计划管理 E R P 来完成其信息化 而采购则是供应链物流管理 c R M 销售的信息化 就不能不谈客户关系管理 S C M 随着E R P 系统从管 理执行层向管理决策层的渗透 新一代E R P 将通过集成数据仓库 数据挖掘和联 机分析处理O L A P 商务智能 决策支持等加强其对企业知识的管理功能 把企业 高层领导从规模庞大 事无巨细 的数据中解脱出来 构成集综合查询 报表和 O L A P 为一体的智能决策信息系统 帮助企业家进行宏观决策和经营策略 数据挖 掘在E R P 的各个方面都得到了应用 许多数据挖掘方法在机械制造业上都能有很好的应用 作者讨论以下几种在 机械制造业上常用的数据挖掘方法 统计分析方法 关联规则方法 序列模式方法 聚类方法 分类方法 并着重讨论关联规则方法用于机械制造业外购件供应系统 上的挖掘 关联规则方法在数据挖掘领域被广泛应用 它主要用于发现有用的模 式 典型的例子就是购物篮分析 将关联规则应用于外购件供应系统挖掘的关键 在于如何构造购物篮 每一个通知单事务代表了一次采购行为 分析通知单事务 并结合企业实际 经过数据清理 我们可以获得一个事务集合 从而构造购物篮 A p r i o f i 算法是一种著名的关联规则挖掘算法 本文讨论了该算法及其实现 并将 其应用到一个典型的外购件供应事务集合 关键词 数据挖掘 支持度 候选集 A p r i o r 算法 E R P 外购件供应系统 重庆大学硕士学位论文英文摘要 A B S T R A C T F a c i n gt h ed a t ai n f o r m a t i o nq u a n t i t yo f t h ee x t r e m ee x p a n s i o n p e o p l ea r es a n ki n t o t h ei n f o r m a t i o nb u r s t a tt h es a l n et i m e i n t o t h ek n o w l e d g el a c k T h ed a t am i n i n g t e c h n i q u ee m e r g ew i mt h et i d eo ft h et i m e s b e c o m i n gap o w e r f u lw a yo fr a i s i n gt h e s a l ea n dp r o d u c t i o ne f f i c i e n c y d e c l i n i n gc o s ta n do b t a i n i n gb u s i n e s sp e r f o r m a n c eo f t h e m a x i m u mf o rc o m p a n i e sa n db u s i n e s se n t e r p r i s e D a t aM i n i n gt e c h n i q u ei sa p p l i e di nn u m e r o u sr e a l m s T h ei n f o r m a t i o n b a s e dp r o c e s so f t h em a c h i n em a n u f a c t u r i n gi n d u s t r yi so nt h eu p t h eb u s i n e s se m e r p d s e Si n f o r m a t i o ne n g i n e e r i n gi ss e e ko ft h ea d v a n c e dm a n a g e m e n t p r i n c i p l e t oa p p l yt h ea d v a n c e dc o m p u t e rn e t w o r kt e c h n i q u et oi n t e g r a t ep r o d u c t i o n m a n a g e m e n t d e s i g n m a n u f a c t u r i n g m a n a g e m e n to f b u s i n e s se n t e r p r i s e t op r o v i d et h e a c c u r a t ea n dv a l i dd a t ai n f o r m a t i o nf o rt h e t h r e el a y e r sm a k ep o l i c y s y s t e m m i l i t a r y t a c t i c sl a y e r s t r a t e g i cl a y e r d e c i s i o nl a y e r o ft h eb u s i n e s se n t e r p f i s ei nt i m e I no r d e r t od oaq m c kr e a c t i o nn e e d e d i t se s s e n c ei s c o r ec o m p e t e n c i e s t h a ts t r e n g t h e n st h e b u s i n e s se m e r p d s e S c o m p e t i t i v e n e s s B ym a k i n gf u l l u s eo ft h eb u s i n e s st h e e n t e r p r i s e r e s o u r c e s p l a n E R P t h e b u s i n e s s e n t e r p r i s ec o m p l e t e s i t s i n f o r m a l i z e t i o n b u tp u r c h a s e t h e nt h e s u p p l y c h a i n l o g i s t i c s C R M s e l l i n f o r m a t i o n b a s e d h a v et ot a l kt h ec u s t o m e r sr e l a t i o nm a n a g e m e n t S C M C a r r yo u t t h e l a y e rt o w a r dm a n a g e m e n tt o m a k ep o l i c yt h e l a y e r t o p e r m e a t ef r o mt h e m a n a g e m e n ta l o n gw i t ht h es y s t e mo fE R P t h en e wg e n e r a t i o nE R P w i l lp a s st og a t h e r t h ed a t aw a r e h o u s e d a t as c o o p so u tt oa n a l y z et h em a n a g e m e n tf u n c t i o nt h a tt h e p r o c e s s i n gO L A P b u s i n e s si n t e l l i g e n c e t h ed e c i s i o ns u p p o r t e t c s t r e n g t h e n i n gi tt o t h eb u s i n e s se n t e r p r i s ek n o w l e d g ew i t ht h eo n l i n e t h eb u s i n e s se m e r p r i s ek e yf i g u r e s t h el e a d e r s h i ps e t sf r e eo u tf r o mt h es c a l ei sh u g e t h ed a t ao f a l lm a t t e r sw h e t h e r i m p o r t a n to rt r i v i a l c o n s t i t u t e t og a t h e rt h ec o m p r e h e n s i v es e a r c h s t a t e m e n ta n d O L A Pf o ri n t e g r a lw h o l eo fi n t e l l i g e n c em a k ep o l i c yt h ei n f o r m a t i o ns y s t e m h e l pt h e e n t r e p r e n e u rt oc a r r yo nt h em a c r ov i e wd e c i s i o na n dm a n a g e m e n ts t r a t e g y T h ed a t a s c o o po u ti nt h eE R P o f e a c h g o t t h ea p p l i c a t i o n M a n ym e t h o d so fD a t aM i n i n gh a v eg o o d 印p l i c a t i o n O Ut h em a c h i n e m a n u f a c t u r i n g T h ea u t h o rd i s c u s st h ef o l l o w i n g s o w i n gi nt h em a c h i n em a n u f a c t u r i n g i n d u s t r yt oe x c a v a t i o n m e t h o du pi nc o m m o nu s ed a t a s t a t i s t i c st h ea n a l y t i c a lm e t h o d t h ec o n n e c t i o nr u l em e t h o d t h es e q u e n c em o d em e t h o d g a t h e ram e t h o d t h e I I 重庆大学硕士学位论文英文摘要 c l a s s i f i c a t i o nm e t h o d a n de m p h a s i z et od i s c u s st h ec o n n e e t i o nr u l em e t h o dt ou s e df o r t h em a c h i n e m a n u f a c t u r i n gi n d u s t r yt ob u ya ne x c a v a t i o no fs u p p l ys y s t e mo u t s i d e T h e c o n n e c t i o nr u l em e t h o ds c o o p so u tt h er e a l mi nt h ee x t e n s i v ea p p l i c a t i o n i ti sm a i n l y u s e df o rd i s c o v e r i n gt h eu s e f u lm o d e t h ee x a m p l eo f t h et y p i c a lm o d e li sa l la n a l y s i so f s h o p p i n gb a s k e t B u y sas u p p l ys y s t e mt os c o o po u to u t s i d et h ec o n n e c t i o nr u l ea p p l yi n o f k e yl i ei nh o w t oc o n s t r u c tt h es h o p p i n gb a s k e t E a c hn o t i f i c a t i o nb u s i n e s sr e p r e s e n t s t ot h eb e h a v i o ro n c e t h ea n a y s i sn o t i f i c a t i o nb u s i n e s s a n dc o m b i n et h eb u s i n e s s e n t e r p r i s ea c t u a l t h ep r o c e s sd a t at i d yu p w eC a l la c q u i r eab u s i n e s st og a t h e r t h u s c o n s t r u c t i n gt h es h o p p i n gb a s k e t T h ec a l c u l a t ew a yo fA p r i o r ii st h ec o n n e c t i o nr u l eo f ak i n do ff a m o u sd a t ae x c a v a t i o nc a l c u l a t ew a y t h i st e x td i s c u s s e dt h a tc a l c u l a t ew a y a n di nf a c tn o w a n da p p l yi tt oas u p p l y i n gs y s t e mo fo u t s i d eb u y i n gp a r t so fat y p i c a l m o d e lt og a t h e r K e y w o r d D a t aM i n i n g S u p p o r t C a n d i d a t eS e t s A r i t h m e t i co fA p d o r E R P S u p p l y i n gs y s t e mo fo u t s i d eb u y i n gp a r t s I I I 重庆大学硕士学位论文1 绪论 1 绪论 1 1 选题的意义 随着数据库技术的迅速发展以及数据库管理系统的广泛应用 人们积累的数 据越来越多 每一个组织或个人 企事业单位和家庭 都能得到大量的关于自身和生 存环境的数据与信息 激增的数据背后隐藏着许多重要的信息 人们希望能够对 其进行更高层次的分析 以便更好地利用这些数据 这些数据具有预测外部环境 变化趋势的潜力 但到目前为止 这种潜力没有得到充分开发利用 目前的数据 库系统虽然可以高效地实现数据的录入 查询 统计等功能 但无法发现数据中 存在的关系和规则 无法根据现有的数据预测未来的发展趋势 缺乏挖掘数据背 后隐藏的知识的手段 导致了 数据爆炸但知识贫乏 的现象 这有两个主要的原因 一是数据分散在相互无关的档案系统中 数据缺乏良 好的组织结构 二是缺少对统计工具及其数据潜力的深刻认识 这导致了难以对 相关数据进行综合的有效分析 随着数据量的急剧增长 现在的计算机用户很难再像从前那样 自己根据数据 的分布找出规律 并根据此规律进行分析决策 制造型企业的各个部门每天产生 大量生产数据和商业数据 据调查显示 这些大量的数据仅仅是用于做一些报表 统计 而一些所谓的决策分析系统也只不过是进行数据统计 浪费了大量的数据 而且并没有给企业带来任何经济效益 然而就是在这些数据中隐藏了无限的商机 因此 数据挖掘技术的应运而生给整个信息社会带来了生机 数据挖掘技术中 的关联规则 序列模式挖掘等等 就可以使这些数据具有预测外部环境变化趋势 的能力 通过挖掘制造企业的历史数据可以找到提高 稳定产品质量 降低成本 改善管理的方法 数据挖掘技术现在制造业中得到了广泛的应用 一个非常流行的数据挖掘为企业带来巨大经济效益的实例 美国加州某个超市 通过数据挖掘系统 从记录着每天销售情况和顾客情况的数据库中发现规律 在 下班后来超市购买婴儿尿布的多为年轻男性 而他们往往同时购买了啤酒 因此 超市把这两者商品摆放在一起 同时把佐酒食品和一些男式日用品也放在附近 结果上述几种商品的销量马上呈倍增长 挖掘的目的是否能够达到很大程度上和数据挖掘系统所采用的挖掘算法 一些 算法限制了挖掘的复杂度和挖掘的精度 因此 算法在数据挖掘中起了至关重要的 作用 本论文主要探讨的就是数据挖掘的两种模式关联规 别 A s s o c i a t i o nR u l e s 和序 彤蓰式 g 阴砌 P a e r n s 在产品制造领域一外购件配套系统中的应用 数据挖掘 在外购件配套系统中的应用至少可以在以下两方面给工厂的管理提供支持 重庆大学硕士学位论文1 绪论 1 外购件品种齐全至能满足工厂随时需要 数量适当 质量可靠 有力促 进工厂生产管理 2 有效控制购买外购件的资金 使其得以参于工厂更急需流动资金的环 节 1 2 数据挖掘技术产生的背景 随着数据库应用技术和决策支持技术的发展 随着人们对信息需求水平的提 高 数据仓库技术和数据库知识发现技术越来越受到学术界和产业界的广泛关注 数据库中的知识发现 D 是近年来随着数据库和人工智能技术的发展而出现 的 它是从大量数据中提取出可信的 新颖的 有效的并能被人理解的模式的高 级处理过程 它主要采用机器学习算法或统计方法进行知识学习 1 2 1 什么是数据挖掘 数据挖掘 D a t a M i n i n g 简称D M 又称为数据库中的知识发现 K n o w l e d g e D i s c o v e r yD a t a b a s e 瓶秫K D D 指扶大型数据痒或数据仓摩中提取隐含的 未 知匏 菲平凡的及葫潜在应黾价僮的信息或者模哥 例如 股票经纪人需要从大量日积月累的股票行情变化的数据中发现其变化的 规律以供预测未来趋势 数据挖掘其实是一种决策支持过程 它融合了数据库 人工智能 机器学习 统计学等多个领域的理论和技术 高度自动化地分析企业 原有数据 作出归纳性的推理 从中挖掘出潜在的模式 帮助企业作出正确的决 策 数据挖掘的原理如图1 1 所示 图1 1 数据挖掘的原理 F i g1 T h ep r i n i p eo fD a t aM i n i n g 2 重庆人学硕士学位论文1 绪论 1 2 2 数据挖掘产生的必然性 其实数据挖掘技术并不是一项全新的技术 它的出现与发展有着其自身的必然 性 随着公司数据库的猛增 特别是数据仓库的出现 原有的数据库工具已经无 法满足用户的需求 用户不仅需要一般的查询工具和报表工具 更需要的是那些 能够帮助他们从浩瀚的数据海洋中提取出高质量的工具 数据挖掘使数据库技术 进入一个更高级的阶段 它不仅能对过去的数据进行查询和遍历 并且能够找出 过去数据之间潜在的联系 从而促进信息的传递 所以D M 的出现正是符合这一 发展潮流 同时对数据挖掘技术进行支持的三种基础技术 海量数据搜索 强大的多处理 器计算机 数据挖掘算法 已经发展成熟 也为数据挖掘的出现奠定了基础 1 3 数据挖掘的研究对象及目前的研究情况 1 3 1 数据挖掘的研究对象 数据挖掘中要分析的数据的范围非常广泛 从自然科学 社会科学 商业数据 到科学处理产生的数据或卫星观测得到的数据 它们的数据表示形式也是各种各 样 有关系型 也有层次型 网状型 由于关系数据库应用广 具有规整统一的 组织结构 规范通用的查询语言 特别是关系之间及属性之间具有平等性的优点 因此 目前K D D 的主要对象仍然是关系数据库 l 3 2 国外数据挖掘研究情况 知识发现 K D D 一词是1 9 8 9 年在美国底特律市召开的第一届K D D 国际 学术会议上正式形成的 历次会议所讨论的主题包括 定性知识与定量知识的发 现 数据汇总 知识发现的方法 数据依赖关系的发现与分析 发现过程中知识 的应用 集成的交互式的知识发现系统 知识发现的应用等 随着K D D 在学术界 和工业界的影响越来越大 国际K D D 组委会于1 9 9 5 年把专题讨论会更名为国际 会议 在加拿大蒙特利尔市召开了第一届知识发现与数据挖掘国际学术会议 以 后每年召开一次 目前 国外数据挖掘的发展趋势其研究方面主要有 对知识发现方法的研究进 一步发展 如近年来注重对B a y e s 贝叶斯 方法以及B o o s t i n g 方法的研究和提高 传统的统计学回归法在K D D 中的应用 K D D 与数据库的紧密结合 1 3 3 国内数据挖掘研究情况 国内从事数据挖掘研究的人员主要在大学 也有部分在研究所或公司 所涉及 的研究领域很多 一般集中于学习算法的研究 数据挖掘的实际应用以及有关数据 挖掘理论方面的研究 目前进行的大多数研究项目是由政府资助进行的 如国家自 然科学基金 8 6 3 计划 九五 计划等 但还没有关于国内数据挖掘产品的报道 然科学基金 8 6 3 计划 九五 计划等 但还没有关于国内数据挖掘产品的报道 重庆大学硕士学位论文1 绪论 1 4 数据挖掘的应用领域以及发展情况 数据挖掘工具的出现 让人们已经意识到数据挖掘技术带来的有利可图的应 用前景 它的主要应用体现在以下几个方面 一 科学研究 从科学研究方法学的角度看 随着先进的科学数据收集工具的使用 如观测卫星 遥感器 D N A 分子技术等 数据量非常大 传统的数据分析工具无能为力 因此 必须有强大的智能型自动数据分析工具才行 数据挖掘在天文学上有一个非常著名的应用系统 S K I C A T 它是美国 J a l 理 工学院喷气推进实验室 即设计火星探测器漫游者号的实验室 与天文科学家合 作开发的用于帮助天文学家发现遥远的类星体的一个工具 S K I C A T 既是第一个获 得相当成功的数据挖掘应用 也是人工智能技术在天文学和空间科学上第一批成 功应用之一 利用S K I C A T 天文学家已发现了1 6 个新的极其遥远的类星体 数据挖掘在生物学上的应用主要集中于分子生物学特别是基因工程的研究上 近几年 通过用计算生物分子系列分析方法 尤其是基因数据库搜索技术已在基 因研究上作出了很多重大发现 数据挖掘在社会科学研究领域的应用前景也被越来越多的人所认识 从大量的 历史数据中得出社会发展的规律 预测社会发展的趋势 或从人类的社会行为变 化中寻求对人类行为规律的答案 应用于各种社会问题的求解 二 市场行销 数据库数据挖掘在行销业上的应用可分为两类 数据库行销 d a t a b a s e m a r k e t i n g 和货篮分析 b a s k e ta n a l y s i s 数据库行销中 数据挖掘将用户进行分类 这样当一个新用户到来时 通过顾 客信息预测其购买的可能性 从而可以根据结果有针对性地对顾客进行推销 货篮分析是分析市场销售数据以识别顾客的购买行为模式 例如 如果A 商 品被选购 那么B 商品被购买的可能性为9 5 从而帮助确定商店货架的布局排 放以促销某些商品 并且对进货的选择和搭配上也更有目的性 这方面的系统有 O p p o r t u n i t yE x p l o r e r 它可用于超市商品销售异常情况的因果分析等 另外I B M 公司也开发了识别顾客购买行为模式的一些工具 I n t e l l i g e n t M i n e r 和Q U E S T 中的 一部分 三 金融投资 典型的金融分析领域有投资评估和股票交易市场预测 分析方法一般采用模 型预测法 如神经网络或统计回归技术 数据挖掘可以通过对已有数据的处理 找到数据对象之间的关系 然后利用学习得到的模式进行合理的预测 这方面的 系统有F i d e l i t yS t o c kS e l e c t o r L B SC a p i t a lM a n a g e m e n t 前者的任务是使用神经网 4 重庆大学硕士学位论文1 绪论 络模型选择投资 后者则使用了专家系统 神经网络和基因算法技术来辅助管理 多达6 亿美元的有价证券 四 欺诈甄别 银行或商业上经常发生诈骗行为 如恶性透支等 这些给银行和商业单位带 来了巨大的损失 进行诈骗甄别主要是通过总结正常行为和诈骗行为之间的关系 得到诈骗行为的一些特性 这样当某项业务符合这些特征时 可以向决策人员提 出警告 这方面应用非常成功的系统有 F A L C O N 系统和F A I S 系统 F A L C O N 是H N C 公司开发的信用卡欺诈估测系统 它已被相当数量的零售银行用于探测可 疑的信用卡交易 F A I S 则是一个用于识别与洗钱有关的金融交易的系统 它使用 的是一般的政府数据表单 五 产品制造 在产品的生产制造过程中常常伴随有大量的数据 如产品的各种加工条件或 控制参数 如时间 温度等控制参数 这些数据反映了每个生产环节的状态 不 仅为生产的顺利进行提供了保证 而且通过对这些数据的分析 得到产品质量与 这些参数之间的关系 这样通过数据挖掘对这些数据的分析 可以对改进产品质 量提出针对性很强的建议 而且有可能提出新的更高效节约的控制模式 从而为 制造厂家带来极大的回报 这方面的系统有C A S S I O P E E 由A c k n o s o R 公司用 K A T E 发现工具开发的 已用于诊断和预测在制造波音飞机制造过程中可能出现 的问题 六 通信网络管理 在通信网络运行过程中 会产生一系列警告 这些警告有的可以置之不理 而 有的如果不及时采取措施则会带来不可挽回的损失 数据挖掘可以通过分析已有 的警告信息的正确处理方法以及警告之间的前后关系的记录 得到警告之间的关 联规则 这些有价值的信息可用于网络故障的定位检测和严重故障的预测等等任 务中 这方面的系统有 芬兰H c l s i n k i 大学与一家远程通信设备制造厂家合作的 T A S A 系统 七 I n t e r a c t 应用 w w w 是一个大型的分布式超媒体信息系统 随着W e b 网上信息资源的急剧 膨胀 为了能够有效地控制 查询和利用这些信息 人们对w w w 上的信息资源发 现问题给予了极大的兴趣和关注 网络信息挖掘是数据挖掘技术在网络信息处理中的应用 从用户的点击信息中 挖掘出W e b 用户访问模式 这样可以有助于理解W e b 上的用户访问模式有这些好 处 辅助改进分布式网络系统的设计性能 如在有高度相关的站点间提供快速有 效的访问通道 能帮助更好地组织设计W e b 主页 帮助改善市场营销决策 如把 5 重庆大学硕士学位论文1 绪论 广告放在适当的W e b 页上或更好地理解客户的兴趣 自1 9 9 4 年以来 短短几年间已有一批W e b 资源发现系统或工具投入了实际的 应用 例如 A i t a V i s t a I n f o s e e k Y a h o o H o t B o t O p e n t e x t 等等 1 2 1 1 5 数据挖掘与人工智能和统计学 从科学研究的角度看 数据挖掘是一门相对较新的学科 用于数据挖掘的很多 方法来源于两个研究分支 一个是机器学习 另一个是统计学 特别是多元的计 算统计学 和计算机科学 人工智能相关的机器学习用于发现数据中的关系和规则 这些 关系和规则可以表示成一般规律 机器学习的目的是再现数据生成的过程 允许 分析者从已知数据归纳出新的未知的案例 1 9 6 2 年 R o s e n b l a t t 提出了称为感知器 的第一个机器学习模型 接着神经网络在2 0 世纪8 0 年代后半期得到发展 与此 同时 一些研究者完善了主要用于分类总是的决策树理论 统计学一直用于建立 分析数据的模型并且目前可以用计算机来完成 从2 0 世纪8 0 年代后半期开始 作为统计分析基础的计算方法的重要性日益增加 统计方法用于实际的多元统计 应用得到同步发展 从2 0 世纪9 0 年代开始 统计学家也对机器学习方法表现出 了兴趣 这导致了方法学的重要发展 到2 0 世纪8 0 年代末 机器学习方法的应用已超出计算和人工智能领域 特别 是在数据库市场的应用 数据用来提高市场竞争力 数据库中的知识发现 K D D 用于描述所有从已知数据中发现关系和规则的方法 逐渐地 K D D 扩展成描述从 数据库中推断信息的整个过程 从初始商业目标的确定到决策规则的使用 数据 挖掘用于描述K D D 中的一个组成部份 在K D D 中把学习算法应用于数据 在商业领域中 结果的效用变成了商业结果本身 因此 数据挖掘与统计分析 的区别不是数据量的大小 也不是使用的分析方法的不同 而是对已知的数据库 分析工具和商业知识的集成 1 9 1 应用数据挖掘方法意味着遵循一个集成的过程 包括 把商业需求转换成要分析的问题 检索用于分析的数据库 应用基于统计 技术的计算机算法得到对战略决策有用的重要结果 战略决策本身又提出新的测 量需求和新的商业需求 形成由数据挖掘引起的知识的良性循环 B e r r y 和L i n o i f 1 9 9 7 数据挖掘不只是计算机算法和统计技术的应用 它是一个商业智能过程 可以 和信息技术一起支持商业决策 1 6 现有的数据挖掘系统 数据挖掘技术所表现出的广阔应用前景吸引了众多的研究员和商业机构 一批 6 重庆大学硕士学位论文1 绪论 数据挖掘系统被开发出来 并在商业 金融 经济 管理等领域都取得了应用性 成果 主要的数据挖掘系统有 1 Q u e s t 系统 I B M A l m a d e n 研究中心 K D D 的先驱R A g r a w a l 等人开发研 制 它能发现多种知识 关联规则 时序模式 分类规则 模式匹配与分析等等 2 I n t e l l i g e n tM i n e r I B M 在W i n d o w s N T3 5 商品化的数据挖掘系统 也 是Q u e s t 系统在W m d o w sN T 环境下的缩影 该系统界面友好 功能强大 3 K E F I R 系统 由K D D 先驱P i a t e t s k yS h a p i r o 等在G T E 实验室开发的 从健 康数据采掘相关知识 4 S K I C A T 系统 喷气推进实验室开发 用于天体数据的分类 5 D B M i n e r 这是加拿大西蒙佛瑞斯大学 华人学者韩加炜O a w e iH a r t 教 授开发 W m d o w s9 5 N T 平台上运行 需6 4 M 内存 能够采掘多数据源 多个层 次的知识 特征规则 分类规则 关联规则 分类规则的采掘 该系统界面友好 功能较多 有可接受的速度 6 I M A C S A T TB r a c h m a n 等人开发 较复杂的知识表达方式 同时还有其它一些挖掘系统 如s i l i c o nG r a p h i c s M i n e S e t S A SI n s t i t u t e E n t e r p r i s eM i n e r I n t e g r a lS o l u t i o n sL t d C l e m e n t i n e 等等 图1 2 所示是S A S 的 E n t e r p r i s eM i n e r 的挖掘系统界面 图1 2S A SE n t e r p r i s eM i n e rS y s t e mI n t e r f a c e F i 9 1 2S A S 拘E n t e r p f i s eM i l l e r 的挖掘系统界面 7 重庆大学硕士学位论文1 绪论 1 7 数据挖掘未来的发展方向 当前 D M K D 研究正方兴未艾 G a r t n e rG r o u p 的一次高级技术调查将数据挖 掘和人工智能列为 未来三到五年内将对工业产生深远影响的五大关键技术 之 首 并且还将并行处理体系和数据挖掘列为未来五年内投资焦点的十大新兴技术 前两位 预计在2 1 世纪还会形成更大的高潮 研究焦点可能会集中到以下几个方 面 研究专门用于知识发现的数据挖掘语言 也许会像S Q L 语言一样走向形式化 和标准化 寻求数据挖掘过程中的可视化方法 使得知识发现的过程能够被用户 理解 也便于在知识发现过程中的人机交互 研究在网络环境下的数据挖掘技术 特别是在I n t e r n e t 上建立D M K D 服务器 与数据库服务器配合 实现数据挖掘 加强对各种非结构化数据的挖掘 如文本数据 图形图像数据 多媒体数据 但 是 无论怎样需求牵引 市场驱动是永恒的 D M K D 将首先满足信息时代用户的 急需 大量基于D M K D 的决策支持软件工具产品将会问世 1 8 论文的主要研究内容和结构安排 本文主要探讨的内容 外购件供应系统中在制造型企业中的应用 应归类 于数据挖掘在产品制造领域的应用 这个供应系统在制造型的工厂中是很重要的 一个部分 本文的研究内容包括以下几个部分 数据挖掘的基础知识 1 数据挖掘算法 1 数据前处理 数据挖掘应用 1 结论解释分析 基于研究内容 本文结构安排如下 第一章绪论 主要介绍数据挖掘的产生背景 发展方向 本论文的研究内容 第二章面向制造业的数据挖掘 简述E R P 系统在制造型企业中的应用及数据 挖掘对制造型企业的渗透 第三章数据挖掘技术概述 本章主要讲述了数据挖掘的相关知识 数据挖掘 的主要内容 体系结构以及数据挖掘的几种模式和方法 概要介绍了D M 的难点 以及有待解决的问题 并且对在外购件供应系统中进行数据挖掘的方式进行了分 析 第四章算法分析与研究 本章以抽象的事务数据源为基础就数据挖掘中的两 种模式 关缓渤 刃 乜船D c 洄f D 九R u l e s 和序死镤 葺蚀g 8 n 砌 P a t t e r n s 的概念和作用 8 重庆大学硕士学位论文1 绪论 进行了探讨 并对此两个模式的算法实现过程用程序流程的方式加以说明 讨论 了几种不同的A p r i o r i 实现算法 及对A p d o f i 算法加以改进的几种技术 第五章外购件供应系统中的关联规则和序列模式挖掘实现 以工厂在工作实 际中产生的外购件数据库为数据源 介绍了数据源的处理方式 并以A p r i o r 算法 对其进行挖掘 对产生的结果加以了分析 第六章论文总结 9 重庆大学硕士学位论文2 面向机械制造业的数据挖掘 2 面向机械制造业的数据挖掘 2 1 机械制造业的企业信息化 制造业特别是机械制造业是国民经济的支柱产业 现代制造业正在改变着人 们的生产方式 生活方式 经营管理模式乃至社会的组织结构和文化 由于中国 潜在的巨大市场和丰富的劳动力资源 随着中国加入W T O 和经济全球化 世界的 制造业正在向中国转移 中国正在成为世界制造业的中心 我国家电等若干产品 的产量已居世界第一位 但是在自主知识产权的创新设计 先进制造工艺和装备 及现代化管理等方面仍然存在很大差距 所以我们还不是制造强国 经济的加速 转型和资讯科技的日新月异 更多的中国机械企业在高速成长 成长性企业在高 速发展过程中 相应要面临不同阶段的发展障碍和鸿沟 为此必须及时进行管理 变革 进行管理模式创新以适合自身发展 从而增强实力 赢得市场 在成长和 竞争中保持优势 信息技术和信息系统能够为企业发展创造竞争优势 企业信息化 即挖掘先进的管理理念 应用先进的计算机网络技术去整合企 业现有的生产 经营 设计 制造 管理 及时地为企业的 三层决策 系统f 战 术层 战略层 决策层 提供准确而有效的数据信息 以便对需求做出迅速的反应 其本质是加强企业的 核心竞争力 1 3 o 制造企业信息化 归根结蒂 是要把制造企业的运行 放到一个标准化 公 式化的体系下去运作 制造企业的核心是产品制造组织往外扩展 涉及到采购 销售这样的上下游社会关系处理 制造组织目前是靠企业资源计划管理 E R P 来 完成其信息化的 而采购则是供应链物流管理 c R M 销售的信息化 就不能 不谈客户关系管理 S C M 这是几个相对独立的模块 在企业之中 有机地联 系着 这是一个抽象的企业模型 只要你是一个经营单位 在企业描述上 基本 上不会跳出这三个圈卧 J 2 2 机械制造业信息化剖析 机械制造业是典型的离散制造业 大多数采用多品种小批量生产 产品是 标准的或选配的 需求可以是预测 或按订单生产 按订单装配 生产组织按工 艺特征分车间 工段 班组 如铸 锻 铆 焊 车 铣 刨 磨 装配等 生 产计划的特征是典型的M R P I I 加配置控制 其管理软件根据企业的生产类型 生 产批量 生产组织方式不同 应采用不同的解决方案 一个完整的机械制造企业解决方案则融合了E R P l I S C M C R M C I M S K M 等先进管理思想 并和中国企业管理实践经验相结合 这样才能更好地满足各 1 0 重庆大学硕士学位论文2 面向机械制造业的数据挖掘 种类型机械企业信息化管理应用需求 满足企业业务管控的需要 支持企业实现 其商业战略 其功能模块分述如下 销售管理 实现对销售全过程进行有效控制和跟踪 具有完善的企业销售信 息管理功能 具有销售报价 销售合同 发运计划 仓库发货 销售退货 销售 发票处理 客户管理 价格及折扣管理 包括不同期间的价格管理 订单管理 信用管理等功能 可以与计划管理 仓存管理 应收款等系统结合运用 将销售 信息传递给计划 采购 仓存等系统 从仓库 采购等系统获得货物 传递给购 货单位 能提供更完整 全面的企业物流业务流程管理和财务管理信息 采购管理 实现对采购系统全过程的有效跟踪和控制 同时建立完善的供应 商档案和供货信息系统 可满足外购和外协采购业务的处理 为企业的采购决策 提供依据 计划管理 计划管理系统融和先进制造和供应链管理思想 通过主生产计划 M P s M a s t e rP r o d u c t i o nS c h e d u l e 和物料需求计划l v l R P M a t e r i a lR e q u i r e m e n t P l a n n i n g 将客户的订货需求和企业的预测数据分解为企业内部具体的采购和生 产任务 将结果传送到车间管理和采购管理中 计划管理帮助企业解决需要生产 什么 生产多少 在什么时候生产 购买什么 购买多少 在什么时候购买 从 而达到降低库存 及时交货 提高服务水平的目的 计划管理进行关键生产能力 平衡 以合理利用企业生产能力 车间管理 完整地支持企业生产过程中制造任务的执行 支持重复制造 T 多品种小批量等制造模式 车间管理接收计划系统下达的生产任务 为车间提供 从任务下达 投料与领料 质量和进度汇报 到产品入库全过程监督与控制的功 能 通过定义外协工序可灵活支持在加工过程中的外协处理 制造管理帮助企业 提高制造业务管理效率 提高现场物料管理水平 能够合理安排生产 减少车间 在制品 降低损耗与成本 按时交货 提高产品质量与客户满意度 成本管理 用财务软件实现零部件成本核算及会计电算化 总账系统 以资金流为核心反映企业的全面管理过程 主要包括凭证管理 账簿管理 往来管理 期末结账 自动调汇处理等账务处理的基本功能 实现财 务业务一体化管理 保障财务信息与业务信息的高度同步与一致性 为企业决策 层提供实时的财务管理信息 此外总账系统科目下可以设置多个核算项目 实现 多种信息在总账中的体现 提供科目计息和预算控制等多种控制 提供现金流量表 的处理功能 财务分析 财务分析是财务管理的重要组成部分 是企业对过去的财务状况 和经营成果及未来前景的 种评价和预测 重庆大学硕士学位论文 2 面向机械制造业的数据挖掘 质量管理 质量管理通过对入库物料质检 库存物料质检 生产质检及产品 售后质量反馈信息的收集 统计 分析 向企业的各级管理人员提供企业各环节 的质量分析报告 使他们能及时了解质量信息及存在的问题 及早采取措施 降 低质量成本和避免不必要的损失 提高产品的信誉 系统可以灵活地设置质检点 质检方案用户可以自定义 检验管理与批次管理相结合 构成了完善的质量跟踪 系统 设备管理 提供设备档案管理 设备使用管理 隐患及缺陷管理 检修管理 设备维修统计分析 设备备件管理 设备大中修计划等功能 使企业提高设备完 好率 降低设备维护成本 人力资源管理 采用工作流技术 体现 以人为本 创建知识型团队 的管理思 想 主要包括 人事管理 岗位体系 绩效管理 薪酬管理 培训和发展等内容 绩效评估提供考核设置 目标管理 过程管理 考核结果管理等功能 客户关系管理 随着经济全球化的到来和市场经济的不断深化 以客户为中 心 的经营理念已成为企业的经营的准则和生存之道 C R M 通过对客户生命周期 的有效管理 帮助企业有效管理客户资源 控制销售过程 缩短销售周期 提高 销售成功率 通过对客户相关信息的分析与挖掘 识别客户消费规律和客户价值 指导企业的业务运作和市场规划 从而提供更加快捷和周到的优质服务 帮助企 业提升客户满意度和忠诚度 最终提高企业市场竞争力 知识管理 K M 在电子商务时代的企业不再是单纯的金融资本或物质资源 来作为企业生存发展的根本 而是转以企业运作知识为生存发展的根本 传统的 管理模式和方式方法已无法适应现代企业的要求 一种崭新的以信息知识为核心 的管理模式和方式方法一知识管理应运而生 并迅速成为现代企业的热门应用领 域 知识管理 K M 对企业内的知识进行有效管理 最终使企业内的员工能够有 效地使用相关的应用 最大程度地利用企业知识资源 创造最大的利益价值为宗 旨 决策支持 企业利用信息技术实现了对企业各方面业务数据的收集与管理 但如何充分利用这海量的信息资源为企业管理和决策服务 成为每个企业的管