0 引言

    隨著企業(yè)信息化建設(shè)的加強(qiáng)，MES在企業(yè)生產(chǎn)信息化建設(shè)中的作用越來越重要．MES系統(tǒng)中的數(shù)據(jù)挖掘主要針對于過程監(jiān)控中的大量生產(chǎn)的日志數(shù)據(jù)．通過這些數(shù)據(jù)分析，對生產(chǎn)過程中的數(shù)據(jù)變化進(jìn)行實時監(jiān)測，以此來得到生產(chǎn)狀態(tài)而進(jìn)行結(jié)果判別．

    國際MES協(xié)會對MES定義為“一個提供信息的系統(tǒng)，以優(yōu)化從定單到成品的生產(chǎn)活動．使用當(dāng)前的和精確的實時數(shù)據(jù)，MES指導(dǎo)廠級活動，并對發(fā)生的活動進(jìn)行響應(yīng)和匯報，形成對變化條件的迅速響應(yīng)，并專注于減少無價值的活動，從而驅(qū)動有效的廠級操作和過程”．

    生產(chǎn)過程是一個復(fù)雜的而且具有周期的多樣性的過程，采用傳統(tǒng)的數(shù)據(jù)分析方法，很難進(jìn)行建模和處理．粗糙集(RoughSet，RS)就是一種新型的數(shù)據(jù)處理的軟計算方法，它甚至不需要數(shù)據(jù)的任何檢驗或者附加的信息(比如數(shù)學(xué)統(tǒng)計上的概率分布，模糊集理論中的模糊度劃分，神經(jīng)網(wǎng)絡(luò)中一定數(shù)量的訓(xùn)練樣本等)，而是直接從已知數(shù)據(jù)的初始狀態(tài)系統(tǒng)出發(fā)，通過不可分辨關(guān)系和不可分辨類確定給定問題的近似解，從而有效地進(jìn)行分析和處理不精確、不完整的信息，并有效地進(jìn)行屬性約簡并進(jìn)行正確的動態(tài)調(diào)度．

1 基于粗糙集的數(shù)據(jù)挖掘算法

    粗糙集的方法和模型建立在一種直觀的二維表的基礎(chǔ)上，所以可以采用知識表示系統(tǒng)和決策系統(tǒng)對問題進(jìn)行描述．由于互信息方法在精度等方面的有可能表現(xiàn)不足，我們可以通過引入粗糙集，得出一種基于關(guān)系積理論和知識表示的屬性約簡算法，從而提出一個適用于海量文本數(shù)據(jù)集的特征選擇方式．利用此方法來進(jìn)行互信息特征初選，利用屬性約簡算法來消除冗余，獲得具有代表性的特征詞．結(jié)果表明，該性約簡算法方法能獲得冗余度小且具有代表性的特征子集．使用關(guān)聯(lián)規(guī)則是數(shù)據(jù)挖掘中一種重要的方法，最開始是由R．Agrawal等人在1993年提出的，主要用于發(fā)現(xiàn)事務(wù)數(shù)據(jù)庫中不同商品之間的聯(lián)系，從而找出顧客購買行為模式等行為．此算法的核心就是Apriori算法，即基于兩階段大項集思想的方法，將關(guān)聯(lián)規(guī)則用于數(shù)據(jù)挖掘算法的設(shè)計可以分解為兩個子問題：

    (1)找出所有支持度中大于最小支持度的項集(Itemset)，并把這些項集稱為大項集(Large Itemset)．

    (2)使用第1步找到的大項集產(chǎn)生相應(yīng)的關(guān)聯(lián)規(guī)則．

    從關(guān)聯(lián)規(guī)則的支持度和置信度出發(fā)，那么在事務(wù)數(shù)據(jù)庫中就存在無窮多的關(guān)聯(lián)規(guī)則和置信度．人們一般只對滿足一定的支持度和置信度的關(guān)聯(lián)規(guī)則非常關(guān)注．科學(xué)論文中，一般稱滿足一定要求的(如大的支持度和置信度)的關(guān)聯(lián)規(guī)則為強(qiáng)規(guī)則．所以，為了找到有意義的關(guān)聯(lián)規(guī)則，需要給定兩個數(shù)據(jù)：最小支持度和最小置信度．前者稱為用戶規(guī)定的關(guān)聯(lián)規(guī)則必須滿足的最小支持度，它表示了一組物品集在統(tǒng)計意義上的最低程度；后者即用戶規(guī)定的關(guān)聯(lián)規(guī)則必須要滿足的最小置信度，它直接反應(yīng)了關(guān)聯(lián)規(guī)則的最低可靠度．

2 數(shù)據(jù)挖掘算法在MES系統(tǒng)中研究與應(yīng)用

    生產(chǎn)執(zhí)行過程中的數(shù)據(jù)挖掘算法是一種新技術(shù)，新方法，所以還沒有形成完整的理論體系，它的應(yīng)用都是針對具體問題展開研究，其廣度和深度需要進(jìn)一步拓展．

    在生產(chǎn)過程中，計算機(jī)系統(tǒng)記錄和保存的數(shù)據(jù)是時間上連續(xù)變化的數(shù)據(jù)經(jīng)采樣、量化得到．它在本質(zhì)上是連續(xù)的，變化過程受生產(chǎn)狀態(tài)約束；其次，生產(chǎn)過程中的行為、特性等元素是由許多過程變量共同決定的，而且任何一個變量的變化都影響其它變量以及生產(chǎn)狀態(tài)的變化，所以在空間上，生產(chǎn)過程數(shù)據(jù)和變量具有高維數(shù)、強(qiáng)關(guān)聯(lián)和非線性等特點．但是與一般商業(yè)上的數(shù)據(jù)不同存在區(qū)別，比如零售業(yè)數(shù)據(jù)庫中的的數(shù)據(jù)是關(guān)于商品的名稱和數(shù)量的數(shù)據(jù)，這些數(shù)據(jù)在本質(zhì)上是分散的，而且在時間域無約束，在空間域的特點也不同于生產(chǎn)過程數(shù)據(jù)，所以數(shù)據(jù)特點不同，采用的挖掘算法不同，特征提取的方法也不同．

    預(yù)測在數(shù)據(jù)挖掘算法中具有重要應(yīng)用領(lǐng)域，對生產(chǎn)過程有著重要的指導(dǎo)意義．在預(yù)測研究方法中，確定關(guān)鍵因子是非常重要的一環(huán)，以前的預(yù)測方法所涉及因子比較少，所以它的結(jié)論具有一定的局限性．?dāng)?shù)據(jù)挖掘算法的優(yōu)點就是從海量數(shù)據(jù)中找到潛在有用且有關(guān)聯(lián)的信息．

    由于各種干擾，生產(chǎn)過程數(shù)據(jù)中含有大量的噪聲和雜質(zhì)；生產(chǎn)過程中存在大量的不確定性和機(jī)動性，造成生產(chǎn)數(shù)據(jù)也存在大量的不確定性．因為數(shù)據(jù)中的噪聲影響算法的有效性和結(jié)論的可靠性，所以給數(shù)據(jù)中的不確定性給知識提取帶來了困難．生產(chǎn)過程不同的部分其特性不同，要求也不一樣，因此對不同部分變量的采樣使用不同的采樣頻率，這使得過程變量具有多標(biāo)度特點．

    本文根據(jù)生產(chǎn)執(zhí)行的全過程，結(jié)合粗糙集的屬性約簡改進(jìn)了Apriori算法，從而使它適合生產(chǎn)過程中的知識發(fā)現(xiàn)和數(shù)據(jù)挖掘．算法Apriori-MES的詳細(xì)流程如圖1所示．

圖1 Apriori MES流程圖

3 結(jié)束語

    本文針對MES系統(tǒng)的特點，運用先前提出的一套Apriori—MES算法，并且將此算法在實際的數(shù)據(jù)挖掘系統(tǒng)中得到了實現(xiàn)，但是MES系統(tǒng)中尚待研究的問題還有很多，主要有：

    (1)從尋求數(shù)據(jù)挖掘過程中的可視化方法出發(fā)，使知識發(fā)現(xiàn)的過程能夠被用戶認(rèn)識，也便于在知識發(fā)現(xiàn)的過程中進(jìn)行人機(jī)交互和應(yīng)用，以及能夠反應(yīng)不同生產(chǎn)工序之間關(guān)系的圖形顯示．

    (2)生產(chǎn)過程中不同的過程造成不同的特性，要求也會一樣，因此對不同部分變量的采樣使用了不同的采樣頻率，這使得過程變量具有多標(biāo)度的特點，目前的數(shù)據(jù)挖掘算法還不能處理這類數(shù)據(jù)．

    (3)將KDD技術(shù)與在線分析處理(OLAP)技術(shù)、數(shù)據(jù)查詢有機(jī)的相結(jié)合，因為用戶使用數(shù)據(jù)挖掘系統(tǒng)時，他們的要求具有不確定性，數(shù)據(jù)查詢可以提供給用戶一個簡單的，靈活多變的分析數(shù)據(jù)庫結(jié)構(gòu)和數(shù)據(jù)簡單特征的工具．

    (4)在實際應(yīng)用中，許多算法不能有效的工作是因為巨大的數(shù)據(jù)量．一個有效的算法必須能存儲這樣巨大的數(shù)據(jù)，算法運算的時間必須是合理的。

核心關(guān)注：拓步ERP系統(tǒng)平臺是覆蓋了眾多的業(yè)務(wù)領(lǐng)域、行業(yè)應(yīng)用，蘊(yùn)涵了豐富的ERP管理思想，集成了ERP軟件業(yè)務(wù)管理理念，功能涉及供應(yīng)鏈、成本、制造、CRM、HR等眾多業(yè)務(wù)領(lǐng)域的管理，全面涵蓋了企業(yè)關(guān)注ERP管理系統(tǒng)的核心領(lǐng)域，是眾多中小企業(yè)信息化建設(shè)首選的ERP管理軟件信賴品牌。

轉(zhuǎn)載請注明出處：拓步ERP資訊網(wǎng)http://m.guhuozai8.cn/

本文標(biāo)題：基于粗糙集的數(shù)據(jù)挖掘算法在MES/ERP系統(tǒng)的研究與應(yīng)用

本文網(wǎng)址：http://m.guhuozai8.cn/html/consultation/10820211554.html