劉永文　吳全恩

中圖分類號(hào)：TP311.13文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1673-0992（2009）05-050-02

摘要在對(duì)復(fù)雜流程制造業(yè)生產(chǎn)過(guò)程的數(shù)據(jù)特點(diǎn)進(jìn)行充分分析的基礎(chǔ)上，緊密結(jié)合流程制造業(yè)綜合自動(dòng)化的應(yīng)用需求，給出了流程制造業(yè)數(shù)據(jù)挖掘的體系框架，分析了流程制造業(yè)數(shù)據(jù)挖掘中的關(guān)鍵問(wèn)題。

關(guān)鍵詞：數(shù)據(jù)挖掘；流程制造業(yè)；海量數(shù)據(jù)

近年來(lái)，數(shù)據(jù)挖掘技術(shù)已經(jīng)在商業(yè)、金融、管理、工業(yè)等眾多領(lǐng)域廣泛應(yīng)用并取得了重大進(jìn)展，但大都僅限于企業(yè)的商業(yè)信息，在企業(yè)的生產(chǎn)過(guò)程中應(yīng)用的還比較少。

目前，在復(fù)雜流程制造業(yè)生產(chǎn)過(guò)程中，由于各種先進(jìn)工藝和工程技術(shù)的廣泛采用，產(chǎn)生和積累了大量的各種類型的歷史數(shù)據(jù)和當(dāng)前生產(chǎn)的實(shí)時(shí)動(dòng)態(tài)數(shù)據(jù)，這些海量生產(chǎn)數(shù)據(jù)又包含用于生產(chǎn)和管理的大量的有價(jià)值的信息和知識(shí)。一方面，為了避免產(chǎn)品的設(shè)計(jì)知識(shí)數(shù)據(jù)重用率低，無(wú)法有效地實(shí)現(xiàn)產(chǎn)品配置設(shè)計(jì)和變形設(shè)計(jì)，延長(zhǎng)了產(chǎn)品的設(shè)計(jì)周期；另一方面，為了能夠?yàn)檫^(guò)程監(jiān)測(cè)、診斷、能效分析、先進(jìn)控制、優(yōu)化和調(diào)度、管理等各層次提供決策支持，使得流程制造業(yè)綜合自動(dòng)化系統(tǒng)性能達(dá)到最優(yōu)。這就需要一種高效可靠的分析工具，把隱藏在海量數(shù)據(jù)中的有用的深層次的知識(shí)和信息挖掘出來(lái)，提取這些數(shù)據(jù)的整體特征、關(guān)聯(lián)及對(duì)其發(fā)展趨勢(shì)的預(yù)測(cè)等，以幫助決策者提出問(wèn)題、發(fā)現(xiàn)問(wèn)題、分析問(wèn)題和解決問(wèn)題。基于流程制造業(yè)的生產(chǎn)特點(diǎn)和數(shù)據(jù)性質(zhì)以及所面臨的問(wèn)題，數(shù)據(jù)挖掘技術(shù)是解決流程制造業(yè)產(chǎn)生的海量信息數(shù)據(jù)處理的關(guān)鍵技術(shù)之一，并且數(shù)據(jù)挖掘技術(shù)也是目前國(guó)內(nèi)外研究的一個(gè)熱點(diǎn)。

本文從流程制造業(yè)的生產(chǎn)數(shù)據(jù)的特點(diǎn)及分析需求出發(fā)，建立了一般流程制造業(yè)數(shù)據(jù)挖掘的體系結(jié)構(gòu)，并分析了流程制造業(yè)數(shù)據(jù)挖掘中的關(guān)鍵問(wèn)題，總結(jié)了數(shù)據(jù)挖掘方法在流程制造業(yè)領(lǐng)域的數(shù)據(jù)應(yīng)用技術(shù)方向。

一、數(shù)據(jù)挖掘概念

數(shù)據(jù)挖掘是近年來(lái)隨著人工智能和數(shù)據(jù)庫(kù)技術(shù)的發(fā)展而出現(xiàn)的一門新興技術(shù)。它的發(fā)展速度很快，加之它是多學(xué)科綜合的產(chǎn)物，目前還沒(méi)有一個(gè)標(biāo)準(zhǔn)的定義，簡(jiǎn)單地說(shuō)，數(shù)據(jù)挖掘就是從大量的已知數(shù)據(jù)中找出隱藏的、可信的、未知的、有用的信息，探索數(shù)據(jù)中隱藏的規(guī)律用來(lái)預(yù)測(cè)未來(lái)，其中數(shù)據(jù)可以放在數(shù)據(jù)庫(kù)、數(shù)據(jù)倉(cāng)庫(kù)或其他信息庫(kù)中。數(shù)據(jù)挖掘工具能夠從企業(yè)數(shù)以百萬(wàn)筆的歷史數(shù)據(jù)中提取有用的信息，為企業(yè)的生產(chǎn)與經(jīng)營(yíng)提供決策依據(jù)。

數(shù)據(jù)挖掘過(guò)程由以下步驟組成：

1.挖掘主題——明確挖掘的要求、內(nèi)容及目標(biāo)；

2.數(shù)據(jù)預(yù)處理——包括數(shù)據(jù)清理、數(shù)據(jù)歸約、數(shù)據(jù)集成與變換、離散化與概念提升等；

3.挖掘算法選擇——包括類的選擇、算法選擇及算法軟件選擇；

4.構(gòu)造數(shù)據(jù)挖掘（軟件、硬件）平臺(tái)；

5.結(jié)果展示及評(píng)價(jià)。

以上步驟是一個(gè)反復(fù)迭代的過(guò)程，最終目的是在數(shù)據(jù)中獲得有用的知識(shí)。在實(shí)踐中，數(shù)據(jù)挖掘的兩個(gè)基本目標(biāo)往往是預(yù)測(cè)和描述。預(yù)測(cè)涉及到使用數(shù)據(jù)集中的一些變量或域來(lái)預(yù)測(cè)其他我們所關(guān)心變量的求知或未來(lái)的值；另一方面，描述關(guān)注的則是找出描述可由人類解釋的數(shù)據(jù)模式。因此，數(shù)據(jù)挖掘活動(dòng)可分成預(yù)測(cè)性數(shù)據(jù)挖掘和描述性數(shù)據(jù)挖掘。數(shù)據(jù)挖掘方法大致可分為關(guān)聯(lián)（Apriori算法）、分類（決策樹(shù)算法、粗糙集、人工神經(jīng)網(wǎng)絡(luò)等）、聚類（層次、遺傳算法、劃分法等）三種。 簡(jiǎn)而言之，數(shù)據(jù)挖掘其實(shí)是一類深層次的數(shù)據(jù)分析方法。數(shù)據(jù)挖掘可以描述為：按企業(yè)既定業(yè)務(wù)目標(biāo)，對(duì)大量的企業(yè)數(shù)據(jù)進(jìn)行探索和分析，揭示隱藏的、未知的或驗(yàn)證已知的規(guī)律性，并進(jìn)一步將其模型化的先進(jìn)有效的方法。

二、流程制造業(yè)數(shù)據(jù)特點(diǎn)

制造業(yè)(Manufacturing Industry)是指經(jīng)物理變化或化學(xué)變化后成為了新的產(chǎn)品,不論是動(dòng)力機(jī)械制造,還是手工制作；也不論產(chǎn)品是批發(fā)銷售,還是零售,均視為制造。制造業(yè)按其產(chǎn)品制造工藝過(guò)程特點(diǎn)總體上可概括為離散型制造業(yè)和流程制造業(yè)兩種。典型的離散型制造行業(yè)包括電腦、汽車及工業(yè)用品制造等行業(yè)；典型的流程制造行業(yè)包括化工，食品飲料，制藥，化妝品等以配方為基礎(chǔ)的行業(yè)。

流程制造業(yè)是工程學(xué)科的一個(gè)重要研究領(lǐng)域，系統(tǒng)非常復(fù)雜，成品一旦生產(chǎn)出來(lái)，就不能再提取它，回到它的原始成分。流程制造業(yè)整個(gè)流程生產(chǎn)過(guò)程是一個(gè)動(dòng)態(tài)的過(guò)程，產(chǎn)出量、物料特性、甚至物料加工路線受到原材料成分波動(dòng)、操作、加工溫度壓力、設(shè)備等等波動(dòng)的影響，并且不可預(yù)知。流程制造業(yè)制造過(guò)程是連續(xù)、在線的，所以說(shuō)更加強(qiáng)調(diào)生產(chǎn)過(guò)程的跟蹤和調(diào)整，主要靠實(shí)時(shí)的跟蹤、控制糾偏?；诹鞒讨圃鞓I(yè)的生產(chǎn)特點(diǎn)，流程制造業(yè)數(shù)據(jù)尤其是實(shí)際生產(chǎn)過(guò)程中的數(shù)據(jù)非常復(fù)雜，現(xiàn)在的流程制造業(yè)生產(chǎn)過(guò)程都采用了計(jì)算機(jī)控制系統(tǒng)定時(shí)采集系統(tǒng)的變量和設(shè)備狀態(tài)，以供顯示、控制之用，日積月累產(chǎn)生大量的冗余數(shù)據(jù)；同時(shí)又由于離散決策變量和連續(xù)決策變量同時(shí)存在，各種變量的值是在不斷變化的，數(shù)據(jù)類型也是多樣的，系統(tǒng)中既包括連續(xù)過(guò)程變量，也包括離散過(guò)程變量，使得這些它們之間有較強(qiáng)的耦合及非線性；許多變量的變化快慢各異，采集信號(hào)的頻率不同，導(dǎo)致時(shí)間上的不同步，在數(shù)據(jù)記錄上也可能丟失數(shù)據(jù)，造成數(shù)據(jù)的不完整；流程制造業(yè)系統(tǒng)環(huán)境復(fù)雜，電、磁、噪聲干擾較強(qiáng)，加之系統(tǒng)的不確定性，導(dǎo)致數(shù)據(jù)受污染。簡(jiǎn)言之，流程制造業(yè)數(shù)據(jù)具有不確定性、動(dòng)態(tài)性、不完整性、多時(shí)標(biāo)性(部分不同變量采用不同的采樣周期)和數(shù)據(jù)類型多樣性、多模態(tài)性，非線性、強(qiáng)耦合性和交錯(cuò)性等特點(diǎn)，致使全流程的模擬、診斷、決策與優(yōu)化變得極為困難，而數(shù)據(jù)挖掘技術(shù)對(duì)這些問(wèn)題提供了一定的解決方案。

三、流程制造業(yè)數(shù)據(jù)挖掘的體系結(jié)構(gòu)

流程制造業(yè)數(shù)據(jù)挖掘體系結(jié)構(gòu)的確定是流程制造業(yè)數(shù)據(jù)挖掘項(xiàng)目成功的基礎(chǔ)，依據(jù)流程制造業(yè)數(shù)據(jù)的特點(diǎn)以及數(shù)據(jù)挖掘技術(shù)的要求，構(gòu)建流程制造業(yè)數(shù)據(jù)挖掘的總體框架。如圖1所示：

圖1 流程制造業(yè)數(shù)據(jù)挖掘體系結(jié)構(gòu)

1.數(shù)據(jù)預(yù)處理

流程制造業(yè)生產(chǎn)過(guò)程中產(chǎn)生的海量數(shù)據(jù)一般是不完整的、含噪聲的和不一致的，數(shù)據(jù)預(yù)處理技術(shù)（數(shù)據(jù)采樣、數(shù)據(jù)清理、數(shù)據(jù)轉(zhuǎn)換等）可以檢測(cè)數(shù)據(jù)異常，改進(jìn)數(shù)據(jù)質(zhì)量，從而有助于提高其后的挖掘過(guò)程的精度和性能。

2.數(shù)據(jù)歸約

流程制造業(yè)生產(chǎn)過(guò)程中產(chǎn)生的海量數(shù)據(jù)經(jīng)過(guò)預(yù)處理后，數(shù)據(jù)質(zhì)量有了很大的提高，在此基礎(chǔ)上構(gòu)造數(shù)據(jù)倉(cāng)庫(kù)和OLAP，數(shù)據(jù)倉(cāng)庫(kù)中的數(shù)據(jù)集非常大，對(duì)海量數(shù)據(jù)進(jìn)行復(fù)雜的數(shù)據(jù)分析和挖掘?qū)⑿枰喈?dāng)長(zhǎng)的時(shí)間，通過(guò)數(shù)據(jù)歸約技術(shù)可以將數(shù)據(jù)集中不相關(guān)、弱相關(guān)或冗余的屬性或刪除，并能保持原數(shù)據(jù)的完整性，對(duì)歸約后的數(shù)據(jù)集進(jìn)行挖掘?qū)⒏行?，并產(chǎn)生相同（幾乎相同）的分析結(jié)果。

3.挖掘方法選擇器

方法選擇專家系統(tǒng)及知識(shí)庫(kù)根據(jù)不同的挖掘要求選擇最有效的挖掘算法或幾種算法的序列組合，并且不斷地更新知識(shí)庫(kù)，用選擇的方法去執(zhí)行挖掘任務(wù)。目前系統(tǒng)常用的挖掘方法有統(tǒng)計(jì)分析方法、決策樹(shù)、人工神經(jīng)網(wǎng)絡(luò)、基因算法、粗糙集等。

4.評(píng)估界面 執(zhí)行數(shù)據(jù)挖掘任務(wù)得到的結(jié)果往往是一些抽象的模型或數(shù)據(jù)，因此，系統(tǒng)提供了一種解釋機(jī)制，以一種直覺(jué)的方式來(lái)表現(xiàn)數(shù)據(jù)挖掘的結(jié)果，比如用文字、圖表和報(bào)表等多種可視化手段，幫助分析決策人員具體地了解所挖掘的結(jié)果。

四、流程制造業(yè)數(shù)據(jù)挖掘的關(guān)鍵問(wèn)題

1.數(shù)據(jù)的質(zhì)量和數(shù)量

流程制造業(yè)數(shù)據(jù)挖掘的最根本問(wèn)題在于數(shù)據(jù)的數(shù)量和質(zhì)量。一方面，數(shù)據(jù)量越充足，越能保證獲取的數(shù)據(jù)的連續(xù)性，從而易發(fā)現(xiàn)系統(tǒng)的一般性規(guī)律；另一方面，數(shù)據(jù)的準(zhǔn)確性和可靠性也是一切建模和分析是否有效的關(guān)鍵。因此，要盡可能完備地搜集與所研究問(wèn)題相關(guān)的信息資料，包括公開(kāi)發(fā)布和未公開(kāi)發(fā)布的數(shù)據(jù)資料，然后從眾多的資料中把有用的部分挑選出來(lái)。挑選數(shù)據(jù)資料時(shí)應(yīng)按照相關(guān)性、可靠性、最新性等原則進(jìn)行。然后挑選出符合一定標(biāo)準(zhǔn)的資料，加以深入研究。然而收集數(shù)據(jù)資料并不容易，尤其是在我國(guó)當(dāng)前的情況下，各層次的資料往往不夠完整，真實(shí)性也有存在很大的問(wèn)題，再加上涉及到數(shù)據(jù)的保密性問(wèn)題，所以無(wú)形中就增加了數(shù)據(jù)搜集的難度，從而數(shù)據(jù)的數(shù)量和質(zhì)量也就難以保證。

2.數(shù)據(jù)倉(cāng)庫(kù)的建立

從數(shù)據(jù)挖掘的定義可以看出，數(shù)據(jù)挖掘包含一系列旨在從數(shù)據(jù)庫(kù)中發(fā)現(xiàn)有用而未發(fā)現(xiàn)的模式的技術(shù)，如果將其與數(shù)據(jù)倉(cāng)庫(kù)緊密聯(lián)系在一起，將獲得意外的成功。傳統(tǒng)的觀點(diǎn)認(rèn)為，數(shù)據(jù)挖掘技術(shù)扎根于計(jì)算科學(xué)和數(shù)學(xué)，不需要也不得益于數(shù)據(jù)倉(cāng)庫(kù)。這種觀點(diǎn)并不正確。成功的數(shù)據(jù)挖掘的關(guān)鍵之一就是通過(guò)訪問(wèn)正確、完整和集成的數(shù)據(jù)，然后再進(jìn)行深層次的分析，尋求有益的信息，而這些正是數(shù)據(jù)倉(cāng)庫(kù)所能夠提供的。數(shù)據(jù)倉(cāng)庫(kù)不僅是集成數(shù)據(jù)的一種方式，而且數(shù)據(jù)倉(cāng)庫(kù)的聯(lián)機(jī)分析功能(OLAP)還為數(shù)據(jù)挖掘提供了一個(gè)極佳的操作平臺(tái)。如果數(shù)據(jù)倉(cāng)庫(kù)與數(shù)據(jù)挖掘能夠?qū)崿F(xiàn)有效的聯(lián)結(jié)．這將給數(shù)據(jù)挖掘帶來(lái)各種便利和功能。

數(shù)據(jù)倉(cāng)庫(kù)為數(shù)掘挖掘提供了更廣闊的活動(dòng)空間。數(shù)據(jù)倉(cāng)庫(kù)完成數(shù)據(jù)的收集、集成、存儲(chǔ)、管理等工作、數(shù)據(jù)挖掘面對(duì)的是經(jīng)初步加工的數(shù)據(jù)，使得數(shù)據(jù)挖掘能更專注于知識(shí)的發(fā)現(xiàn)。又由于數(shù)據(jù)倉(cāng)庫(kù)所具有的新特點(diǎn)，對(duì)數(shù)據(jù)挖掘技術(shù)提出了更高的要求。另一方面，數(shù)據(jù)挖掘?yàn)閿?shù)據(jù)倉(cāng)庫(kù)提供了更好的決策支持，同時(shí)促進(jìn)了數(shù)據(jù)倉(cāng)庫(kù)技術(shù)的發(fā)展。因此，數(shù)據(jù)挖掘和數(shù)據(jù)倉(cāng)庫(kù)技術(shù)要充分發(fā)揮潛力。就必須結(jié)合起來(lái)。

3.數(shù)據(jù)挖掘方法的選擇與應(yīng)用

目前數(shù)據(jù)挖掘方法很多，面對(duì)各層次不同的海量數(shù)據(jù)，應(yīng)如何選擇和應(yīng)用其方法，是數(shù)據(jù)挖掘的另一關(guān)鍵問(wèn)題。不同的人對(duì)同樣的數(shù)據(jù)進(jìn)行挖掘，可能產(chǎn)生不同的結(jié)果，甚至差異很大。因此，合理選擇分析方法很重要。數(shù)據(jù)挖掘常用的算法包括：統(tǒng)計(jì)分析、關(guān)聯(lián)規(guī)則、聚類分析、決策樹(shù)、神經(jīng)網(wǎng)絡(luò)、遺傳算法、模糊集等，每種方法都有所側(cè)重，應(yīng)全面了解每種方法的基本原理與優(yōu)劣之處，選擇與要解決問(wèn)題類型相匹配的數(shù)據(jù)挖掘方法。比如，神經(jīng)網(wǎng)絡(luò)、規(guī)則歸納方法、決策樹(shù)學(xué)習(xí)、遺傳算法等適用于分類問(wèn)題；硬均值聚類、模糊均值聚類、神經(jīng)網(wǎng)絡(luò)等適用于聚類；回歸分析、時(shí)間序列、神經(jīng)網(wǎng)絡(luò)等適用于預(yù)測(cè)。實(shí)際應(yīng)用時(shí)，還要確定數(shù)據(jù)挖掘方法是直接應(yīng)用還是建模嵌入的開(kāi)發(fā)應(yīng)用。

數(shù)據(jù)挖掘模型是數(shù)據(jù)挖掘算法的實(shí)際應(yīng)用，在流程制造業(yè)領(lǐng)域進(jìn)行數(shù)據(jù)挖掘必須針對(duì)流程制造業(yè)生產(chǎn)過(guò)程中產(chǎn)生的數(shù)據(jù)特點(diǎn)及特定的挖掘目標(biāo)，選擇各層次數(shù)據(jù)的合適數(shù)據(jù)挖掘算法。

4.結(jié)果的解釋及評(píng)價(jià)

數(shù)據(jù)挖掘的結(jié)果是不確定的。因此，需要和專業(yè)知識(shí)相結(jié)合才能對(duì)其做出解釋，并在此基礎(chǔ)上評(píng)價(jià)模型的合理性，以提供科學(xué)的決策支持信息。

評(píng)價(jià)模型的合理性，即看模型是否準(zhǔn)確反映數(shù)據(jù)的真實(shí)意義，是否有實(shí)際意義和實(shí)用價(jià)值。評(píng)價(jià)的方法之一是直接使用原來(lái)建立模型的樣板數(shù)據(jù)來(lái)進(jìn)行檢驗(yàn)；另一種辦法是另外找一批數(shù)據(jù)，已知這些數(shù)據(jù)是反映客觀實(shí)際的規(guī)律性的；再有一種辦法就是在實(shí)際運(yùn)行的環(huán)境中取出新鮮數(shù)據(jù)進(jìn)行檢驗(yàn)。

需要強(qiáng)調(diào)的是，要想真正做好數(shù)據(jù)挖掘，數(shù)據(jù)挖掘工具只是其中的一個(gè)方面。流程制造業(yè)數(shù)據(jù)挖掘的成功要求對(duì)流程制造業(yè)領(lǐng)域有深刻的了解，理解流程制造業(yè)要素?cái)?shù)據(jù)的屬性，了解數(shù)據(jù)采集的過(guò)程，同時(shí)還需要對(duì)流程制造業(yè)生產(chǎn)過(guò)程有足夠的數(shù)據(jù)分析經(jīng)驗(yàn)。

五、結(jié)束語(yǔ)

數(shù)據(jù)挖掘在企業(yè)中的應(yīng)用目前主要集中在市場(chǎng)推廣方面。如客戶特征、購(gòu)物關(guān)聯(lián)分析及客戶關(guān)系管理，這方面技術(shù)相對(duì)來(lái)說(shuō)已經(jīng)比較成熟，很好地解決了企業(yè)的許多商業(yè)信息問(wèn)題，但應(yīng)用于工業(yè)制造生產(chǎn)流程還處于理論研究和初步實(shí)踐階段，起步較晚，并且實(shí)際成功應(yīng)用的事例也較少，基于此，數(shù)據(jù)挖掘技術(shù)更能顯現(xiàn)出它巨大的發(fā)展?jié)摿?，根?jù)流程制造業(yè)的數(shù)據(jù)特點(diǎn)，量身定制合適的數(shù)據(jù)挖掘工具，為流程制造業(yè)提供決策依據(jù)，解決流程制造業(yè)存在的不同程度的問(wèn)題。

參考文獻(xiàn)：

[1] Jiawei Han,Micheline Kanmber. Data Mining： Concepts and Techniques[M]. Morgan Kaufmann Publishers，2001

[2] 朱群雄，麻德賢.過(guò)程工業(yè)中數(shù)據(jù)挖掘技術(shù)的應(yīng)用.計(jì)算機(jī)與應(yīng)用化學(xué)[J].2004

[3] 孟永勝.裝備制造業(yè)產(chǎn)品制造數(shù)據(jù)集成管理研究與應(yīng)用 [博士學(xué)位論文].大連：大連理工大學(xué)，2006

[4] 余軍合.面向全生命周期虛擬產(chǎn)品模型的研究與應(yīng)用 [博士學(xué)位論文].杭州：浙江大學(xué)，2002

[5] 羅印升、李人厚、梅時(shí)春. 復(fù)雜工業(yè)過(guò)程中數(shù)據(jù)挖掘模型研究.信息與控制[J].2003

[6] 王建良,杜元?jiǎng)?徐建良. 面向離散制造業(yè)數(shù)據(jù)挖掘技術(shù)研究與應(yīng)用.微計(jì)算機(jī)信息[J]. 2007