唐北平，魯建國

（1.湖南工程學(xué)院 計(jì)算機(jī)與通信學(xué)院，湘潭 411104；2.焦作師范高等?？茖W(xué)校 學(xué)前教育學(xué)院，焦作 454000）

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(shí)時(shí)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(gè)提供信息的系統(tǒng)，以優(yōu)化從定單到成品的生產(chǎn)活動(dòng).使用當(dāng)前的和精確的實(shí)時(shí)數(shù)據(jù)，MES指導(dǎo)廠級活動(dòng)，并對發(fā)生的活動(dòng)進(jìn)行響應(yīng)和匯報(bào)，形成對變化條件的迅速響應(yīng)，并專注于減少無價(jià)值的活動(dòng)，從而驅(qū)動(dòng)有效的廠級操作和過程”.

生產(chǎn)過程是一個(gè)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(jì)算方法，它甚至不需要數(shù)據(jù)的任何檢驗(yàn)或者附加的信息 （比如數(shù)學(xué)統(tǒng)計(jì)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(dòng)態(tài)調(diào)度.

他們收獲的大部分是冷杉和雪松，然后出售給一個(gè)合作社，扣除總價(jià)值的一部分返還給伐木公司后，每根原木哈蒙德和摩爾可得25美元的收入，兩人平分。除了從伐木公司流出到海上的原木之外，他們還在海上搜尋未經(jīng)砍伐自然倒下的原始樹木，這些樹木通過風(fēng)雨侵蝕或洪水沖刷最終進(jìn)入海里，由于它們不屬于伐木公司所有，可以賣出更高的價(jià)錢。他們說，最好的海上拾荒時(shí)間是在秋季和冬季，海水漲潮加上強(qiáng)烈的暴風(fēng)雨，會有更多的原木和倒下的樹木進(jìn)入暴漲的河流水系中然后流向大海。

以每一個(gè)主成分的方差貢獻(xiàn)率與前4個(gè)主成分的累積方差貢獻(xiàn)率的比值為權(quán)重，可得到山東省制造業(yè)在2010—2016年每年主成分指標(biāo)的權(quán)重（見表4）。

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(gè)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(xiàng)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(jì)可以分解為兩個(gè)子問題：

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.

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

關(guān)聯(lián)規(guī)則的形式為：

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＿M(jìn)ES的詳細(xì)流程如圖1所示.

對于學(xué)生而言，學(xué)生在知識學(xué)習(xí)中只有將所學(xué)的知識與自身生活中較為常見的現(xiàn)象進(jìn)行聯(lián)系，才能夠更好的理解知識,便于其對所學(xué)知識的記憶。當(dāng)教師在課堂教學(xué)中進(jìn)行生活化教學(xué)，也就是利用學(xué)生生活中常見的事物進(jìn)行教學(xué)時(shí)。這樣做，在調(diào)動(dòng)學(xué)生學(xué)習(xí)興趣的同時(shí)，還進(jìn)一步加深學(xué)生對知識的理解。

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(dòng)性，造成生產(chǎn)數(shù)據(jù)也存在大量的不確定性.因?yàn)閿?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(diǎn).

（4）挖掘關(guān)聯(lián)規(guī)則問題是在給定的交易集M中，從而產(chǎn)生所有滿足最小支持度和最小置信度的關(guān)聯(lián)規(guī)則的過程.

（2）關(guān)聯(lián)規(guī)則D→Y在事務(wù)數(shù)據(jù)庫D中具有大小為s的支持度，如果物品集D∪Y的支持度為s.

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(gè)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(jì)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.

《孫子·謀攻篇》上說：“將能而君不御者勝?！币馑际钦f，將帥有才能，而君王不直接駕馭的情況下往往能取得勝利。一句話，領(lǐng)導(dǎo)者要充分放權(quán)，要敢于放手。這個(gè)道理運(yùn)用于語文高考備考課堂教學(xué)中，就是敢于把課堂自主權(quán)交給學(xué)生，讓學(xué)生主動(dòng)探究考點(diǎn)，而不是老師講得口干舌燥，學(xué)生聽得昏昏欲睡。老師為主角的“一言堂”，往往使復(fù)習(xí)課單調(diào)低效。我受孫子兵法的這個(gè)道理啟發(fā)，在復(fù)習(xí)備考的試卷講評課上讓學(xué)生以學(xué)習(xí)小組為單位，選出代表來講題。

（3）規(guī)則D→Y在事務(wù)數(shù)據(jù)庫D中具有大小為c的置信度，如果D中支持物品集M的事務(wù)中有c%的事務(wù)同時(shí)也支持物品集N.

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

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

在生產(chǎn)過程中，計(jì)算機(jī)系統(tǒng)記錄和保存的數(shù)據(jù)是時(shí)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(gè)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(diǎn).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(shí)間域無約束，在空間域的特點(diǎn)也不同于生產(chǎn)過程數(shù)據(jù)，所以數(shù)據(jù)特點(diǎn)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.數(shù)據(jù)挖掘算法的優(yōu)點(diǎn)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.

（1）稱物品集D具有大小為s的支持度，如果D中有s%的事務(wù)支持物品集E.

設(shè)A＝ ｛a1，a2，...，an｝是一組物品集，B是一組事務(wù)集（稱之為事務(wù)數(shù)據(jù)庫）.B中的每個(gè)事務(wù)C是一組物品，顯然滿足BA.稱事務(wù)B支持物品集D，如果DB，則關(guān)聯(lián)規(guī)則的表示形式為：D→Y，其中D?I，Y?I，且D∩Y＝φ.

圖1 Apriori MES流程圖

3 結(jié)束語

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

在當(dāng)前的新媒體環(huán)境下，高校學(xué)生在知識獲取方面，已經(jīng)不會受到時(shí)間和空間的限制了，其和社會相接觸的機(jī)會也開始大大增加，但由于學(xué)生的心理認(rèn)識還不夠成熟，在實(shí)際交流過程中極容易受到誘導(dǎo)。學(xué)生在實(shí)際學(xué)習(xí)過程中，能夠直接利用網(wǎng)絡(luò)來發(fā)表自身意見和觀點(diǎn)，但由于現(xiàn)如今網(wǎng)絡(luò)信息的質(zhì)量就存在良莠不齊的問題，很多學(xué)生會在不經(jīng)意之間接觸到各種不良、不實(shí)的負(fù)面信息，并對學(xué)生產(chǎn)生負(fù)面影響[1]。同時(shí)，很多大學(xué)生出現(xiàn)過于沉迷網(wǎng)絡(luò)世界的情況，其在現(xiàn)實(shí)生活中會有眾多的不如意等，就開始逐漸依賴于網(wǎng)絡(luò)溝通，導(dǎo)致現(xiàn)實(shí)情感溝通的比例也開始越來越小，從而形成一個(gè)惡性循環(huán)。

（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(diǎn)，目前的數(shù)據(jù)挖掘算法還不能處理這類數(shù)據(jù).

②一期瀝青混凝土心墻上下游側(cè)面瀝青砂漿應(yīng)采取立模鋪筑措施，以保證砂漿結(jié)構(gòu)尺寸，接頭部位瀝青鋪筑厚度與二期瀝青心墻鋪層厚度一致。

（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?yàn)橛脩羰褂脭?shù)據(jù)挖掘系統(tǒng)時(shí)，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(gè)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(shí)際應(yīng)用中，許多算法不能有效的工作是因?yàn)榫薮蟮臄?shù)據(jù)量.一個(gè)有效的算法必須能存儲這樣巨大的數(shù)據(jù)，算法運(yùn)算的時(shí)間必須是合理的.

［1］楊炳儒.知識工程與知識發(fā)現(xiàn)［M］.北京：冶金工業(yè)出版社，2010.

［2］劉同明.數(shù)據(jù)挖掘技術(shù)及其應(yīng)用［M］.北京：國防工業(yè)出版社，2011.

［3］叢力群.MES在制造業(yè)信息化中的關(guān)鍵作用［J］.2002中國國際鋼鐵大會論文集，2012.

［4］石 磊，石 云.OLAP與數(shù)據(jù)挖掘一體化模型的分析與討論［J］.小型微型計(jì)算機(jī)系統(tǒng)，2009（11）：208－210.

［5］唐北平.通用 WEB日志挖掘系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)［D］.湘潭大學(xué)碩士論文，2007.

［6］Fayyad M，Piatesky－shapiro G，Smyth P.Advances in Knowledge Discovery and Data Mining［J］.California：AAAI Press，The Studying and Application of MES，2006，1：36.