數(shù)據(jù)倉(cāng)庫(kù)與數(shù)據(jù)挖掘若干理論研究及在CIPS中的應(yīng)用.pdf

1、隨著信息技術(shù)的不斷推廣應(yīng)用，大量的先進(jìn)制造企業(yè)采用了計(jì)算機(jī)及相應(yīng)的信息技術(shù)進(jìn)行管理和運(yùn)營(yíng)，收集、存貯了海量的生產(chǎn)經(jīng)營(yíng)記錄，但同時(shí)，大量的信息也帶來(lái)了真假信息難以識(shí)別，很難提取出企業(yè)真正需要的知識(shí)的問(wèn)題，企業(yè)普遍面臨數(shù)據(jù)爆炸卻有效的信息和知識(shí)相對(duì)短缺的狀態(tài)，因此，如何對(duì)數(shù)據(jù)進(jìn)行有針對(duì)性的開(kāi)采，發(fā)掘出有價(jià)值的信息和知識(shí)，形成企業(yè)的know-how，指導(dǎo)企業(yè)的技術(shù)決策和經(jīng)營(yíng)決策，對(duì)于企業(yè)的發(fā)展，將發(fā)揮出舉足輕重的作用。數(shù)據(jù)倉(cāng)庫(kù)和數(shù)

2、據(jù)挖掘就是解決上述問(wèn)題的關(guān)鍵技術(shù)之一。本文以某流程企業(yè)為背景，對(duì)數(shù)據(jù)倉(cāng)庫(kù)和數(shù)據(jù)挖掘若干理論進(jìn)行研究并針對(duì)企業(yè)的實(shí)際情況順利地實(shí)施，為企業(yè)生產(chǎn)經(jīng)營(yíng)活動(dòng)的協(xié)調(diào)與整體優(yōu)化和設(shè)備的正常運(yùn)行、故障預(yù)警提供了豐富的決策依據(jù)，主要內(nèi)容如下。無(wú)論實(shí)施數(shù)據(jù)倉(cāng)庫(kù)還是數(shù)據(jù)挖掘，都要首先進(jìn)行數(shù)據(jù)預(yù)處理。針對(duì)流程企業(yè)數(shù)據(jù)源中存在的質(zhì)量問(wèn)題，提出了數(shù)據(jù)清洗的ETL的具體框架，采用不同算法和技術(shù)對(duì)數(shù)據(jù)進(jìn)行了有效的清洗、轉(zhuǎn)換和裝載，為數(shù)據(jù)倉(cāng)庫(kù)提供了可靠的數(shù)

3、據(jù)來(lái)源，在此基礎(chǔ)上，分別采用DWER模型分析了具有復(fù)雜維結(jié)構(gòu)和聚集的生產(chǎn)計(jì)劃和實(shí)際費(fèi)用的數(shù)據(jù)倉(cāng)庫(kù)，星鏈ER模型(StarChainER)分析具有鏈?zhǔn)绞聦?shí)主題的副產(chǎn)品庫(kù)存和銷(xiāo)售的數(shù)據(jù)倉(cāng)庫(kù)。最終建立起來(lái)以生產(chǎn)費(fèi)用、油氣生產(chǎn)、干氣和副產(chǎn)品庫(kù)存和銷(xiāo)售為主題的數(shù)據(jù)倉(cāng)庫(kù)。根據(jù)流程企業(yè)中參數(shù)點(diǎn)的重要性不同和用連續(xù)數(shù)據(jù)表示的特點(diǎn)，分別研究加權(quán)關(guān)聯(lián)規(guī)則理論和模糊關(guān)聯(lián)規(guī)則理論及在流程企業(yè)中的應(yīng)用，針對(duì)數(shù)據(jù)的不同特點(diǎn)，采用不同的模糊隸屬函數(shù)處理

4、了連續(xù)數(shù)據(jù)；然后把加權(quán)和模糊結(jié)合起來(lái)，提出了兩種新的方法實(shí)現(xiàn)了模糊加權(quán)關(guān)聯(lián)規(guī)則：把項(xiàng)集的模糊數(shù)綜合為權(quán)值的方法和Fuzzy WedApriori算法，并在流程企業(yè)中有效應(yīng)用。鑒于實(shí)時(shí)數(shù)據(jù)庫(kù)中數(shù)據(jù)點(diǎn)有時(shí)間戳的優(yōu)勢(shì)，在現(xiàn)有的研究基礎(chǔ)上，從兩個(gè)角度發(fā)展了時(shí)間序列模式發(fā)現(xiàn)，首先采用兩種算法：TimeSeq- Apriori算法和TimeSeq PrefixSpan算法分析了具有時(shí)間間隔的時(shí)間序列分析；然后提出了時(shí)間序列拓?fù)涞乃枷?，?/p>

5、根據(jù)時(shí)序數(shù)據(jù)庫(kù)構(gòu)造了FTP-圖，采用FFP-圖連接、候選TP圖剪枝和采用哈希樹(shù)的候選TP-圖計(jì)數(shù)方法，編制了FrequentTimePattem Graph算法有效地挖掘出頻繁模式圖的時(shí)間序列，為企業(yè)設(shè)備運(yùn)行時(shí)決策過(guò)程提供了理論依據(jù)。采用加權(quán)聚類(lèi)方法對(duì)關(guān)鍵設(shè)備的大量歷史數(shù)據(jù)進(jìn)行分析，建立了設(shè)備正常情況的聚類(lèi)模型，提出了緊密(離核)指數(shù)、離群指數(shù)和綜合指數(shù)的計(jì)算方法，實(shí)現(xiàn)了對(duì)設(shè)備有效的實(shí)時(shí)監(jiān)控。蟻群算法是一種比較先進(jìn)的模擬進(jìn)化