數(shù)據(jù)挖掘技術(shù)的研究及其在PLM中的應(yīng)用.pdf

1、當(dāng)前，數(shù)據(jù)挖掘已成為數(shù)據(jù)庫系統(tǒng)研究領(lǐng)域日益受重視的研究主題之一。數(shù)據(jù)挖掘技術(shù)可以通過對大量的數(shù)據(jù)進行探索分析，挖掘出有意義的規(guī)則，以期對未來的決策提供適當(dāng)?shù)膮⒖冀ㄗh。PLM(ProductLife-CycleManagement，產(chǎn)品生命周期管理)是近年來興起的一種極具潛力的商業(yè)IT戰(zhàn)略，它是企業(yè)信息化(尤其是制造業(yè)信息化)非常重要的組成部分。在PLM系統(tǒng)中應(yīng)用數(shù)據(jù)挖掘技術(shù)能夠很好地提升PLM的核心競爭力，有利于企業(yè)的信息化建設(shè)。

2、 本論文從數(shù)據(jù)挖掘的基本原理和技術(shù)入手，對數(shù)據(jù)庫知識發(fā)現(xiàn)進行了深入研究，探討了幾種知識發(fā)現(xiàn)的方法，分析了數(shù)據(jù)挖掘所采用的技術(shù)、方法和應(yīng)用領(lǐng)域，重點研究了在PLM中應(yīng)用數(shù)據(jù)挖掘技術(shù)需要解決的關(guān)鍵問題及解決方法。本論文按照數(shù)據(jù)挖掘標(biāo)準(zhǔn)流程CRISP-DM(CRoss-IndustryStandardProcess-DataMining)設(shè)計了PLM系統(tǒng)中應(yīng)用數(shù)據(jù)挖掘技術(shù)的解決方案。該方案采用基于最大-最小規(guī)范化的屬性構(gòu)造方法和基于徑向基函

3、數(shù)神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)聚類方法進行數(shù)據(jù)預(yù)處理，結(jié)合PLM系統(tǒng)數(shù)據(jù)分析業(yè)務(wù)，采用基于高頻模式樹的項約束關(guān)聯(lián)規(guī)則發(fā)現(xiàn)方法分析產(chǎn)生次品的潛在因素；采用聚類分析算法CLIMB(clusteringalgorithmbasedonsubspace)分析產(chǎn)品的物流數(shù)據(jù)與產(chǎn)品利潤之間的關(guān)系；采用基于信息熵的決策樹算法來分析和預(yù)測客戶給企業(yè)創(chuàng)造價值的潛能，并根據(jù)業(yè)務(wù)數(shù)據(jù)闡述了這些算法應(yīng)用于PLM系統(tǒng)數(shù)據(jù)分析業(yè)務(wù)的具體思路。 本文從現(xiàn)代軟件工程技術(shù)的角