數據挖掘在生產調度系統(tǒng)中的研究與應用.pdf

1、近年來,隨著鋼鐵工業(yè)的競爭的加劇,降低能耗,提高產量和質量成為球團廠生存和發(fā)展的必由之路.在球團生產自動化系統(tǒng)中,調度數據庫服務器中就保留了大量的生產數據,合理有效地運用這些生產數據可以優(yōu)化調度提高效益.本論文的任務就是利用現有的生產數據實現熟球產量的預測與合理得生產計劃,在保證產量的前提下節(jié)約原料.本文首先分析了流程工業(yè)生產調度的特點和現存問題,回顧了生產調度研究的發(fā)展和現狀,在此基礎上結合球團廠現有生產調度的缺陷和生產數據的特點,并

2、根據球團工藝,通過聚類統(tǒng)計和相關性分析提出了數據挖掘的對象即產量與原料用量和質量間的關系.隨后,考慮到單純的產量并不體現實際的生產狀況,提出創(chuàng)建產量與質量相結合的綜合產量屬性作為預測目標.而通過對球團廠長期的產品綜合質量的評估,得出產品質量穩(wěn)定的結論,避免了創(chuàng)建新屬性.然后利用模糊神經網絡挖掘產量預測模型,給出產量與原料質量和用量之間的對應關系模型,實現了熟球產量的預測,并在此基礎上,改變網絡輸入輸出,得出生產計劃模型,根據一定的計劃產

3、量合理安排各原料用量.本文針對大冶球團廠生產數據的特點在眾多挖掘技術中選擇了統(tǒng)計類數據挖掘技術,采用回歸和最小二乘法給出產量與原料用量的線性關系.在分析了該線性模型的不足的基礎上,利用決策樹挖掘技術,加入了原料質量指標中對產量影響相對較大的屬性,完善了產量預測挖掘模型.在無法確定模型中屬性的非線性關系的情況下,引入神經網絡技術,利用反向傳播神經網絡的學習能力來訓練模型.在最終的模型表達中運用模糊理論,避免了神經網絡的過度擬合和不穩(wěn)定性,