数据挖掘技术在制造型企业信息化中应用.docVIP

数据挖掘技术在制造型企业信息化中应用 　　[摘要] 介绍了数据挖掘的概念，基本任务及数据挖掘的方法和技术，分析了数据挖掘技术在制造型企业信息系统中的应用。讨论了构建一个基于数据挖掘技术的制造型企业决策支持系统基本结构框架。 　　[关键词] 数据挖掘 信息系统 决策支持系统 　　 　　目前，随着计算机技术和通信技术的不断进步，制造型企业的信息化进程也不断前进，许多企业由从前各部门独立开发的信息系统，上升到现在的ERP，电子商务等先进综合的管理信息系统的应用，极大地提高了企业的核心竞争力，但这些系统基本上是为业务流程自动化而设计的OLTP应用，由此产生大量的业务数据，这些数据并不是各个业务部门管理人员所需要的决策支持信息，因而造成了“数据丰富，信息贫乏”的现象。如何从这些丰富的业务数据中获得知识，帮助制造型企业的各级管理人员进行科学的决策，让企业在日益激烈的市场环境下，能迅速地适应市场的需要并快速地做出响应，这成为了企业信息化工作的当务之急。 　　 　　一、数据挖掘 　　 　　1.数据挖掘简介。数据挖掘就是从大量的数据中挖掘出有用的信息，即从大量的、不完全的、有噪音的、模糊的、随机的实际应用数据中发现隐含的、规律性的、人们事先未知的，但又是潜在有用的并且最终可理解的信息和知识的非平凡过程。它是一门交叉学科，融合了数据库、人工智能、机器学习、统计学等多个领域的理论和技术。数据挖掘涉及使用各种各样的算法来完成不同的任务。所有这些算法都试图为数据建立合适的模型，并确定与所分析数据的特征最符合的模型。在企业信息化中应用数据挖掘技术就是利用计算机技术高度自动化地分析企业信息化过程中积累的大量数据，做出归纳性的推理，从中挖掘出潜在的模型，预测客户的行为，帮助企业的决策者调整市场策略和生产计划，减少库存的风险，做出科学的决策。 　　2.数据挖掘的基本任务。根据发现知识的不同，数据挖掘的任务主要分为以下6类：(1)关联分析，揭示隐藏在数据之间相互关系的一项数据挖掘任务。(2)序列发现，是指确定数据之间与时间相关的序列模式，利用该???式可对未来的相关行为进行预测。(3)聚类分析，是指依赖样本间关联的量度标准将其自动分成几个群组，且使同一群组内的样本相似，而属于不同群组的样本相异的一组方法。(4)分类，是指找出一个类别的概念描述，它代表了这个类别数据的整体信息，一般用规则或决策树模式表示。(5)偏差检测，就是从数据分析中发现某些异常情况是否重要，从而获得有用的知识。(6)预测，就是利用历史数据找出变化规律，建立模型，并用此模型来预测未来数据的种类、特征等。 　　3.数据挖掘方法和技术。数据挖掘方法是由人工智能、机器学习的方法发展而来，同时结合传统的统计分析方法、模糊数学方法、科学计算以及可视化技术，以数据库为研究对象的方法和技术。数据挖掘方法和技术可分为六类：归纳学习方法、仿生物技术、公式发现、统计分析方法、模糊数学方法和可视化技术。 　　(1)归纳学习方法。归纳学习方法分为基于信息论的方法和基于集合论的方法。①信息论方法，是利用信息论的原理在数据库中寻找信息量最大的属性来建立属性的决策树。②集合论方法，是根据数据库中各属性的元组集合之间关系来建立属性间的规则。主要用于分类问题。 　　(2)仿生物技术。仿生物技术典型的方法是神经网络方法和遗传算法。1)神经网络方法：模拟人脑神经元结构，依据人脑的工作方式进行建模的一种方法，其在半结构化和非结构化问题的分类及预测方面具有较大的优势。2)遗传算法：是模拟生物遗传进化过程，对选择、交叉及变异过程建立数学算法。遗传算法已在优化计算和分类机器学习方面发挥了显著的效果。 　　(3)公式发现。公式发现是通过在工程和科学数据库（由实验数据组成）中对若干数据项（变量）进行一定的数学运算，求得相应得数学公式，并用其来概括大量数据的方法。 　　4.统计分析方法。统计分析是通过对总体中的样本数据进行分析，得出描述和推断该总体信息和知识的方法，主要包括6类方法：常用统计，相关分析，回归分析，假设检验，聚类分析，判断分析。 　　5.模糊数学方法。模糊数学是反映人们思维的一种方式。将模糊数学应用于数据挖掘的各项任务中就形成了模糊数据挖掘。利用模糊集合论理论进行数据挖掘的方法有：模糊模式识别、模糊聚类、模糊分类。 　　6.可视化技术。可视化技术是一种图形显示技术。例如，把数据库中多维数据变成多种图形，便于揭示数据中内在本质以及分布规律。 　　 　　二、数据挖掘技术在制造型企业信息化中应用分析 　　 　　目前制造型企业信息化建设都以ERP理论为标准。ERP（Enterprise Resource Planning）企业资源计划是由美国GarterGroup Inc.咨询公司首先提出的，其主要