论文部分内容阅读
数据挖掘,也可以称为数据库中的知识发现(Knowledge Discovery in Database,KDD),是从大量数据中提取出可信、新颖、有效并能被人理解的模式的高级处理过程。分类是数据挖掘中的一个重要课题。分类的目的是学会一个分类函数或分类模式,该模式能把数据库中的数据项映射到给定类别中的某一个。分类可很好的用于预测,分类的输出是离散的类别值,可针对不同的输入向量,预测相应的输出向量。在流程型工业中,数据挖掘的应用必定会给工业带来更高的产品产量与质量,以及创造更大的效益。吉林燃料乙醇有限责任公司(简称:吉林燃料乙醇)-----典型的流程型工业,是中国和亚洲最大的玉米生化产业发展商及新兴能源供应商之一,是中国政府批准建立的国内第一个大型燃料乙醇生产基地。公司内部目前正在使用的系统有:WINCC系统(SIEMENS开发的生产线数据采集系统)、OA系统(Office Automatization:办公自动化系统)和进-销-存系统,经过实地考察,并通过与各个岗位的技术工程师研讨,根据整理得到的用户需求分析报告,为有效地利用现有系统的功能与数据结构,决定应用数据挖掘技术使用J2EE平台开发吉林燃料乙醇公司的商务智能系统-----Business Intelligence(简称:BI)。Business Intelligence系统是集成在办公自动化系统(OA)中,为实现无纸化办公的环境,解决纸张满天飞,报表一大堆的低效工作流问题,在开发BI系统时,将数据挖掘技术应用在与质量控<WP=44>制相关的海量生产线实时数据与进销存数据的分析上。结合实际情况,考虑到种类繁多的日常报表的需要,为将各种日报、月报、季报和年报最终实现报表的自动生成,并能在其基础上进行相应的统计分析和预测,达到可供支持决策使用的功能,整个系统可分为四大功能模块:第一,海量的生产实时数据是相互独立的,可用性非常低,因此要将大量的数据关联起来,形成有利于分析挖掘的数据结构,所以要将生产数据通过AIP-----中间件程序提取到自己的数据仓库中,为接下去的分析和预测将数据的噪音清理干净;第二,应用BI系统的语义层定义与数据仓库中数据之间的联系,使用用户熟悉的业务术语命名维度和度量,这样可以使用户不必了解数据库的内部结构和那些复杂繁琐的数据库技术术语;使用定义过的语义层用报表工具根据各个职能部门的不同,自动生成各部门需要的日常统计分析报表,并能够在报表工具中对生成的报表进行不同层次的钻取,完成对历史数据的分析描述;再次,使用数据仓库中已经存在的历史数据,在BI系统的模式评估中应用神经网络-----单层感知器模式评估的算法,通过感知器学习算法的200次事例学习,得到了稳定的权值参数,这样就可以计算生产线上各个阶段的参数值的取值范围与产品质量的相互关联的模式,产生可靠性强,信誉度高的分类模式;最后,根据已经评估通过的分类模式对各个阶段的参数值进行预测,进而实现对产品质量有效的控制。 <WP=45>本系统已经在吉林燃料乙醇有限责任公司正式投入使用,目前系统运行状况良好,实现了用户需求中的功能要求。对于模式评估中复杂模式的评估算法,随着用户需求的增加将继续进行更深入研究,以解决生产中最实际的问题。