论文部分内容阅读
计量检验业务管理系统，对于计量测试所的标准化建设和信息化建设有着十分重要的意义，系统的运行可以从根本上解决原有的业务流转方式存在的弊病，如人员的浪费，资源的浪费，物品流转的混乱状态，体系监管不清晰等等。通过数字化，程序化，结构化的新的业务流转方式，从根本上改变以前计量检测机构的运行状态。
通过计量检验业务管理系统的实施，对于单位提高工作效率和快速的有针对性的反应能力，加强计量所的标准化、规范化管理，增强单位在检测和校准方面竞争能力有着极其重要的意义。
计量检验业务管理系统的核心就是关系型数据库。而在数据库方面，数据挖掘技术又是不可或缺的一方面技术，但是纵观现今的各种计量检验业务管理系统，针对数据挖掘技术所进行的数据结构方面的优化却是少之又少。计量检验系统可以利用数据挖掘的相关技术来实现需求规划、需求预测、检定过程的质量状况模式和预测、短期监控分析、各种检定数据和信息的长期走势分析、过程异常模式分析、质量分析、市场预测、检定成本需求预测、检定收入预测等。
因此，本文主要针对数据挖掘技术在计量检验业务管理系统数据处理中的应用前景进行讨论。
数 据挖 掘是在 人工智 能领域，习惯上又称为数 据库中的知 识发 现（Knowledge Discovery in Database， KDD）， 也有人 把 数 据 挖掘视为数 据库 中知 识发现过程的一个基 本步骤。知识发现过 程由以下三个阶 段组成：
（1）数据准备。
（2）数据挖掘。
（3）结果表 达和解 释。
并且，数 据挖掘可以与用户或知识库交互。
数据挖掘是通过分析海量数据，从中寻找其规律的技术，主要有数据准备、规律寻找和规律表示三个步骤。数据准备是从相关的数据源中选取所需的数据并整合成用于数据挖掘的数据集；规律寻找是用某种方法将数据集所含的规律找出来；规律表示是尽可能以用户可理解的方式（如可视化）将找出的规律表示出来。
关联分析、异常分析、分类分析、聚类分析、演变分析和特异群组分析等构成了数据挖掘主要的任务结构。
并非所有的信息发现任务都叫做作数据挖掘。例如说使用数据库管理系统或者结构化查询语句查找个别记录，或通过互联网的搜索引擎查找特定的站点页面，则是信息检索（information retrieval）任务。虽然这些也是非常重要的，同样会涉及到复杂的算法和数据结构，但是它们还是主要依赖传统的计算机技术和数据明显的特征来创建索引结构，从而可以有效地组织和检索信息。尽管如此，数据挖掘技术也已经被用来增强信息检索系统的能力。
依据计量检验管理系统的一般数据库结构，数据挖掘模型的应用，可简单的表示为下面的样例。
首先，通过数据源。这里做数据挖掘模型，要用到两张表，一张表是用户，用用户ID号来代替；另一张表是那个用户送检了什么设备。应用Microsoft SQL Server的Data Mining工具，建立数据挖掘模型。
具体步骤如下：
首先定义数据源。选取的为客户送检记录为数据源。其次定义数据源视图。在此建立好数据挖掘中事例表和嵌套表，并定义两者之间的关系，定义用户信息为事例表（Case Table），委托单为嵌套表（Nested Table）。再次选取Microsoft Association Rules（关联规则）算法，建立挖掘模型。然后设置算法参数，部署挖掘模型。最后浏览察看挖掘模型。
对于关联规则算法来说，有三个可见的选项卡。
1.项集：“项集”选项卡显示被模型识别为经常发现一起出现的项集的列表。在这里指的是经过关联规则算法处理后，发现关联在一起的计量器具的集合。
2.规则：“规则”选项卡显示关联算法发现的规则。“规则”选项卡包含一个具有以下列的网格：“概率”、“重要性”和“规则”。概率说明出现规则结果的可能性。重要性用于度量规则的用途。尽管规则出现的概率可能很高，但规则自身的用途可能并不重要。重要性列就是说明这一情况的。例如，如果每个项集都包含属性的某个特定状态，那么，即使概率非常高，预测状态的规则也并不重要。重要性越高，规则越重要。
3.关联网络：节点间的箭头代表项之间有关联。箭头的方向表示按照算法发现的规则确定的项之间的关联。
通过以上的步骤，我们可以建立起一个简单的数据挖掘模型。这个模型在计量检验业务管理系统中的实际作用可以描述如下。
如果XX县的一个电缆厂送检了一台型号为QJ36的直流电桥的话，那么通过数据挖掘技术我们计量测试所就可以得到如下信息在XX县有计量器具检定事件的100家企业中电线电缆方面的企业有85家，其中有73家送检过直流电桥，在这73台直流电桥中QJ36型直流电桥有54台，并且送检QJ36型直流电桥的企业中有53家同时送检了直流标准电阻器。
数据挖掘技术可以给我们的信息就是：
1.XX县工业以电线电缆行业为主。
2.直流电桥是电线电缆行业中普遍存在的计量器具。
3.该县电线电缆企业中使用的直流电桥型号以QJ36为主。
4.QJ36型直流电桥应与直流标准电阻器配套使用。
根据以上情况，计量测试所的相关业务科室就可以有针对性的对XX县的电线电缆企业计量器具的检定工作做出集中的安排。并且对大部分企业中使用的计量器具的种类和相关信息由一个大致上的了解，可以对检定工作进行详尽的准备。这样我们就很容易提升检定工作的质量，提高客户的满意度，并且大大的降低了检定成本。
综上所述，数据挖掘技术在计量检验业务管理系统中的应用前景是十分广阔的，通过对海量数据进行数据挖掘，可以使得我们计量系统在技术和管理上达到一个更高的层面，并且极大的方便了送检计量器具的企业用户。从而能够构建一个和谐的局面，并且稳定的发展下去。
参考文献：
[1] Jiawei Han（美）. 数据挖掘：概念与技术[M] . 机械工业出版社，2012
[2] D.Hand and H.Mannila（美）. Principle of Data Mining [M].清华大学出版社，2005
通过计量检验业务管理系统的实施，对于单位提高工作效率和快速的有针对性的反应能力，加强计量所的标准化、规范化管理，增强单位在检测和校准方面竞争能力有着极其重要的意义。
计量检验业务管理系统的核心就是关系型数据库。而在数据库方面，数据挖掘技术又是不可或缺的一方面技术，但是纵观现今的各种计量检验业务管理系统，针对数据挖掘技术所进行的数据结构方面的优化却是少之又少。计量检验系统可以利用数据挖掘的相关技术来实现需求规划、需求预测、检定过程的质量状况模式和预测、短期监控分析、各种检定数据和信息的长期走势分析、过程异常模式分析、质量分析、市场预测、检定成本需求预测、检定收入预测等。
因此，本文主要针对数据挖掘技术在计量检验业务管理系统数据处理中的应用前景进行讨论。
数 据挖 掘是在 人工智 能领域，习惯上又称为数 据库中的知 识发 现（Knowledge Discovery in Database， KDD）， 也有人 把 数 据 挖掘视为数 据库 中知 识发现过程的一个基 本步骤。知识发现过 程由以下三个阶 段组成：
（1）数据准备。
（2）数据挖掘。
（3）结果表 达和解 释。
并且，数 据挖掘可以与用户或知识库交互。
数据挖掘是通过分析海量数据，从中寻找其规律的技术，主要有数据准备、规律寻找和规律表示三个步骤。数据准备是从相关的数据源中选取所需的数据并整合成用于数据挖掘的数据集；规律寻找是用某种方法将数据集所含的规律找出来；规律表示是尽可能以用户可理解的方式（如可视化）将找出的规律表示出来。
关联分析、异常分析、分类分析、聚类分析、演变分析和特异群组分析等构成了数据挖掘主要的任务结构。
并非所有的信息发现任务都叫做作数据挖掘。例如说使用数据库管理系统或者结构化查询语句查找个别记录，或通过互联网的搜索引擎查找特定的站点页面，则是信息检索（information retrieval）任务。虽然这些也是非常重要的，同样会涉及到复杂的算法和数据结构，但是它们还是主要依赖传统的计算机技术和数据明显的特征来创建索引结构，从而可以有效地组织和检索信息。尽管如此，数据挖掘技术也已经被用来增强信息检索系统的能力。
依据计量检验管理系统的一般数据库结构，数据挖掘模型的应用，可简单的表示为下面的样例。
首先，通过数据源。这里做数据挖掘模型，要用到两张表，一张表是用户，用用户ID号来代替；另一张表是那个用户送检了什么设备。应用Microsoft SQL Server的Data Mining工具，建立数据挖掘模型。
具体步骤如下：
首先定义数据源。选取的为客户送检记录为数据源。其次定义数据源视图。在此建立好数据挖掘中事例表和嵌套表，并定义两者之间的关系，定义用户信息为事例表（Case Table），委托单为嵌套表（Nested Table）。再次选取Microsoft Association Rules（关联规则）算法，建立挖掘模型。然后设置算法参数，部署挖掘模型。最后浏览察看挖掘模型。
对于关联规则算法来说，有三个可见的选项卡。
1.项集：“项集”选项卡显示被模型识别为经常发现一起出现的项集的列表。在这里指的是经过关联规则算法处理后，发现关联在一起的计量器具的集合。
2.规则：“规则”选项卡显示关联算法发现的规则。“规则”选项卡包含一个具有以下列的网格：“概率”、“重要性”和“规则”。概率说明出现规则结果的可能性。重要性用于度量规则的用途。尽管规则出现的概率可能很高，但规则自身的用途可能并不重要。重要性列就是说明这一情况的。例如，如果每个项集都包含属性的某个特定状态，那么，即使概率非常高，预测状态的规则也并不重要。重要性越高，规则越重要。
3.关联网络：节点间的箭头代表项之间有关联。箭头的方向表示按照算法发现的规则确定的项之间的关联。
通过以上的步骤，我们可以建立起一个简单的数据挖掘模型。这个模型在计量检验业务管理系统中的实际作用可以描述如下。
如果XX县的一个电缆厂送检了一台型号为QJ36的直流电桥的话，那么通过数据挖掘技术我们计量测试所就可以得到如下信息在XX县有计量器具检定事件的100家企业中电线电缆方面的企业有85家，其中有73家送检过直流电桥，在这73台直流电桥中QJ36型直流电桥有54台，并且送检QJ36型直流电桥的企业中有53家同时送检了直流标准电阻器。
数据挖掘技术可以给我们的信息就是：
1.XX县工业以电线电缆行业为主。
2.直流电桥是电线电缆行业中普遍存在的计量器具。
3.该县电线电缆企业中使用的直流电桥型号以QJ36为主。
4.QJ36型直流电桥应与直流标准电阻器配套使用。
根据以上情况，计量测试所的相关业务科室就可以有针对性的对XX县的电线电缆企业计量器具的检定工作做出集中的安排。并且对大部分企业中使用的计量器具的种类和相关信息由一个大致上的了解，可以对检定工作进行详尽的准备。这样我们就很容易提升检定工作的质量，提高客户的满意度，并且大大的降低了检定成本。
综上所述，数据挖掘技术在计量检验业务管理系统中的应用前景是十分广阔的，通过对海量数据进行数据挖掘，可以使得我们计量系统在技术和管理上达到一个更高的层面，并且极大的方便了送检计量器具的企业用户。从而能够构建一个和谐的局面，并且稳定的发展下去。
参考文献：
[1] Jiawei Han（美）. 数据挖掘：概念与技术[M] . 机械工业出版社，2012
[2] D.Hand and H.Mannila（美）. Principle of Data Mining [M].清华大学出版社，2005