數(shù)據(jù)挖掘技術在制造型企業(yè)信息化中的應用

[摘要] 介紹了數(shù)據(jù)挖掘的概念，基本任務及數(shù)據(jù)挖掘的方法和技術，分析了數(shù)據(jù)挖掘技術在制造型企業(yè)信息系統(tǒng)中的應用。討論了構建一個基于數(shù)據(jù)挖掘技術的制造型企業(yè)決策支持系統(tǒng)基本結構框架。

[關鍵詞] 數(shù)據(jù)挖掘 信息系統(tǒng) 決策支持系統(tǒng)

目前，隨著計算機技術和通信技術的不斷進步，制造型企業(yè)的信息化進程也不斷前進，許多企業(yè)由從前各部門獨立開發(fā)的信息系統(tǒng)，上升到現(xiàn)在的ERP，電子商務等先進綜合的管理信息系統(tǒng)的應用，極大地提高了企業(yè)的核心競爭力，但這些系統(tǒng)基本上是為業(yè)務流程自動化而設計的OLTP應用，由此產(chǎn)生大量的業(yè)務數(shù)據(jù)，這些數(shù)據(jù)并不是各個業(yè)務部門管理人員所需要的決策支持信息，因而造成了“數(shù)據(jù)豐富，信息貧乏”的現(xiàn)象。如何從這些豐富的業(yè)務數(shù)據(jù)中獲得知識，幫助制造型企業(yè)的各級管理人員進行科學的決策，讓企業(yè)在日益激烈的市場環(huán)境下，能迅速地適應市場的需要并快速地做出響應，這成為了企業(yè)信息化工作的當務之急。

一、數(shù)據(jù)挖掘

1.數(shù)據(jù)挖掘簡介。數(shù)據(jù)挖掘就是從大量的數(shù)據(jù)中挖掘出有用的信息，即從大量的、不完全的、有噪音的、模糊的、隨機的實際應用數(shù)據(jù)中發(fā)現(xiàn)隱含的、規(guī)律性的、人們事先未知的，但又是潛在有用的并且最終可理解的信息和知識的非平凡過程。它是一門交叉學科，融合了數(shù)據(jù)庫、人工智能、機器學習、統(tǒng)計學等多個領域的理論和技術。數(shù)據(jù)挖掘涉及使用各種各樣的算法來完成不同的任務。所有這些算法都試圖為數(shù)據(jù)建立合適的模型，并確定與所分析數(shù)據(jù)的特征最符合的模型。在企業(yè)信息化中應用數(shù)據(jù)挖掘技術就是利用計算機技術高度自動化地分析企業(yè)信息化過程中積累的大量數(shù)據(jù)，做出歸納性的推理，從中挖掘出潛在的模型，預測客戶的行為，幫助企業(yè)的決策者調(diào)整市場策略和生產(chǎn)計劃，減少庫存的風險，做出科學的決策。

2.數(shù)據(jù)挖掘的基本任務。根據(jù)發(fā)現(xiàn)知識的不同，數(shù)據(jù)挖掘的任務主要分為以下6類：(1)關聯(lián)分析，揭示隱藏在數(shù)據(jù)之間相互關系的一項數(shù)據(jù)挖掘任務。(2)序列發(fā)現(xiàn)，是指確定數(shù)據(jù)之間與時間相關的序列模式，利用該模式可對未來的相關行為進行預測。(3)聚類分析，是指依賴樣本間關聯(lián)的量度標準將其自動分成幾個群組，且使同一群組內(nèi)的樣本相似，而屬于不同群組的樣本相異的一組方法。(4)分類，是指找出一個類別的概念描述，它代表了這個類別數(shù)據(jù)的整體信息，一般用規(guī)則或決策樹模式表示。(5)偏差檢測，就是從數(shù)據(jù)分析中發(fā)現(xiàn)某些異常情況是否重要，從而獲得有用的知識。(6)預測，就是利用歷史數(shù)據(jù)找出變化規(guī)律，建立模型，并用此模型來預測未來數(shù)據(jù)的種類、特征等。

3.數(shù)據(jù)挖掘方法和技術。數(shù)據(jù)挖掘方法是由人工智能、機器學習的方法發(fā)展而來，同時結合傳統(tǒng)的統(tǒng)計分析方法、模糊數(shù)學方法、科學計算以及可視化技術，以數(shù)據(jù)庫為研究對象的方法和技術。數(shù)據(jù)挖掘方法和技術可分為六類：歸納學習方法、仿生物技術、公式發(fā)現(xiàn)、統(tǒng)計分析方法、模糊數(shù)學方法和可視化技術。

(1)歸納學習方法。歸納學習方法分為基于信息論的方法和基于集合論的方法。①信息論方法，是利用信息論的原理在數(shù)據(jù)庫中尋找信息量最大的屬性來建立屬性的決策樹。②集合論方法，是根據(jù)數(shù)據(jù)庫中各屬性的元組集合之間關系來建立屬性間的規(guī)則。主要用于分類問題。

(2)仿生物技術。仿生物技術典型的方法是神經(jīng)網(wǎng)絡方法和遺傳算法。1)神經(jīng)網(wǎng)絡方法：模擬人腦神經(jīng)元結構，依據(jù)人腦的工作方式進行建模的一種方法，其在半結構化和非結構化問題的分類及預測方面具有較大的優(yōu)勢。2)遺傳算法：是模擬生物遺傳進化過程，對選擇、交叉及變異過程建立數(shù)學算法。遺傳算法已在優(yōu)化計算和分類機器學習方面發(fā)揮了顯著的效果。

(3)公式發(fā)現(xiàn)。公式發(fā)現(xiàn)是通過在工程和科學數(shù)據(jù)庫（由實驗數(shù)據(jù)組成）中對若干數(shù)據(jù)項（變量）進行一定的數(shù)學運算，求得相應得數(shù)學公式，并用其來概括大量數(shù)據(jù)的方法。

4.統(tǒng)計分析方法。統(tǒng)計分析是通過對總體中的樣本數(shù)據(jù)進行分析，得出描述和推斷該總體信息和知識的方法，主要包括6類方法：常用統(tǒng)計，相關分析，回歸分析，假設檢驗，聚類分析，判斷分析。

5.模糊數(shù)學方法。模糊數(shù)學是反映人們思維的一種方式。將模糊數(shù)學應用于數(shù)據(jù)挖掘的各項任務中就形成了模糊數(shù)據(jù)挖掘。利用模糊集合論理論進行數(shù)據(jù)挖掘的方法有：模糊模式識別、模糊聚類、模糊分類。

6.可視化技術。可視化技術是一種圖形顯示技術。例如，把數(shù)據(jù)庫中多維數(shù)據(jù)變成多種圖形，便于揭示數(shù)據(jù)中內(nèi)在本質以及分布規(guī)律。

二、數(shù)據(jù)挖掘技術在制造型企業(yè)信息化中應用分析

目前制造型企業(yè)信息化建設都以ERP理論為標準。ERP（Enterprise Resource Planning）企業(yè)資源計劃是由美國GarterGroup Inc.咨詢公司首先提出的，其主要宗旨是對企業(yè)所擁有的人、財、物、信息、時間和空間等綜合資源進行綜合平衡和優(yōu)化管理，面向全球市場，協(xié)調(diào)企業(yè)各管理部門，圍繞市場導向開展業(yè)務活動，使企業(yè)在市場競爭中全方位地發(fā)揮足夠的能力，從而取得最好的經(jīng)濟效益。概括地說，ERP是建立在信息技術基礎上，利用現(xiàn)代企業(yè)的先進管理思想，全面地集成了企業(yè)的所有資源信息，并為企業(yè)提供決策、計劃、控制與經(jīng)營業(yè)績評估的全方位和系統(tǒng)化的管理平臺。基于ERP理論的信息系統(tǒng)主要包括生產(chǎn)計劃管理、質量管理、設備管理、采購管理、庫存管理、銷售管理、客戶關系管理、成本管理和財務管理等幾個主要的功能模塊，同時各模塊的信息被全面地集成在同一數(shù)據(jù)庫管理系統(tǒng)中，以便各功能模塊能方便地使用其他模塊的信息。

1.客戶關系管理中的數(shù)據(jù)挖掘技術應用。ERP理論強調(diào)面向市場，以達到最大的客戶滿意度為導向來決定整個企業(yè)的生產(chǎn)經(jīng)營活動。因此在該模塊中可以根據(jù)客戶信息及客戶購買產(chǎn)品的信息利用聚類分析方法，對客戶的購買行為進行分類，從而獲得哪些客戶群對哪些產(chǎn)品有偏好，利用關聯(lián)分析方法，分析客戶購買了某種產(chǎn)品后是否還會購買相關的其他產(chǎn)品，便于營銷部門制定針對性的營銷計劃，生產(chǎn)計劃部門制定出有針對性的生產(chǎn)計劃。

2.銷售管理中的數(shù)據(jù)挖掘技術應用。銷售管理系統(tǒng)主要完成制訂銷售政策，制訂銷售計劃，合理分配分銷資源（人員、庫存與管理網(wǎng)絡的營運），控制銷售回款等工作。

(1)銷售趨勢及銷售價格分析：根據(jù)歷史銷售數(shù)據(jù)利用神經(jīng)網(wǎng)絡、回歸分析和時序數(shù)據(jù)挖掘等技術預測未來的銷售趨勢，幫助管理人員制訂銷售政策和銷售計劃，合理分配分銷資源。

(2)信用評估和防止欺詐分析：利用神經(jīng)網(wǎng)絡、決策樹等數(shù)據(jù)挖掘方法進行客戶信用的分析，幫助管理人員控制銷售回款。

3.庫存管理中的數(shù)據(jù)挖掘技術應用。庫存管理系統(tǒng)主要對計劃存儲、流通的有關物品進行相應的管理以滿足生產(chǎn)和銷售的需要。根據(jù)倉庫信息及銷售和生產(chǎn)計劃利用神經(jīng)網(wǎng)絡、回歸分析和決策樹等數(shù)據(jù)挖掘方法預測未來庫存，幫助管理人員進行庫存量的控制。

4.采購管理中的數(shù)據(jù)挖掘技術應用。采購管理系統(tǒng)主要實現(xiàn)接受采購指示，選擇供應商，下達訂單，訂單跟蹤和驗收貨物等管理工作。在該子系統(tǒng)中，可以根據(jù)供應商的歷史數(shù)據(jù)和采購物品的歷史信息利用神經(jīng)網(wǎng)絡、決策樹和時序數(shù)據(jù)挖掘等數(shù)據(jù)挖掘方法對供應商進行信用分析，進行物品供應的數(shù)量、價格以及供應時間的分析，幫助管理人員選擇供應商及下達訂單。

5.設備管理中的數(shù)據(jù)挖掘技術應用。設備管理系統(tǒng)通過對企業(yè)的設備與儀器臺賬的基本信息、運行情況、保養(yǎng)情況、故障和事故情況處理、設備使用部門的變動情況及有關備件管理等信息的管理，使各級部門能及時地了解設備從安裝、使用、變動到報廢等過程的信息。

6.質量管理中的數(shù)據(jù)挖掘技術應用。質量管理系統(tǒng)主要實現(xiàn)質量檢驗與控制，質量分析等功能。在該子系統(tǒng)中，可以根據(jù)質量標準和質量檢驗的歷史數(shù)據(jù)，對質量問題進行聚類分析形成不同的分類，然后運用決策樹技術形成規(guī)則，幫助系統(tǒng)對質量問題進行自動分類；利用關聯(lián)分析方法分析產(chǎn)生質量問題的關聯(lián)因素，幫助管理人員進行質量控制。

7.生產(chǎn)計劃管理中的數(shù)據(jù)挖掘技術應用。制造型企業(yè)涉及的有關生產(chǎn)計劃分為三種：綜合計劃（是銷售計劃與生產(chǎn)規(guī)劃計劃的綜合考慮），主生產(chǎn)計劃及物料需求計劃，其中綜合計劃決定了主生產(chǎn)計劃，主生產(chǎn)計劃決定了物料需求計劃。

三、基于數(shù)據(jù)挖掘技術的企業(yè)信息管理決策支持系統(tǒng)

基于數(shù)據(jù)挖掘技術的企業(yè)信息管理決策支持系統(tǒng)，其目的是從業(yè)務系統(tǒng)積累的大量數(shù)據(jù)中發(fā)現(xiàn)對企業(yè)各級管理人員所需的決策支持信息，并將其展現(xiàn)給系統(tǒng)的使用者。數(shù)據(jù)挖掘被認為是知識發(fā)現(xiàn)過程的一個特定步驟，它用專門算法從數(shù)據(jù)中抽取合適的模型，這些模型經(jīng)過評估后成為有用的知識，人們使用這些知識對現(xiàn)有的業(yè)務數(shù)據(jù)進行分析和對未來的業(yè)務進行預測，從而達到?jīng)Q策支持的目的。基于以上討論，一種基于數(shù)據(jù)挖掘技術的制造型企業(yè)信息管理決策支持系統(tǒng)基本結構框架如圖所示。

本系統(tǒng)由人機交互模塊、決策支持模塊、模型管理模塊、模型庫、知識庫和業(yè)務數(shù)據(jù)庫或數(shù)據(jù)倉庫組成。

1.業(yè)務數(shù)據(jù)庫或數(shù)據(jù)倉庫。業(yè)務數(shù)據(jù)庫是企業(yè)業(yè)務管理信息系統(tǒng)建立的數(shù)據(jù)庫，數(shù)據(jù)倉庫是將分布在企業(yè)中多個業(yè)務管理系統(tǒng)中的數(shù)據(jù)進行抽取、清洗、轉換，并按決策主題的需要進行重新組織，形成面向主題的、集成的、穩(wěn)定的、不同時間的數(shù)據(jù)集合。它們都可作為數(shù)據(jù)挖掘的數(shù)據(jù)源。

2.模型管理模塊。數(shù)據(jù)挖掘模型的構造是一個不斷調(diào)整的過程，例如一些數(shù)據(jù)挖掘方法，需要利用樣本數(shù)據(jù)進行有指導或無指導地自學習過程才能得到可用的知識模型，同時知識模型也并不是一成不變的，隨著時間的推移，數(shù)據(jù)的變化，需要進行調(diào)整以適應新的環(huán)境。該模塊主要用于構造和維護數(shù)據(jù)挖掘模型，對數(shù)據(jù)挖掘模型進行評估，最終得到用戶可以使用的知識模型。

3.決策支持模塊。根據(jù)用戶的需要，在決策支持模塊中，利用相應的知識模型，對相應的數(shù)據(jù)源進行分析和計算，并將結果通過各種可視化的工具和圖形用戶界面展現(xiàn)。

4.模型庫。模型庫用于存儲實現(xiàn)模型算法的子程序、模型的結構參數(shù)文件、有關的樣本數(shù)據(jù)文件、學習結果文件及學習誤差文件等等。

5.知識庫。知識庫中包含了在解決問題時所用的知識。即那些既不能用數(shù)據(jù)表示、也不能用模型描述的專門知識和歷史經(jīng)驗。知識庫中除了專家提供的知識，還包含在數(shù)據(jù)挖掘過程中得到的知識。知識庫中的知識可對數(shù)據(jù)挖掘過程不斷地提出指導和改進，同時對于挖掘結果和分析結果的有價值信息也會及時地輸入知識庫中存儲，還可以向前臺的人機交互界面直接輸出知識模式。

6.人機交互模塊。人機交互模塊是決策支持系統(tǒng)的人機交互接口，它負責接收和檢驗用戶的請求，為決策者提供信息收集、問題識別以及模型構造、使用、改進、分析和計算等功能。

本文在介紹數(shù)據(jù)挖掘概況的基礎上，講述了這門技術在制造型企業(yè)信息管理系統(tǒng)中應用的可能性及其應用特點。數(shù)據(jù)挖掘技術作為一門新興技術為制造型企業(yè)信息化管理提供決策支持提供了一種有效、可行的解決方案。隨著數(shù)據(jù)挖掘技術和網(wǎng)絡技術的發(fā)展，數(shù)據(jù)挖掘技術在制造型企業(yè)信息管理中的作用將會推向一個更高的層次，分析、決策及知識處理會從一臺機器上的集中式處理，變成在網(wǎng)絡環(huán)境下的分布、或分布再加上并行的處理方式。這些變化將會為制造型企業(yè)信息化作出貢獻，為企業(yè)帶來巨大的經(jīng)濟效益。

參考文獻：

[1]Margaret H.Dunham:數(shù)據(jù)挖掘教程[M].北京：清華大學出版社，2005

[2]Jiawei Han等:數(shù)據(jù)挖掘概念與技術[M].北京：機械工業(yè)出版社，2001