面向PLM的數據挖掘技術研究

徐河杭

摘 要：為了系統化地挖掘和利用PLM產生的大量數據，支持企業產品設計、制造、銷售服務等各階段的協調和面向PLM的決策，對面向PLM的數據挖掘技術進行研究。首先建立了一個面向產品生命周期的數據挖掘體系結構;其次研究了各層次的編碼模型和字典設計;然后研究了如何快速選擇數據源和數據挖掘方法模型;最后進行了面向PLM的數據挖掘系統實現和實例應用。

關鍵詞：PLM;數據挖掘;編碼模型;挖掘需求

1 引言

隨著PLM（product lifecycle management，產品生命周期管理）在制造企業中的應用，對數據挖掘在制造企業的應用也提出了新的需求。郭國印進行了數據挖掘技術及其在PLM中的應用研究，主要研究了PLM系統的理論和發展，數據挖掘過程中的數據預處理方法，根據業務數據闡述了某些算法應用于PLM系統的具體思路，最后簡單設計實現了PLM數據挖掘系統。其他多數數據挖掘的研究主要是從企業的某個角度或是某個層面上對一些問題進行分散和孤立的研究與應用，并沒有涉及企業PLM。

如何從產品生命周期的角度，對企業各個環節的數據進行分析和挖掘，發現隱含在大量數據背后的信息和知識，將基礎數據轉化為滿足各部門和企業領導需要的信息和知識。另一方面，面對很多不同的挖掘需求和挖掘方法，如何快速找到合適的挖掘方法和源數據，得到想要的挖掘結果。這是制造企業數據挖掘的一個重要研究方向。

2 面向PLM的數據挖掘體系結構

面向PLM的數據挖掘過程是：首先從應用需求出發，提出對挖掘結果（指標）的需求;其次是根據需求查找合適的挖掘方法和獲取相關的數據;然后針對挖掘需求和經過預處理得到的數據，進行數據挖掘，得到相應的挖掘結果，滿足應用需求。因此，面向PLM的數據挖掘是一個從應用需求出發，最終滿足應用需求的一個閉環結構。其體系結構主要包括四層：

2.1 數據層

數據很多，主要包括產品生命周期過程中各個階段的各種數據，如：市場數據、專利數據、設計數據、供應商數據、生產過程數據、銷售數據、維修服務數據和成本數據等。

2.2 方法層

挖掘方法很多，主要包括聚類、關聯規則發現、分類、多維分析、異常點分析、預測、維修預警、評價分析等各種不同的挖掘方法模型。針對不同的挖掘目標和應用，從中選擇不同的方法。

2.3 結果層

數據挖掘結果很多，可以通過時間維、空間維和參數維進行分類。

2.4 應用層

應用層又可看作是需求層。數據挖掘的目的是應用其挖掘得到的結果，幫助實現企業的各種目標。應用層中的各種應用不一定來自于獨立的一個階段的挖掘結果，可能來自于不同階段挖掘結果的集成與共享。

3 面向產品生命周期的數據挖掘編碼模型

建立面向產品生命周期的數據挖掘編碼模型的目的是，用較少的編碼描述盡可能多的產品生命周期中的數據、數據挖掘方法、數據挖掘結果和需求的信息，并建立它們之間的聯系，便于從挖掘需求出發，尋找相關的數據挖掘方法和數據源，得到相應的數據挖掘結果。主要包括數據編碼模、數據挖掘方法編碼模型、數據挖掘結果編碼模型和數據挖掘需求編碼模型。

數據的基本屬性是存儲在產品生命周期的不同數據庫的各個數據表中的字段，對由這些基本屬性組成的表或視圖統一利用編碼模型中的標簽屬性來構建源數據字典，以方便檢索源數據。采用具有分類特性的助記碼和唯一特性的順序碼組合的混合編碼方式來對源數據進行編碼。

數據挖掘方法編碼模型包含模型編號、模型名稱、模型類型、功能、基本方法和應用領域等等，基本方法中有相應的幾種算法、相應的控制參數、輸入和輸出。根據數據挖掘模型（方法）的編碼模型，設計數據挖掘模型字典來存儲數據挖掘模型，同時把這些不同類型的模型算法編譯成對應的DLL文件，供模型使用時動態加載，實現模型的共享和模型與程序的分離。

數據挖掘結果是由不同的源數據通過不同的數據挖掘方法模型得到的。因此數據挖掘結果編碼模型包含數據來源、數據挖掘方法模型、應用領域、結果評價以及結果分類。

數據挖掘需求編碼模型一般包含需求編號、需求名稱、功能需求、數據需求、結果需求、應用領域和需求所屬類別等等。

4 面向PLM的數據挖掘系統及實例應用

面向產品生命周期的數據挖掘系統結構如圖1所示。首先在用戶界面中輸入數據挖掘需求，然后通過控制中心對數據挖掘需求中所涉及到的數據源參數和模型需求參數進行收集，然后向數據預處理模塊發出數據請求，向挖掘模型模塊發出模型請求，向可視化模塊發出挖掘結果可視化請求，最后將數據挖掘結果以可視化的方式返回給用戶。數據預處理模塊根據挖掘需求，尋找所對應的數據源和相關的屬性列表，對屬性進行一系列操作，為數據挖掘模型提供完整、高質量的數據。挖掘方法模型模塊根據挖掘需求中對模型需求的描述，根據模型字典檢索數據挖掘模型庫中相匹配的挖掘模型，提供合適的挖掘模型供控制中心使用。另外根據需求中對結果分類的描述將挖掘推送給有相同需求的決策者。

圖1 面向產品生命周期的數據挖掘系統

以產品生命周期中的生產過程中的質量因素分析為例，首先輸入數據挖掘需求。根據數據需求描述的生產過程質量數據查找數據字典中含相關屬性標簽的數據源，選擇與質量相關的一些基本屬性，并對其做進一步處理，如刪除空值項或離散化等。然后根據功能需求等選擇關聯通用模型及其算法做質量屬性的關聯分析。最終得到質量相關因素的關聯挖掘結果。并對所挖掘得到的結果進行評價。同時可以將此結果發送給制造部門和設計部門的員工和領導，以便制造部門更好地進行質量控制，設計部門在設計過程中考慮零件的結構和工藝問題。

5 結語

本文在企業PLM需求和應用的基礎上，首先提出了一個面向PLM的數據挖掘體系結構。其次根據體系結構中的數據層、方法層、結果層和需求層各構建設計了其相應的編碼模型和字典。然后根據各層次字典間的聯系和其關鍵字的相關匹配度，快速查找數據源和選擇挖掘方法模型。最后開發了一個面向PLM的數據挖掘系統并進行了實例應用，可以將挖掘結果直接推送給有需要的決策者，提高產品生命周期中知識的共享和集成，幫助不同部門的領導集成其它部門的挖掘知識進行決策，加大產品生命周期內各階段的協調和優化。

參考文獻：

[1] 景旭文，易紅，趙良才.基于數據挖掘的產品概念設計建模研究[J].計算機集成制造系統-CIMS.2003（11）：950-954.

[2] 景旭文，趙良才，易紅.產品動態全息概念設計模型的研究[J].華東船舶工業學院學報： 自然科學版.2002（05）：61-66.

[3] 李飛，黃亞樓，劉麗君.數據挖掘中知識管理與表達系統的設計與實現[J].計算機工程與應用.2001（14）：25-28.

[4] 嚴雋琪，蔣祖華，馬登哲.基于全息產品建模的虛擬加工[J].計算機集成制造系統-CIMS.2000（05）：18-22.

[5] 烏蘭木其，鄧家褆.現代產品設計方法及其演進[J].機械工程學報.

2000（05）：1-6.

[6] 趙良才，景旭文，魯泳.基于智能體技術的計算機輔助概念設計研究[J].華東船舶工業學院學報.2000（02）：51-56.