大數據在石油錄井生產物資管理中的應用探討

褚艷麗

【摘要】本文對在錄井生產物資管理方面應用大數據分析進行了探討，針對物資管理的三個目標，結合錄井生產物資管理的實際情況，構建了面向對象的物資管理數據模型，以及有效的大數據挖掘和預測方法。

【關鍵詞】錄井生產物資管理 大數據分析 數據挖掘

石油錄井公司的物資管理涉及到生產物資的采購、入庫、出庫、各錄井小隊的物資領取和配發、物資庫的日常維護、管理以及物資的回收和再利用，其中數據量大，數據類型復雜，特別對數據的可靠性和實時性提出了更高的要求。如今，一個大規模生產、分享和應用數據的時代正在開啟，而發掘數據價值、征服數據海洋的“動力”就是云計算;以云計算為基礎的信息存儲、分享和挖掘手段，可以有效地將這些大量、高速、多變化的數據存儲下來，并隨時進行分析和計算。通過云計算對大數據進行分析、預測，會使得決策更為精準，釋放出更多數據的隱藏價值。針對錄井公司物資管理方面的大數據分析和預測，使用云計算要求有效的物資管理數據模型和其它相關數據模型，以及有針對性的大數據挖掘和知識發現方法，才能得到各種物資管理的規律。本文針對物資管理的三個目標，將以往的物資管理數據模型和其它相關大數據結合在一起，構建了新的大數據分析所需的數據模型，以及大數據挖掘方法。

1基于面向對象的物資管理數據模型

由于大數據分析預測產生的物資采購計劃具體到某類物資，物資配發計劃和回收物資再次配發計劃具體到某個錄井小隊，因此采用面向對象思想，以某類物資ID或某個錄井小隊ID為建模對象，構建不同的物資管理數據模型。

在預測或預判各錄井小隊物資配發計劃時，以各錄井小隊為具體預測對象，綜合以往的物資領取情況（加入時間戳），并重點考慮物資的使用時間和報廢期限，基于面向對象思想，構建物資管理數據模型：某錄井小隊={物資配發數據（t），物資配發數據（t-1），物資配發數據（t-2），…，物資配發數據（t-n）}+{物資使用時間數據（報廢期限），甲方單位物資需求數據（t），錄井小隊所在工區數據（t），…}

物資配發數據為企業行為數據，而物資使用時間數據和甲方單位需求數據等為基礎參考數據;為進行大數據分析，使用關系數據模式，將各類物資名稱、編號，配送數量及使用期限數據作為從屬關系表，加入到物資配發數據模型中。

在由大數據分析，制定回收物資在各錄井小隊再次配發計劃時，綜合考慮面向物資對象和錄井小隊對象模型，基于關系數據表模式，構建回收物資再次配發數據模型，如下表述：某類物資={再次配發數據（t），回收入庫數據（t-1），…，（t-n），錄井小隊需求數據（t）}+{物資可再使用時間數據，錄井小隊工期數據，…}其中，回收入庫數據和再次配發數據為企業行為數據，錄井小隊需求數據為指控數據，可再使用時間和小隊工期數據為基礎參考數據。

這三種物資管理數據模型之間相互聯系，相互制約。在預測或預判各錄井小隊的物資配發計劃中，要加入回收物資再配發的數據信息;而在回收物資再配發數據模型中，各錄井小隊的需求數據也要用各小隊配發數據模型加以約束。最后，在預判物資采購計劃時，物資采購數據模型也要考慮回收物資再配發數據和各小隊的物資配發數據，用這些信息加以約束。

2基于時間序列的大數據分析與預測方法

從上面的物資管理數據模型中可以看到，數據模型中的單元都帶有時間戳，因此將物資管理數據看作時間序列數據;通過時序數據分析與預測方法，從歷史數據中獲得時序數據行為規律知識，從而預測時間序列在未來的走向和趨勢。

傳統的時序數據分析和挖掘方法主要有自回歸移動平均模型（ARMA），支持向量機（SVM），人工神經網絡等。由于物資管理數據模型要綜合考慮多個屬性的時間序列，因此本文在基于粗糙集（Rough Set）的時序數據分析方法的基礎上，構建了基于粗糙集的多類型時序數據集成分析與預測方法，充分發揮粗糙集理論對不同屬性、類型數據強大的包容能力，以及處理不確定性、不完備問題的能力。

具體方法如下所述：首先通過物資管理數據庫，形成各種類型的時間序列數據;計算其對應的趨勢變化率時間序列，將該時間序列按照條件屬性和決策屬性的劃分，轉換為一信息決策系統，再由粗糙集理論，進行屬性約簡和規則知識提取;最后，將最近時間節點的趨勢變化率子序列，逐條與提取的規則相匹配，按照規則的置信度大小，得到置信度最大的下一時間節點的趨勢變化率，從而預測出下一時間節點的數據。

3結論與認識

本文重點對大數據分析在石油錄井企業生產物資管理方面的應用作了探討，結合物資管理實際情況，有針對性的構建物資管理數據模型和大數據分析與預測方法。實際應用表明，大數據分析能夠發掘出數據集蘊含的規律性知識，預測或預判出下一時間節點的數據變化趨勢，為物資管理人員制定物資采購、配發計劃提供更有效的幫助。大數據分析是解決企業生產物資管理難題，節約企業運行成本，提升企業精細化管理水平的重要途徑，也是未來企業物資管理的發展趨勢。本文只是在這方面作了初步的探討，今后對復雜物資管理進行大數據分析的應用研究將更加深入。

參考文獻：

[1]錢賽.基于射頻識別和無線網絡的倉庫物資管理系統研究[D].江蘇大學，2010.

[2]盛楊燕，周濤.大數據時代—生活、工作與思維的大變革[M].浙江人民出版社，2013.

[3]林榮耀.大數據及在當代互聯網應用中的研究[D].廈門大學，2014.