面向離散制造業數據挖掘技術研究與應用

在對離散制造企業生產過程中的物流數據特點進行充分分析的基礎上，利用數據挖掘技術建立面向零部件物流成本的供應商選擇優化模型；研究了針對應用問題的關聯規則處理策略以完成對所發現知識的理解和利用。提出了改進的Apriori 算法并研制一個數據挖掘系統平臺來對此構想進行具體的實現。
典型的離散制造企業是面向單一定單的主要從事單件、小批量生產的企業。其特點是多品種和小批量,如大型汽輪機業、壓縮機、石油機械等[1]。產品的工藝過程經常變更使得購買原材料的資金占用很大。企業在進銷存管理方面應該有良好的管理機制和工具，用于接收的訂單、檢查庫存狀況、采購材料、調整庫存物數量，從而為產品生產做好前期工作，并在產品生產完成后及時出貨等 [2]。在經濟全球化進程中，企業間的競爭己經轉變為供應鏈之間的競爭。
山東半島作為中國最大的制造業基地，每天有成千上萬企業的產品源源不斷地流向世界各地。
企業為了追求最大的利潤無不紛紛采用ERP 系統以提高管理手段。在此基礎上企業越來越重視研究找到能最大限度滿足某定單需求的原材料供應商以提高生產效率、降低生產成本。
一個供應商能夠提供多種零部件，一種零部件也有若干不同的供應商。對于一個供應商，可能在不同零件的候選供應商列表里的級別分類不同。也就是說相對于采購企業而言，某些零部件產品是值得被優先考慮采購的，另外一些零部件產品是處于次選的。在正確的時間、正確的地點向正確的客戶提供正確數量和類型的物品，就是目前開始興起的精益供應鏈管理(Lean Supply Chain Management)[3]。
本文的工作就是用數據挖掘技術的關聯規則來對以上所述的問題加以實現。隨著數據庫技術的迅速發展以及廣泛應用，現代計算機技術與數據庫技術已經可以支持存儲并快速檢索這樣規模的數據庫，高效地實現數據的錄入、查詢、統計等功能[4][5]。但無論在時間意義上還是在空間意義上，傳統的數據分析手段都無法發現數據中存在的關系和規則，根據現有的數據預測未來的發展趨勢[6]。缺乏挖掘數據背后隱藏的知識的手段，導致了越來越嚴重的“數據爆炸但知識貧乏”的現象 [7]。在這樣的背景下，數據挖掘技術應運而生。