MES系統數據挖掘應用——質量分析和優化

從最初的各類MIS到近幾年流行的ERP、CRM、MES等,用戶的數據積累已達到了一定的程度,很多行業的用戶面對越來越激烈的市場競爭,需要對自己的數據(用戶、市場、產品、生產)進行分析

引言
在最近的幾年中,信息化建設可謂高潮迭起,電子政務和制造業信息化成為兩大亮點。在制造業信息化領域,鋼鐵、汽車、石化等行業的龍頭企業,紛紛加大了信息化建設的力度;中型制造業企業的信息化建設穩步推進;小型企業的信息化逐漸成為被關注的熱點;制造業企業對信息化建設的認識漸趨理性、務實;國際制造業信息化廠商看好中國制造業信息化市場,加大了在中國的投入力度;我國制造業信息化軟件產業實現了平穩發展,走向了務實經營;第3方制造業信息化咨詢服務初露鋒芒;而制造業信息化技術,也在競爭中實現了新的發展。

但是,也應清楚地看到目前制造業信息化的建設仍有許多不盡人意之處,如:許多制造業信息化項目往往只注重對數據的統計匯總,而真正涉及到預測、決策及優化方面的工作較少,結果只是充當了手工勞動的替代品,并沒有充分發揮制造業信息化項目的效益。信息系統中保存的大量業務操作數據要么被閑置、要么充當統計匯總時的一個基數,數據中隱藏的大量有價值信息被白白地浪費了。

從最初的各類MIS到近幾年流行的ERP、CRM、MES等,用戶的數據積累已達到了一定的程度,很多行業的用戶面對越來越激烈的市場競爭,需要對自己的數據(用戶、市場、產品、生產)進行分析,挖掘出潛在的商機,降低公司的運作成本,這成為數據挖掘技術應用最主要的動力。而數據挖掘就是要從用戶的業務數據中挖掘出有價值的信息,并提煉成為輔助管理的知識,即智能。
數據挖掘
1 數據挖掘技術背景
1.1 數據挖掘的發展歷程

數據挖掘(DM:Data Mining)就是從大量的、不完全的、有噪聲的、模糊的、隨機的數據中,提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識的過程。圖l說明了數據挖掘過去40年的發展歷程。數據挖掘是一門交叉學科,它會聚了數據庫、人工智能、統計學、可視化、并行計算等不同學科和領域。數據挖掘的技術類型主要包括發現型數據挖掘和預測型數據挖掘。
數據挖掘技術的發展歷程
圖1 數據挖掘技術的發展歷程 
 
執行數據挖掘時使用的技術在計算上非常復雜,為了找到大型數據集內存在的模式,必須執行大量計算。在最近10年中,大型業務數據庫(特別是數據倉庫)使用量的增長以及對這些數據的理解和解釋的需要,再加上相對廉價的計算機的供應,導致數據挖掘在各種業務應用中的使用急劇增長。

1.2 數據挖掘應用的方法論
通常一個數據挖掘項目包含七個步驟,分別為:定義業務需求;定義數據模型和數據需求;數據預處理(清洗和過濾);探索型數據分析(數據探索);選擇挖掘功能并建模;解釋挖掘結果;在業務決策中運用所獲結果和新知識。

定義業務需求是一個數據挖掘項目的初始階段,在這個初始階段,需明確闡述項目目標和客戶業務需求,目的是明確數據挖掘問題。任務包括:明確業務目標、定義響應變量、對項目計劃做必要的調整。

在定義數據模型和數據需求這個階段要搜尋并檢查客戶數據,作為以后分析挖掘時所用變量的簡略一覽表。同時從數據總體中抽樣生成訓練集、驗證集和測試集。任務包括:數據來源、數據映射、準備數據評估、數據的必要聚合、數據抽樣。

預處理數據(清洗和過濾)階段需要對遷移到數據模型中的數據進行預處理。任務包括“異常數據清洗”、“數據過濾”和“數據匯總”。探索型數據分析(數據探索)是為了發現在g-+待選的自變量和目標變量之間是否有任何關系。通常,圖形分析是全面理解數據的第1步,接著需要對有關數據進行統計分析,以便得到數據分布的更好知識。

選擇挖掘功能并建模是選擇最合適的挖掘技術的關鍵步驟。該步驟不僅包括對要使用的適當技術或技術合成定義,還包括技術的應用方式。通常嘗試不同的建模技術或結合不同數據集,并衡量模型性能的不同,選出最好的。來自最終用戶的業務領域知識在這個階段是非常關鍵的,因為他們可以評價和確認模型的結果、理解發現并付諸實際行動。

解釋挖掘結果需要業務專家的參與,需要他能夠將挖掘結果解釋到業務語境中。由于大多數情況下業務專家并不是數據挖掘專家,因此將結果以相對易于解釋的方式提供給用戶是非常重要的。

在業務決策中運用所獲結果和新知識這個階段,需要用模型的結果來幫助做出業務決定、戰略設計和戰術實施,收集實施結果反饋,為模型的退化進行監測,更進一步改善模型性能。在利用模型的結果時,復雜的展示層界面通常是不必要的。

2 數據挖掘技術在生產制造中的應用
2.1 工業數據挖掘平臺

現代制造企業中大量的計算機系統承擔起了生產管理的任務,扮演著MES的角色,各種各樣的傳感器將大量的實時生產數據傳送到MES中,隨著生產的持續,數據越來越多,這些數據中往往隱藏著大量有價值的生產管理信息,但是這些信息通常不能通過直觀的方式表現出來,而傳統的生產管理計算機系統是面向功能的,對數據的分析處理較為簡單,無法勝任將這些信息提煉出來的任務,因此必須將智能信息處理技術引入生產過程管理中,從簡單的數據處理過渡到智能的數據分析,為生產過程管理提供更有效的支持。數據挖掘技術無疑就成為完成這項任務的主要手段,為了與ERP層對應的商業數據挖掘相區別,在本文中稱與MES層對應的數據挖掘應用為工業數據挖掘。

對于工業數據挖掘來說,它的應用重點集中在對制造企業內部信息資源的加工處理,指導企業生產制造的戰術策略的實施。具體地說,就是在以客戶的需求為價值源泉,以不同的生產工序為價值鏈的各環節進行數據增值分析,并將分析結果迅速向鏈條的上一環節傳遞,調整鏈條上游的執行達到改善下游環節執行結果的目的,最終形成以客戶終端需求為導向的價值增值。 
 
實際上,傳統業務系統是面向點的,能給出詳細的功能定義。而工業數據挖掘系統是面向面的,用專業術語講叫主題,因此,很難準確地描述工業數據挖掘到底能實現哪些功能,或只能實現哪些主題。工業數據挖掘的確可以產生報表,但不是事先定義的固定報表,而是經過分析之后的結果展現,所以,在這里并不能精確地定義一個工業數據挖掘系統的功能,一個工業數據挖掘系統應當只是一個應用平臺,將它與不同的業務系統相結合,可以擴展成為不同的智能應用系統,如質量分析優化系統等。

2.2 工業數據挖掘的應用范圍
工業數據挖掘在MES層的應用有以下幾個方面:
輔助生產計劃調度。通過工業數據挖掘平臺可以對生產過程進行建模,利用這些模型模擬生產過程可以幫助生產調度人員提前判斷—個調度計劃是否合理,避免在實際執行時由于計劃的不合理給企業造成損失。

質量分析優化。通過工業數據挖掘平臺可以搭建一個產品質量分析系統,找出與產品質量指標有關的因素,分析產生廢次品產生的原因,并有的放矢地實施改進措施,提高產品質量。

設備管理維護。通過工業數據挖掘平臺建立設備維護系統,在分析設備運行數據的基礎上,建立設備運行模型,預測設備故障時間,以便提前采取維護措施,減少因設備停機造成的損失。

生產工藝優化。通過工業數據挖掘平臺構建的生產成本分析系統、質量分析系統等,可以對生產過程數據進行分析、挖掘,建立生產成本模型或質量模型,利用這些模型找出降低生產成本和提高產品質量的工藝措施,優化生產工藝。

生產資源優化配置。通過工業數據挖掘平臺建立的生產資源優化配置系統可以挖掘企業的物料和能源消耗數據,找到生產資源配置的不合理之處,并提供優化配置的分析手段。

3 質量分析和優化
產品質量是制造企業的生命,產品質量的控制和改進一直是企業所關心的核心問題之一。現代質量管理體系提供了一整套質量改進方法,用于改善產品質量。隨著鋼鐵企業信息化步伐的加快,企業積累了大量的生產工藝數據,這些數據中包含了大量與產品質量有關的信息,但它們并沒有被充分利用,如何從這些數據中挖掘出與產品質量有關的有用信息,并利用這些信息提高產品質量,優化產品質量設計,加快新產品開發周期,是企業更為關心的問題。

冶金自動化研究設計院開發的質量分析優化系統利用數據挖掘技術在質量缺陷分析、新產品質量設計、工藝優化、質量預報、過程質量分析等幾個方面為改進產品質量提供決策支持。系統包含了數據抽取、數據預處理、質量分析、質量建模、質量設計、質量預報、工藝優化、機理模型修正、實驗設計DOE等九大模塊,其中數據抽取、數據預處理模塊是基本模塊,其他模塊都可以根據需要動態增刪。質量分析優化系統提供了一套較為成形的流程,用于產品質量設計和預報,如圖2所示。 
質量分析、設計、預報流程  
圖2 質量分析、設計、預報流程 
 
質量分析優化系統在應用時可以根據具體條件采用不同的應用架構,圖3所示為目前比較流行的一種應用形式。 
質量分析優化系統的一種應用架構 
圖3 質量分析優化系統的一種應用架構

4 結論
本文介紹了數據挖掘技術的發展背景,分析了數據挖掘技術在生產制造中的應用特點,以及在不同工業領域的應用方向。對數據挖掘技術在質量分析優化方面的應用進行了重點闡述,并介紹了冶金自動化研究設計院開發的質量分析優化系統的應用流程和應用架構。 
 

他們選擇了我們
    1. 中車PLM:實現企業一體化設計、一體化采購主數據平臺

    2. 金龍PLM案例:全車系產品配制管理,快速生成產品BOM與成本。

    3. 三一PLM案例:實現企業技術保累,協助企業研發過程。

    4. 一拖PLM:從源頭達成零件管理

    5. 中石化PLM :全項目控制管理查看更多

    1. 正泰PLM:電器、結構、電子多專業協作平臺

    2. 上柴動力PLM:產品模塊化設計應用。

    3. 朝陽輪胎PLM:流程制造業PLM方案,配方與工藝管理。

    4. 皇明PLM:設計工藝制造一體化方案。

    5. 喜臨門PLM:集團化應用,參數化產品BOM運算應用。

了解更多
    1. 中興汽車PLM :整車行業配制化產品管理方案。

    2. 鐵科院PLM:企業研發業務,數據一元化管理

    3. 伊利PLM應用:食品行業配方與工藝管理PLM應用

    4. 中國航天二院:以PLM為中心的多系統集成應用。

    5. 徐工集團:復雜BOM的產品簡化產品管理

    1. 創新精神2_2:創新是我們發展的源泉

    2. 創新精神:創新是我們發展的源泉

    3. 創新精神:創新是我們發展的源泉

    4. 創新精神:創新是我們發展的源泉

    5. 創新精神:創新是我們發展的源泉

了解更多
    1. 京城重工PLM:設計工工藝制造一體化方案

    2. 中集華駿PLM:從客戶需求參數化直接轉化成產品BOM管理

    3. 聚光科技PLM:電子行業IPD管理模式PLM應用

    4. 舟山電力局PLM:大數據匯總管理,數據的快速轉化與查詢

    5. 東方電氣PLM:汽輪機行業,一體化管理。

    1. 創新精神3_2:創新是我們發展的源泉

    2. 創新精神4:創新是我們發展的源泉

    3. 創新精神5:創新是我們發展的源泉

    4. 創新精神6:創新是我們發展的源泉

    5. 創新精神7:創新是我們發展的源泉

了解更多
聯系我們

今天江苏3开奖号码