1 引言

    鋼鐵生產(chǎn)過程中的連鑄環(huán)節(jié)對(duì)鋼水狀態(tài)有著嚴(yán)格的要求，它要保證穩(wěn)定適宜的鋼水溫度和脫氧程度，以滿足可澆注性。其中鋼水的澆注溫度是澆注的重要工藝參數(shù)，并且澆注溫度是根據(jù)鋼水的成分浮動(dòng)的，它取決于鋼水中所含元素的性質(zhì)和含量。生產(chǎn)過程中還有一系列的溫度都需要控制在一定的范圍內(nèi)，如：出鋼時(shí)的降溫，出鋼后到鋼水爐外精煉站運(yùn)輸過程中的溫降，鋼水在鋼包處理過程中的溫降，鋼包運(yùn)至中間包處的過程溫降，鋼水在中間包內(nèi)的溫降，出鋼溫度。只有這一過程中各個(gè)階段的溫度控制好，才能正確的確定不同鋼種的澆注溫度曲線。在生產(chǎn)初始階段，工作人員往往很難根據(jù)原料的性質(zhì)調(diào)節(jié)好連鑄過程中各個(gè)階段的溫度，只能憑感覺和經(jīng)驗(yàn)來操作，這樣生產(chǎn)出來的產(chǎn)品質(zhì)量不穩(wěn)定，次品率高。

    在鋼鐵企業(yè)引入MES軟件之后，MES將生產(chǎn)過程中積累大量的生產(chǎn)數(shù)據(jù)存在實(shí)時(shí)數(shù)據(jù)庫中，對(duì)于每一個(gè)鋼材成品都可以從該實(shí)時(shí)數(shù)據(jù)庫中追溯到它被加工時(shí)的各種環(huán)境數(shù)據(jù)，如連鑄工藝中的各個(gè)環(huán)節(jié)的溫降。本文是利用數(shù)據(jù)挖掘技術(shù)中的關(guān)聯(lián)規(guī)則挖掘技術(shù)對(duì)MES實(shí)時(shí)數(shù)據(jù)庫進(jìn)行處理，找出鋼鐵加工廠中連鑄工藝過程中的對(duì)于不同原料的最佳生產(chǎn)溫度曲線，再通過在生產(chǎn)過程中利用該曲線來指導(dǎo)工人對(duì)下層控制設(shè)備的操作，以生產(chǎn)出最佳質(zhì)量的鋼鐵產(chǎn)品。

2 生產(chǎn)制造執(zhí)行系統(tǒng)與數(shù)據(jù)挖掘

    MES(Manufacturing Execution System．MES)是一種生產(chǎn)制造執(zhí)行系統(tǒng)，企業(yè)引進(jìn)MES后，它可以監(jiān)控從原材料進(jìn)廠到產(chǎn)品的入庫、出貨的全部生產(chǎn)過程，記錄生產(chǎn)過程產(chǎn)品所使用的材料、設(shè)備，產(chǎn)品檢測(cè)的數(shù)據(jù)和結(jié)果以及產(chǎn)品在每個(gè)工序上生產(chǎn)的時(shí)間、人員、環(huán)境參數(shù)等信息。MES監(jiān)控這些信息并保存至MES實(shí)時(shí)數(shù)據(jù)庫中，如果對(duì)MES實(shí)時(shí)數(shù)據(jù)庫的數(shù)據(jù)進(jìn)行分析處理，能夠得到關(guān)于生產(chǎn)現(xiàn)場(chǎng)的生產(chǎn)進(jìn)度、產(chǎn)品品質(zhì)狀態(tài)以及人員、材料利用狀態(tài)、設(shè)備參數(shù)最佳設(shè)置等各種有用的信息。

    數(shù)據(jù)挖掘技術(shù)是指從大量的、不完全的、有噪聲的、隨機(jī)的實(shí)際應(yīng)用數(shù)據(jù)中，提取隱含在其中的，人們事先不知道的、但又有潛在價(jià)值的規(guī)律和知識(shí)的過程。數(shù)據(jù)經(jīng)過簡單加工得到信息，數(shù)據(jù)挖掘則對(duì)數(shù)據(jù)進(jìn)行更深入的分析，獲得的將是知識(shí)或規(guī)律，對(duì)生產(chǎn)和經(jīng)營具有更大的價(jià)值。其中關(guān)聯(lián)規(guī)則挖掘是數(shù)據(jù)挖掘研究范圍中最深入和利用最廣泛的一個(gè)技術(shù)，它是指從大量的數(shù)據(jù)中挖掘出有價(jià)值并且能描述數(shù)據(jù)項(xiàng)之間相互聯(lián)系的有關(guān)知識(shí)。

    在鋼鐵生產(chǎn)的連鑄環(huán)節(jié)中，對(duì)于不同的鋼種，每個(gè)工序都有不同的溫度要求，在其他外部條件相同的情況下，“鋼種一特定工序的溫度值一質(zhì)量狀況”這三者之間存在著一種必然的聯(lián)系。

    鋼鐵廠的MES中記載了每一個(gè)鋼鐵成品在連鑄環(huán)節(jié)的各個(gè)工序的溫度值以及產(chǎn)品質(zhì)量和原材料信息，若將產(chǎn)品的質(zhì)量狀況、鋼種、各個(gè)工序的溫度分別作為一個(gè)屬性，所以產(chǎn)品的屬性值便構(gòu)成了一個(gè)大的數(shù)據(jù)集，利用關(guān)聯(lián)規(guī)則挖掘技術(shù)找尋出大項(xiàng)集中給定數(shù)據(jù)項(xiàng)之間的關(guān)系(由給定鋼種的質(zhì)量狀況，得到其某個(gè)工序的最佳溫度值)，就可得到“鋼種一特定工序的溫度值一質(zhì)量狀況”這三者之間的一個(gè)關(guān)系。對(duì)連鑄環(huán)節(jié)每個(gè)工序積累的數(shù)據(jù)進(jìn)行關(guān)聯(lián)規(guī)則的挖掘，便能得到關(guān)于該環(huán)節(jié)各個(gè)工序的一條溫度控制曲線。

3 基于MES的關(guān)聯(lián)規(guī)則挖掘算法的研究

    生產(chǎn)過程中MES系統(tǒng)記錄的數(shù)據(jù)是經(jīng)采樣、量化得到的時(shí)間上連續(xù)變化的數(shù)據(jù)，首先其本質(zhì)上是連續(xù)的，其變化受生產(chǎn)狀態(tài)約束；其次，生產(chǎn)過程的行為、特性是由許多過程變量共同決定的，且任何一個(gè)變量的變化將影響其它變量乃至生產(chǎn)狀態(tài)的變化，即在空間上，生產(chǎn)過程變量具有高維數(shù)、強(qiáng)關(guān)聯(lián)和非線性等特點(diǎn)。傳統(tǒng)的關(guān)聯(lián)規(guī)則挖掘主要針對(duì)的是離散、線性的事務(wù)型數(shù)據(jù)，要使之適應(yīng)于處理復(fù)雜的生產(chǎn)過程數(shù)據(jù)，必須在實(shí)施挖掘之前對(duì)生產(chǎn)數(shù)據(jù)進(jìn)行處理。

3.1 粗糙集的引入和數(shù)據(jù)清理

    粗糙集理論RS(Rough set)是波蘭數(shù)學(xué)家Z．Pawlak在1982年提出的一種分析數(shù)據(jù)的數(shù)據(jù)理論，一般用來處理不確定和不精確問題的新型數(shù)學(xué)工具，它不需要關(guān)于數(shù)據(jù)的任何先驗(yàn)或附加信息，而是直接從已知數(shù)據(jù)的初始決策系統(tǒng)出發(fā)，通過不可分辨關(guān)系和不可分辨類確定給定問題的近似域，有效地分析和處理不精確、不一致、不完整的信息，并有效地進(jìn)行屬性約簡。生產(chǎn)過程是一個(gè)復(fù)雜的、隨機(jī)的、不確定的和具有周期性的多樣性的過程，采用傳統(tǒng)的模型化方法，很難建模、仿真和處理�；�于這樣的背景，先對(duì)數(shù)據(jù)庫中數(shù)據(jù)進(jìn)行必要的約簡，求出約簡或近似約簡，并在此基礎(chǔ)上根據(jù)值約簡等減少屬性和個(gè)體數(shù)目，便于后面的挖掘技術(shù)的施展。

    屬性約簡有2種方式：A．將屬性的重要性作為啟發(fā)式規(guī)則，按照屬性的重要程度，從大Nd,逐個(gè)加入直至找到一個(gè)最小約簡。B．從屬性集中逐個(gè)刪除影響因子為0的屬性。根據(jù)生產(chǎn)數(shù)據(jù)的特性，本文選擇第二種方式。

3.2 基于粗糙集的關(guān)聯(lián)規(guī)則挖掘算法

    關(guān)聯(lián)規(guī)則是數(shù)據(jù)挖掘中的一種重要模式，它首先是由R．Agrawal等人于1993年提出的，用于發(fā)現(xiàn)事務(wù)數(shù)據(jù)庫中不同商品(項(xiàng))之間的聯(lián)系，找出顧客購買行為模式等。關(guān)聯(lián)規(guī)則挖掘算法的核心就是Apriori算法，即基于兩階段大項(xiàng)集思想的方法，將關(guān)聯(lián)規(guī)則挖掘算法的設(shè)計(jì)分解為2個(gè)子問題：

    (1) 找到所有支持度大于最小支持度的項(xiàng)集(Itemset)，這些項(xiàng)集稱為大項(xiàng)集(LargeItemset，或頻繁集)。

    (2) 用第1步找到的大項(xiàng)集產(chǎn)生規(guī)則。

    本文針對(duì)生產(chǎn)執(zhí)行過程，結(jié)合粗糙集的屬性約簡改進(jìn)Apriori算法，使之適合生產(chǎn)過程中的知識(shí)發(fā)現(xiàn)和數(shù)據(jù)挖掘。以下給出相應(yīng)算法Apriori_MES。

    算法Apriori_MES：

    輸入數(shù)據(jù)集DB，條件屬性集C，決策屬性集D，

    最小支持度min_sup。

    輸出符合約束條件的規(guī)則集R。

    算法步驟如下：

    Step1：DB'←DB；//DB'為一臨時(shí)表：
    Step2：根據(jù)輸入的決策系統(tǒng)(U，Cuzvv77hnht7f)和ind(C，zvv77hnht7f)，置Sred(C)=φ；
    Step3：根據(jù)粗糙集的屬性約簡算法生成簡約集合Sred(C)；
    Step4：for每個(gè)條件屬性Ci∈C
    {if(Ci不屬于Sred(C))
    {從DB’中刪除屬性Ci；
    C=C-{Ci}；
    }
    }；
    Step5：掃描DB'，確定候選1-項(xiàng)集；
    Step6：根據(jù)最小支持度min_sup，確定頻繁1-項(xiàng)集和L1；
    Step7：k=0；
    Step8：k++；
    Step9：使用連接Lk-1△△Lk生產(chǎn)候選k-項(xiàng)集；
    Step10：根據(jù)最小支持度min_sup，確定頻繁K-項(xiàng)集Lk；
    Step11：Lk不空則轉(zhuǎn)Step8；
    Stepl2：根據(jù)頻繁項(xiàng)集Lk-1產(chǎn)生關(guān)聯(lián)規(guī)則；
    Stepl3：根據(jù)約束條件從關(guān)聯(lián)規(guī)則集中選出符合條件的規(guī)則集R。

4 基于粗糙集的關(guān)聯(lián)規(guī)則挖掘算法在連鑄溫度控制中的應(yīng)用

4.1 數(shù)據(jù)倉庫的建立

    數(shù)據(jù)倉庫的創(chuàng)建都是圍繞主題實(shí)現(xiàn)的，需要盡可能將跟主題不相關(guān)的數(shù)據(jù)進(jìn)行清理掉，留下關(guān)鍵的數(shù)據(jù)。根據(jù)研究的主題，即連鑄環(huán)節(jié)中各工序的溫度控制，我們分析出以下幾個(gè)是對(duì)研究的問題起關(guān)鍵作用的數(shù)據(jù)項(xiàng)：

    (1)鋼材成品情況

    產(chǎn)品編號(hào)、產(chǎn)品批次、質(zhì)量狀況、鋼種等

    (2)對(duì)應(yīng)初始生產(chǎn)材料的相關(guān)信息

    鋼水成分、每種成分比例、重量等

    (3)產(chǎn)品連鑄環(huán)節(jié)各個(gè)工序?qū)��?yīng)的溫度

    鋼種、批次、爐次、出鋼溫度、吹氬溫度、氬后溫度、進(jìn)站溫度、出站溫度、澆注溫度從MES的實(shí)時(shí)數(shù)據(jù)庫中抽取上述數(shù)據(jù)，經(jīng)過初步篩選，去除不完整的數(shù)學(xué)項(xiàng)，建立實(shí)施挖掘算法的數(shù)據(jù)倉庫。

4.2實(shí)驗(yàn)結(jié)果

    設(shè)連鑄這個(gè)過程有n個(gè)工序，Tij=(Ti1，Ti2，…，Tin)表示對(duì)于第i種鋼水各個(gè)工序的溫度，設(shè)有m個(gè)需要溫降的工序，△Tij=（△Ti1，△Ti2，…，△Tim）表示對(duì)于第i種鋼水各個(gè)工序的溫降度數(shù)；Tij和乃和△Tij對(duì)應(yīng)于Apriori_MES算法中的要輸出的規(guī)則集。D={質(zhì)量狀態(tài)1，質(zhì)量狀態(tài)2…}表示最后的生產(chǎn)產(chǎn)品的特性集合，對(duì)應(yīng)Apriori算法中的決策屬性集。U={U1，U2，…，Ui)表示各種不同成分的鋼水對(duì)象集合，包括鋼材成品情況和對(duì)應(yīng)初始生產(chǎn)材料相關(guān)信息，U構(gòu)成Apriori_MES算法中要輸入的條件屬性集。

    對(duì)于普碳鋼Q235其化學(xué)成分為表1，對(duì)經(jīng)過約簡后的數(shù)據(jù)倉庫，實(shí)施本文的Apriori_MES算法，得出其連鑄過程中的最佳溫度曲線為圖1，各工序最佳溫降為圖2。

表1 Q235的化學(xué)成分表

圖1 最佳溫度曲線

圖2 各工序最佳溫降

    當(dāng)外部其他條件一致時(shí)，在生產(chǎn)普碳鋼Q235的連鑄環(huán)節(jié)，操作人員按照?qǐng)D1和圖2所示進(jìn)行溫度控制，所得到的成品質(zhì)量整體高于以前的成品。圖3顯示的是經(jīng)過一個(gè)星期生產(chǎn)的產(chǎn)品質(zhì)量對(duì)比圖，圖中A表示按溫度控制曲線生產(chǎn)出的產(chǎn)品質(zhì)量等級(jí)概率，B表示的是按傳統(tǒng)技藝生產(chǎn)出的產(chǎn)品質(zhì)量等級(jí)概率，從圖中明顯可以看出A中優(yōu)等產(chǎn)品出現(xiàn)的概率明顯大于B中的，次品率也明顯低于B中的次品率。

圖3質(zhì)量等級(jí)概率對(duì)比圖

5 結(jié)論與展望

    本文詳細(xì)介紹了關(guān)聯(lián)規(guī)則挖掘和MES的理論和方法，特別是對(duì)關(guān)聯(lián)規(guī)則挖掘中最著名的算法Apdori進(jìn)行了比較深入地研究，并且在此基礎(chǔ)之上借鑒粗糙集的屬性簡約的思想，設(shè)計(jì)并實(shí)現(xiàn)了基于Apriori算法的改進(jìn)算法-Apriori-MES算法。MES中的知識(shí)發(fā)現(xiàn)與數(shù)據(jù)挖掘主要針對(duì)于過程監(jiān)控中的大量生產(chǎn)歷史數(shù)據(jù)，本文主要針對(duì)鋼鐵生產(chǎn)過程中的連鑄環(huán)節(jié)進(jìn)行分析研究，通過對(duì)這一環(huán)節(jié)MES實(shí)時(shí)數(shù)據(jù)庫中累積的數(shù)據(jù)進(jìn)行關(guān)聯(lián)規(guī)則的挖掘，得出一條最佳的溫度曲線，然后再應(yīng)用在鋼鐵加工廠的MES系統(tǒng)中，指導(dǎo)生產(chǎn)過程，對(duì)產(chǎn)品的質(zhì)量穩(wěn)定和提高起到比較明顯的效果。

    如何對(duì)大數(shù)據(jù)集進(jìn)行更有效的屬性約簡以提高算法效率是我們下一步要進(jìn)行的工作。除此之外，在企業(yè)MES的實(shí)時(shí)數(shù)據(jù)庫中，我們還可以利用數(shù)據(jù)挖掘技術(shù)做其他更多的研究工作，為以后的生產(chǎn)過程提高更豐富有利的輔助。

核心關(guān)注：拓步ERP系統(tǒng)平臺(tái)是覆蓋了眾多的業(yè)務(wù)領(lǐng)域、行業(yè)應(yīng)用，蘊(yùn)涵了豐富的ERP管理思想，集成了ERP軟件業(yè)務(wù)管理理念，功能涉及供應(yīng)鏈、成本、制造、CRM、HR等眾多業(yè)務(wù)領(lǐng)域的管理，全面涵蓋了企業(yè)關(guān)注ERP管理系統(tǒng)的核心領(lǐng)域，是眾多中小企業(yè)信息化建設(shè)首選的ERP管理軟件信賴品牌。

轉(zhuǎn)載請(qǐng)注明出處：拓步ERP資訊網(wǎng)http://www.guhuozai8.cn/

本文標(biāo)題：企業(yè)業(yè)務(wù)流程管理信息化ERP系統(tǒng)新探

本文網(wǎng)址：http://www.guhuozai8.cn/html/solutions/1401937893.html