面向离散制造业数据挖掘技术研究与应用

在对离散制造企业生产过程中的物流数据特点进行充分分析的基础上，利用数据挖掘技术建立面向零部件物流成本的供应商选择优化模型；研究了针对应用问题的关联规则处理策略以完成对所发现知识的理解和利用。提出了改进的Apriori 算法并研制一个数据挖掘系统平台来对此构想进行具体的实现。
典型的离散制造企业是面向单一定单的主要从事单件、小批量生产的企业。其特点是多品种和小批量,如大型汽轮机业、压缩机、石油机械等[1]。产品的工艺过程经常变更使得购买原材料的资金占用很大。企业在进销存管理方面应该有良好的管理机制和工具，用于接收的订单、检查库存状况、采购材料、调整库存物数量，从而为产品生产做好前期工作，并在产品生产完成后及时出货等 [2]。在经济全球化进程中，企业间的竞争己经转变为供应链之间的竞争。
山东半岛作为中国最大的制造业基地，每天有成千上万企业的产品源源不断地流向世界各地。
企业为了追求最大的利润无不纷纷采用ERP 系统以提高管理手段。在此基础上企业越来越重视研究找到能最大限度满足某定单需求的原材料供应商以提高生产效率、降低生产成本。
一个供应商能够提供多种零部件，一种零部件也有若干不同的供应商。对于一个供应商，可能在不同零件的候选供应商列表里的级别分类不同。也就是说相对于采购企业而言，某些零部件产品是值得被优先考虑采购的，另外一些零部件产品是处于次选的。在正确的时间、正确的地点向正确的客户提供正确数量和类型的物品，就是目前开始兴起的精益供应链管理(Lean Supply Chain Management)[3]。
本文的工作就是用数据挖掘技术的关联规则来对以上所述的问题加以实现。随着数据库技术的迅速发展以及广泛应用，现代计算机技术与数据库技术已经可以支持存储并快速检索这样规模的数据库，高效地实现数据的录入、查询、统计等功能[4][5]。但无论在时间意义上还是在空间意义上，传统的数据分析手段都无法发现数据中存在的关系和规则，根据现有的数据预测未来的发展趋势[6]。缺乏挖掘数据背后隐藏的知识的手段，导致了越来越严重的“数据爆炸但知识贫乏”的现象 [7]。在这样的背景下，数据挖掘技术应运而生。