学位论文 > 优秀研究生学位论文题录展示

基于关联规则的机组产量预测模型研究与应用

作　者: 庞古风
导　师: 王金城
学　校: 大连理工大学
专　业: 检测技术与自动化装置
关键词: 数据仓库数据挖掘关联规则产量预测模型
分类号: TP311.13
类　型: 硕士论文
年　份: 2006年
下　载: 78次
引　用: 1次
阅　读: 论文下载

内容摘要

企业在长期的生产过程中积累了丰富的生产数据，能否充分利用这些数据来提高生产管理水平，从而提高企业的经济效益和增强企业竞争力是工程技术人员和生产管理人员一直想解决的问题。数据仓库技术作为一种优化管理、提供决策支持的企业数据解决方案，己经被许多大型企业所采纳。基于数据仓库的数据挖掘技术的核心思想就是从企业的海量数据中挖掘出有效的、新颖的、可用于企业决策分析的规律或模式。本文以上海宝钢股份有限公司冷轧薄板厂各机组生产过程为背景，结合“薄板轧制优化自动排产及分析评价综合系统”的开发，研究了基于数据仓库与数据挖掘的建模技术，并根据该企业生产情况，建立了用于冷轧薄板生产过程的机组产量预测模型。本文对基于增量关联挖掘算法，提出一种改进的增量挖掘算法，除了有效地挖掘出强规则外，还可以挖掘出强规则中的趋势规则，提高了挖掘规则的完整性。在需求分析、粒度设计、建立概念模型、事实表和维度表设计的基础上，建立了数据仓库，并将上海宝钢股份有限公司冷轧薄板厂原有数据库系统的历史数据，经过抽取、转换和装载等过程加载到数据仓库中。根据数据仓库中的历史数据以及现场生产管理人员的专家经验，利用改进的增量挖掘算法，开发了产量预测系统，实现了以历史生产数据和专家经验为基础的机组产量预测，并可给出趋势提示。所建立的产量预测系统已经在宝钢冷轧薄板厂投入运行，其预测精度满足现场生产管理人员的要求，提高了宝钢冷轧薄板厂的生产管理水平。

全文目录

独创性说明  3-4
摘要  4-5
Abstract  5-6
目录  6-8
1 绪论  8-12
  1.1 课题背景  8
  1.2 数据仓库与数据挖掘  8-10
  1.3 关联规则挖掘的产生与发展  10-11
  1.4 本文主要工作  11-12
2 机组产量预测系统的数据仓库  12-30
  2.1 数据仓库  12-16
    2.1.1 从数据库到数据仓库  12-15
    2.1.2 数据仓库的定义  15
    2.1.3 数据仓库的特点  15-16
  2.2 数据仓库的结构  16-19
    2.2.1 数据仓库的系统结构  16-17
    2.2.2 数据仓库的数据组织结构  17-19
  2.3 冷轧薄板厂的数据仓库设计  19-30
    2.3.1 需求分析  19-21
    2.3.2 粒度设计  21-22
    2.3.3 建立概念模型  22-24
    2.3.4 识别数据仓库数据  24
    2.3.5 设计事实表  24-25
    2.3.6 设计维度表和详细说明表  25-30
3 关联规则挖掘算法的改进  30-40
  3.1 数据挖掘技术  30-31
    3.1.1 数据挖掘的定义  30
    3.1.2 数据挖掘的过程  30-31
  3.2 数据仓库与数据挖掘的关系  31-32
  3.3 关联规则挖掘  32-33
    3.3.1 关联规则的定义  32-33
    3.3.2 挖掘关联规则的步骤  33
  3.4 挖掘算法及改进  33-40
    3.4.1 基本挖掘算法  33-34
    3.4.2 增量算法  34-35
    3.4.3 增量算法改进  35-37
    3.4.4 挖掘结果展示  37-40
4 关联规则挖掘技术在冷轧生产管理中的应用  40-51
  4.1 企业概况  40-41
  4.2 产量预测的系统架构  41-44
    4.2.1 系统目标  41
    4.2.2 系统结构  41-44
  4.3 系统功能的实现  44-48
  4.4 预测结果分析  48-50
  4.5 本章小结  50-51
总结与展望  51-52
参考文献  52-54
攻读硕士学位期间发表学术论文情况  54-55
致谢  55-56
大连理工大学学位论文版权使用授权书  56

基于关联规则的机组产量预测模型研究与应用

内容摘要

全文目录

相似论文