基于数据挖掘的计量业务管理分析系统设计与实现

《基于数据挖掘的计量业务管理分析系统设计与实现》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于数据挖掘的计量业务管理分析系统设计与实现第一章绪论1.1研究背景及意义我国计量行业的信息化管理还处于比较落后的水平，大多数采用信息化管理的计量系统往往仅仅以信息孤岛方式存在，无法通过信息系统实现整个计量业务流程的全方位立体式管理，从而制约了计量业务的效率。当前许多计量单位都根据自身的业务需求进行了计量管理系统的开发，从而借助系统完成文件管理、计量检测任务分发，人员信息管理，部门信息管理，自动生成电子检验证书等功能。借助系统检测业务操作员可以更快捷高效的完成自己的任务[1]。调查分析发现大多数的计量

2、业务管理系统仍然存在很多弊端。主要表现为：（一）用户信息和部门信息管理时，无法根据部门和人员变动很好的调节系统内数据，调整较为繁琐；（二）系统无法将器具整个生命周期的数据信息，经手过该器具的检测、维护的人员信息详细的记录，不方便事故排查；（三）检测单位的检测员需要进入系统查看自己的检测任务，没有及时的任务派发、消息推送通知。检测员如果忘记查看自己的任务，可能会存在漏检情况；（四)检测证书打印可能存在显示问题，存在一定的兼容性问题；（五）计量院每天都会面对来自全国各地的送检企业用户，如何根据用户自身信息

3、和送检器具的信息进行合理的信息归类分析，从而更好的管理用户群，并对未来的检测工作作出安排，需要借助数据挖掘算法，从繁杂的计量数据中发现其中规律，并以简洁的图表形式呈现给用户[2]。基于以上问题，需要根据天津市计量监督检测科学研究院的计量业务需求制定一套合理的计量业务管理分析系统，提升计量院的业务工作水平。计量业务管理系统引入不但可以提升检测人员对于校准，检测信息录入变更，人员信息录入变更，部门信息录入变更，器具信息管理等操作的效率，还能够规范化检验证书。领导可以在系统线上派发任务，无需逐一向各个检测员

4、口头说明检测任务，实现了真正的无纸化办公。1.2研究现状及发展动态国外大部分计量机构都是政府性质的。澳大利亚、瑞士、美国、德国等都有自己国家对应的计量研究院。国外的计量研究院也都纷纷引入了电子办公的管理系统优化自身的业务流程和信息管理。这样，只需要一台计算机作为录入计量信1万方数据基于数据挖掘的计量业务管理分析系统设计与实现息的终端，然后借助互联网进行信息传递，就可以将这些数据汇聚到计量院所在的数据库中，完成了数据的异地汇总。一个个计量机构之间的数据库也可以进行联通，使得计量信息库不再是一个个信息孤岛

5、，而是构建了一个庞大的数据信息网。信息数据量越大，越能够从一个全面的信息库里挖掘出不同国家，国内不同地域之间计量业务的区别，从中发现潜在的规律。由于计算技术在我国发展较发达国家晚，所以国外的计量信息管理系统的发展较我国国内而言更加的稳定和成熟。我国主要是从70年代后期开始应用和构建信息系统，应用于国防事业的计量信息化起步更晚，一直到90年代计算机应用较为普遍时，我国的计量信息化才开始普及。各个省市可能都有自己的计量管理信息系统，但是初期的系统构建主要是就自身的业务需求，由于各地业务具有地域差异和特点，

6、所有各个单位建设的计量系统存在业务单一、变通差、数据孤立等缺点。受到软件架构和硬件配置的限制，管理较庞大的计量数据时，系统会应用起来较慢，数据处理能力不足。基于以上考量，我们需要从以下几个方面考虑计量业务信息管理系统未来构建过程中应该注意的事项以及系统发展方向。首先，系统灵活性。系统不单单满足一个计量院的业务流程，应该设计模板或者业务流配置模块，根据不同单位的实际业务需求就行工作流配置，从而提升系统的广泛应用性。其次，由于计量院每天需要检测大量器具，数据库需要不断存入数据，日积月累计量业务管理系统的数

7、据量会十分庞大，因此引入数据挖掘和分布式结构对于处理大数据具有十分重要的意义[3]。在这个数据飞速增加的时代，大数据分析扮演着越来越重要的作用。传统计量业务与互联网的结合使得原有的计量业务数据能够借助数据库存储，基于数据挖掘算法挖掘出这些数据中的潜在价值，从而对计量工作进行决策提供科学支持。进行计量业务智能管理和分析的基础是，构建一个合理的计量管理分析数据库，基于SQLSEVER数据库特性构建数据仓库，在此基础上进行数据挖掘分析等操作。当前，互联网的时代已经到来，基于个人PC的管理系统需要逐步向移动端

8、迁移，让计量管理者随时随地管理计量项目，完成计量数据的录入、存储和分析等。计量单位决策者和计量管理分析工作人员的工作，都会更好的参照历史数据，从而保证计量校验、检测、用户管理等的数据化管理。海量数据对传统的推荐算法带来了巨大的挑战，协同过滤算法同样需要应对海量数据导致的可扩展性问题。传统的推荐算法往往是单机模式，容易受到计算能力的限制，不能很好地满足互联网高并发的访问需求，因此推荐算法的并行化研究成为了新的热点。分布式计算可以将大任务分解为多个子任务并行