数据挖掘技术及其在钢铁领域应用.doc

《数据挖掘技术及其在钢铁领域应用.doc》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、数据挖掘技术及其在钢铁领域应用摘要：钢铁企业的各层次的信息化、网络化，每天都产生海量的数据。过去由于缺乏恰当的技术，使得包含在这些数据中许多有用的知识难以使用。本文介绍了通过数据挖掘技术，可以充分发现有益于提高钢铁企业经济效益的各种知识，供企业有关人员使用。关键词：数据挖掘、钢铁企业、优化1、引言  中国钢铁工业崛起、钢铁工业全球化、钢铁工业集中化和钢铁生产用原料供需平衡态势，被认为是驱动世界钢铁工业巨变的四大因素[1]。现代信息技术，是支持中国钢铁工业高速发展的技术手段之一，特别是适合于海量数据处理的数据挖掘技术[2-14]。在钢铁

2、生产工程中，每时每刻都有大量的传感数据通过集散控制系统、计算机网络以各种形式传到数据服务器。这些有用的数据，由于缺乏合适的处理技术而没有充分利用，因此成为制约企业生产效益的技术难点之一。80年代出现的数据挖掘技术，是通过仔细分析大量数据来揭示有意义的新的关系、趋势和模式的过程[2-14]。将先进数据挖掘算法和针对钢铁生产数据挖掘问题领域知识相结合，会给钢铁生产的各环节优化管理提供重要的技术支持。2、钢铁生产过程中的数据特点2.1钢铁企业信息化 钢铁企业信息化主要面对生产自动化控制、生产管理问题。目前人们将它分成5个层次[2]。第一层为

3、基础自动化：主要完成设备的工艺控制，包括电气控制和仪表控制两部分。第二层为过程控制：主要完成设定计算、生产实绩收集、模型计算/过程优化、班/日报表生成等。第三层为分厂级生产控制：其功能定位为分厂级生产过程控制计算机系统。各生产单元的分厂级生产过程控制计算机系统实现物流跟踪管理、产成品库的三维动态管理、作业计划管理以及第二层生产过程控制系统数据的采集等功能。第三层生产控制计算机与第二层生产过程控制系统的集成构成了钢铁信息系统的基础数据处理平台。第四层为企业EPR管理系统（企业资源计划管理系统）：总厂级生产调度中心系统，将各生产过程管理系

4、统与动力过程控制系统、运输调度控制系统和企业资源计划管理系统进行集成。第五层为企业SCM/CRM/EC/EB/DSS/EIP系统：实现供应链管理、客户关系、电子商务、决策支持、企业信息门户等整个生产环境的优化管理。2.2钢铁企业生产过程中数据的特征 钢铁生产过程是一种极其复杂的大系统，其中各层次信息普遍存在多变量、非线性、高噪音的特征，并且数据量巨大。据统计，在一些现代化工厂，因为缺乏有效的信息处理技术，已有的数据库中9O％以上的数据多年无人问津。 例如基础自动化层次，某企业中各类传感器每天产生的数据可在TB级。同时钢铁生产机理复杂，

5、影响产品质量的因素相当多，例如原料成分、性能；各种生产工艺条件等。如何从与生产有关的诸多变量中，考查和筛选出作用因子较大的变量，删除影响不大的变量，从而建立出一个维数较低的描述模型，成为多变量数据处理的一大难题。传统的通过建立数学模型进行生产管理和控制优化的方法很难有效地达到目的。 非线性是生产过程中数据的又一特征。影响产品质量的各因素，作用的方式、机理等，是复杂的甚至是未知的。这些变量之间的关系，一般都不是线性的。同时，由于各种原因，这些数据可能包含较强的噪声，并且甚至难以判断什么是噪声：影响产品质量的因子太多，并且作用的机理复杂。

6、由于钢铁生产机理的复杂性，目前还有大量的关于生产优化方面的规律和知识还未被人们所认知。在上面提到的五个层次中都需要高效的信息处理技术：这不仅表现在生产过程中存在大量的可控参数，即生产过程中存在极大的、可调的自由度；还表现在显著提高生产管理和控制效率方面，存在着极大的寻优空间。3、数据挖掘技术3.1数据挖掘的基本含义“数据挖掘”译自英文“DataMining”，直译就是“数据采矿”。基本意思是通过仔细分析大量数据（通常是不完全的、有噪声的、模糊的和随机的数据）来揭示有意义的新的关系、趋势和模式的过程，即发现隐含在这些数据中的人们事先不知

7、道，但又是潜在有用的信息和知识。通常把这些有用的信息归纳成知识规则、约束，使人便于在更抽象/概括的层次上使用这些数据[4-8]。 人们建立了各种数据库后，被淹没在数据的海洋中，但无法从中获取有用的知识。形象地说：查询是数据库的奴隶，发现才是数据库的主人；数据只为职员服务，不为老板服务!从海量数据中寻找知识/模式的各种方法，就是数据挖掘技术。 学术些讲，数据挖掘的任务就是发现隐藏在数据中的模式/知识。常见的模式有两种：描述型模式和预测型模式。描述型模式是对当前数据中存在的事实做规范描述，刻画当前数据的一般特性；预测型模式则是以时间为关键

8、参数，对于时间序列型数据，根据其历史和当前的值来预测其未来的值。 更具体些，数据挖掘是要发现如下几种知识/模式：①分类模式/知识，通过模型创建和模型使用，按照某些指定的特征把数据分类。②聚类模式/知识，将数据项分组成多个