基于数据仓库与案例推理的机组产能模型研究与应用

论文摘要

数据仓库技术是近几年的一个研究热点。作为一种优化管理、提供决策支持的企业数据解决方案,已经被许多企业采纳。 基于案例推理是对人们求解现实问题过程的一种合理描述。与传统的基于规则的系统相比,基于案例推理的系统具有简化知识获取、便于知识积累等优点。 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,结合生产计划与实时优化调度系统的开发,研究了用于冷轧薄板生产过程的机组产能模型建立技术,并建立了基于数据仓库与案例推理的机组产能模型。 本文中数据仓库系统设计采用数据驱动的方法:利用企业原有数据库系统的数据,按照分析领域(主题)对数据及数据之间的联系重新考虑,组织数据仓库中的主题,利用数据模型有效地识别数据与数据仓库中主体数据的“共同性”以及建立主题间相互联系的属性。本机组产能模型利用数据挖掘对冷轧薄板生产过程各机组的生产情况进行了分析,建立面向生产计划部门与生产管理部门的局部数据仓库(数据集市),利用企业的历史生产数据,配合现场生产人员的专家经验,建立用于案例推理方法的案例库,从而实现以历史生产数据和专家经验为依据预测机组产能。 利用该模型可以准确地预测各机组的产能。利用该技术生成的产能模型具有自学习的功能,可自动反映由于技术改进或加工品种变化等因素造成的产能变化,具有较强的适应性。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 问题背景
• 1.2 问题描述与分析
• 1.3 数据仓库技术的产生与发展
• 1.4 案例推理技术的产生与发展
• 1.5 本文主要工作
• 2 数据仓库与数据挖掘相关技术
• 2.1 数据仓库及相关技术
• 2.1.1 数据仓库
• 2.1.2 数据准备
• 2.1.3 数据仓库解决方案
• 2.2 数据挖掘
• 2.2.1 数据挖掘的定义
• 2.2.2 数据挖掘的步骤
• 2.3 本章小结
• 3 案例推理技术的相关概念
• 3.1 引言
• 3.2 案例描述
• 3.3 案例索引
• 3.4 案例存储
• 3.5 案例检索
• 3.6 案例重用
• 3.7 案例评价
• 3.8 案例修改
• 3.9 案例学习
• 3.10 案例库维护
• 3.11 基于案例推理方法小结
• 4 机组产能模型的设计和实现
• 4.1 企业概况及其生产工艺流程
• 4.2 系统架构
• 4.2.1 数据仓库和数据挖掘的结合
• 4.2.2 系统目标
• 4.2.3 系统结构
• 4.3 设计数据仓库结构实例
• 4.3.1 需求分析与粒度的设计
• 4.3.2 识别事实与维度数据
• 4.3.3 设计事实表
• 4.3.4 设计产品维度表
• 4.4 案例推理技术在产能模型中的实现
• 4.4.1 案例获取
• 4.4.2 案例检索
• 4.4.3 案例修改
• 4.5 模型预测结果分析
• 4.6 产能模型的作用与在系统中的体现
• 4.7 本章小结
• 5 总结与展望
• 参考文献
• 攻读硕士学位期间发表学术论文情况
• 致谢
• 大连理工大学学位论文版权使用授权书