（系統(tǒng)工程專業(yè)論文）數(shù)據(jù)挖掘在生產(chǎn)調(diào)度系統(tǒng)中的研究與應(yīng)用.pdf

華中科技大學(xué)碩士學(xué)位論文 摘要 近年來 隨著鋼鐵工業(yè)的競爭的加劇 降低能耗 提高產(chǎn)量和質(zhì)量成為球團(tuán)廠 生存和發(fā)展的必由之路 在球團(tuán)生產(chǎn)自動化系統(tǒng)中 調(diào)度數(shù)據(jù)庫服務(wù)器中就保留了 大量的生產(chǎn)數(shù)據(jù) 合理有效地運(yùn)用這些生產(chǎn)數(shù)據(jù)可以優(yōu)化調(diào)度提高效益 本論文的 任務(wù)就是利用現(xiàn)有的生產(chǎn)數(shù)據(jù)實(shí)現(xiàn)熟球產(chǎn)量的預(yù)測與合理得生產(chǎn)計(jì)劃 在保證產(chǎn)量 的前提下節(jié)約原料 本文首先分析了流程工業(yè)生產(chǎn)調(diào)度的特點(diǎn)和現(xiàn)存問題 回顧了生產(chǎn)調(diào)度研究的 發(fā)展和現(xiàn)狀 在此基礎(chǔ)上結(jié)合球團(tuán)廠現(xiàn)有生產(chǎn)調(diào)度的缺陷和生產(chǎn)數(shù)據(jù)的特點(diǎn) 并根 據(jù)球團(tuán)工藝 通過聚類統(tǒng)計(jì)和相關(guān)性分析提出了數(shù)據(jù)挖掘的對象即產(chǎn)量與原料用量 和質(zhì)量間的關(guān)系 隨后 考慮到單純的產(chǎn)量并不體現(xiàn)實(shí)際的生產(chǎn)狀況 提出創(chuàng)建產(chǎn) 量與質(zhì)量相結(jié)合的綜合產(chǎn)量屬性作為預(yù)測目標(biāo) 而通過對球團(tuán)廠長期的產(chǎn)品綜合質(zhì) 量的評估 得出產(chǎn)品質(zhì)量穩(wěn)定的結(jié)論 避免了創(chuàng)建新屬性 然后利用模糊神經(jīng)網(wǎng)絡(luò) 挖掘產(chǎn)量預(yù)測模型 給出產(chǎn)量與原料質(zhì)量和用量之間的對應(yīng)關(guān)系模型 實(shí)現(xiàn)了熟球 產(chǎn)量的預(yù)測 并在此基礎(chǔ)上 改變網(wǎng)絡(luò)輸入輸出 得出生產(chǎn)計(jì)劃模型 根據(jù)一定的 計(jì)劃產(chǎn)量合理安排各原料用量 本文針對大冶球團(tuán)廠生產(chǎn)數(shù)據(jù)的特點(diǎn)在眾多挖掘技術(shù)中選擇了統(tǒng)計(jì)類數(shù)據(jù)挖 掘技術(shù) 采用回歸和最4 乘法給出產(chǎn)量與原料用量的線性關(guān)系 在分析了該線性 模型的不足的基礎(chǔ)上 利用決策樹挖掘技術(shù) 加入了原料質(zhì)量指標(biāo)中對產(chǎn)量影響相 對較大的屬性 完善了產(chǎn)量預(yù)測挖掘模型 在無法確定模型中屬性的非線性關(guān)系的 情況下 引入神經(jīng)網(wǎng)絡(luò)技術(shù) 利用反向傳播神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)能力來訓(xùn)i 練模型 在最 終的模型表達(dá)中運(yùn)用模糊理論 避免了神經(jīng)網(wǎng)絡(luò)的過度擬合和不穩(wěn)定性 加強(qiáng)了模 型的適應(yīng)性和可靠性 關(guān)鍵詞 數(shù)據(jù)挖掘 流程工業(yè) 生產(chǎn)調(diào)度 模糊神經(jīng)網(wǎng)絡(luò) 華中科技大學(xué)碩士學(xué)位論文 a b s t r a c t n o w a d a y s w i t ht h ec o m p e t i t i o no f t h ei r o na n ds t e e li n d u s t r y i t st h eo n l yw a yf o r t h ep e l l e t f a c t o r y ss u r v i v i n g a n d d e v e l o p m e n t t o r e d u c i n g t h e e n e r g yc o n s u m i n g i n c r e a s i n g t h e o u t p u ta n dt h eq u a l i t i e s l o t s o fp r o d u c t i o nd a t a b a s i n g o nt h et i m e s e q u e n c er e m a i ni nt h e c o n t r o lc e n t e rd a t a b a s eo ft h ep r o d u c t i o na u t o m a t i cs y s t e m u s i n gt h e s ed a t ar e a s o n a b l ya n de f f i c i e n t l yc a r lo p t i m i z e t h es c h e d u l i n ga n di n c r e a s et h e p r o f i t s t h i st h e s i si sg o i n gt ou t i l i z et h e s ee x i s t i n gd a t a i no r d e rt of o r e c a s tt h eo u t p u t a n dd i s t r i b u t ev a r i o u sr a wm a t e r i a l sa c c o r d i n gt ot h ep r o p o s i n gp r o d u c t i o n f i r s t t h et h e s i sa n a l y z e dt h es p e c i a l t i e sa n d t h ee x i s t i n gp r o b l e m so f t h ec o n t r o l m e n t o ft h ef l o wi n d u s t r yp r o d u c i n g a n dt h e nr e v i e w e dt h ed e v e l o p m e n t sa n dt h ea c t u a ls t a t e o ft h er e s e a r c ho nt h e s u b j e c to fp r o d u c t i o nd i r e c t i o n b a s e do nt h e s ea b o v ea n di n a c c o r d a n c ew i mt h eo n g o i n gs y s t e m s b u g sa n dt h ep r o d u c t i o nd a t a sc h a r a c t e r i s t i c s t h r o u g hc l u s t e r i n gs t a t i s t i c sa n dr e l a t i v i t ya n a l y s i s as t a t i s t i c sm o d e l w a s b r o u g h tf o r w a r d t h e nip r e s e n tt h em o d e lf o rp r o d u c t i o np r e d i c t i o n s e c o n d l y d u r i n gt h ec o n s t r u c t i o no f t h i ss c h e m em o d e l a tf i r s tt h ee v a l u a t eo ft h ep r o d u c t s i n t e g r a t e dq u a l i t i e si nal o n g r a n g er e s u l t e dt h a tt h eq u a l i wi ss t a b l e f o l l o w i n g v i t l lt h eu s a g eo ft h e 慟n e u r a l n e t w o r kt h e p r o d u c t i o np r e d i c t i o n m o d e lw a s c o n s u m m a t e f i n a l l y b a s e d o nt h e p r o d u c t i o np r e d i c t i o nm o d e l a p r o d u c t i o np l a n n i n g m o d e lw a s b r o u g h to u t t h et h e s i sa i m e da tt h es p e c i a l t i e so ft h ep r o d u c t i o nd a t aa n ds ot h et e c h n i q u e so f s t a t i s t i c sd a t a m i n i n gw a sc h o o s e d a d o p t i n gt h el e a s ts q u a r ee s t i m m i o nm e t h o d t h e s t a f f s t i e sm o d e lo ft h er e l a t i o n s h i pb e t w e e nt h ei n p u t sa n do u t p u t sw a sg i v e n a st h e v a l i d a t i o no ft h i sm o d e lw a sn o tg o o d t h en e u r a ln e t w o r kt e c h n i q u e sw a si n t r o d u c e da n d t h eb pn e u r a ln e t w o r kw a su s e dt oa c h i e v et h en o n l i n e a rm o d e l i nt h ef i n a le x p r e s s i o no f t h er u l e st h ef u z z yt h e o r yw a si n t r o d u c e da n di ts u c c e s s f u l l ya v o i d st h eo v e rf i r i n ga n d t h e i n s t a b i l i t y o ft h en e u r a ln e t w o r k s oi tc o n s o l i d a t e st h em o d e l sf l e x i b i l i t ya n d r e l i a b i l i t y k e y w o r d s d a t a m i n i n g f l o wi n d u s t r y p r o d u c t i o nd i r e c t i o n f u z z y n e u r a ln e t w o r k i i 獨(dú)創(chuàng)性聲明 本人聲明所呈交的學(xué)位論文是我個人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作及 取得的研究成果 盡我所知 除文中已經(jīng)標(biāo)明引用的內(nèi)容外 本論文不包 含任何其他個人或集體已經(jīng)發(fā)表或撰寫過的研究成果 對本文的研究做出 貢獻(xiàn)的個人和集體 均已在文中以明確方式標(biāo)明 本人完全意識到本聲明 的法律結(jié)果由本人承擔(dān) 學(xué)位論文作者簽名 鋤 日期 細(xì)f 年弘月 d 曰 學(xué)位論文版權(quán)使用授權(quán)書 本學(xué)位論文作者完全了解學(xué)校有關(guān)保留 使用學(xué)位論文的規(guī)定 即 學(xué)校有權(quán)保留并向國家有關(guān)部門或機(jī)構(gòu)送交論文的復(fù)印件和電子版 允許 論文被查閱和借閱 本人授權(quán)華中科技大學(xué)可以將本學(xué)位論文的全部或部 分內(nèi)容編入有關(guān)數(shù)據(jù)庫進(jìn)行檢索 可以采用影印 縮印或掃描等復(fù)制手段 保存和匯編本學(xué)位論文 保密口 在年解密后適用本授權(quán)書 本論文屬于 不保密日 請?jiān)谝陨戏娇騼?nèi)打 4 學(xué)位論文作者簽名 拿嘵譴 日期 一y 年f 月 日 指導(dǎo)教師簽名 咖i 毛 日期 毋r 月1 日2 卅i i 華中科技大學(xué)碩士學(xué)位論文 1緒論 數(shù)據(jù)挖掘是從大型數(shù)據(jù)庫或數(shù)據(jù)倉庫中發(fā)現(xiàn)并提取隱藏在其中的信息的一種新 技術(shù) 它能自動分析數(shù)據(jù) 進(jìn)行歸納性推理 從中發(fā)掘出潛在的模式 數(shù)據(jù)挖掘技 術(shù)涉及數(shù)據(jù)庫 人工智能 統(tǒng)計(jì)分析等多種技術(shù) l 一個大中型工業(yè)企業(yè) 一般都 有大量與生產(chǎn)設(shè)備運(yùn)行相關(guān)的數(shù)據(jù) 生產(chǎn)調(diào)度更是一個基于知識的決策過程 因此 數(shù)據(jù)挖掘技術(shù)應(yīng)該在生產(chǎn)調(diào)度中有用武之地 本文主要研究數(shù)據(jù)挖掘技術(shù)在球團(tuán)生 產(chǎn)調(diào)度中的應(yīng)用 球團(tuán)生產(chǎn)是典型的流程工業(yè) 流程工業(yè)生產(chǎn)調(diào)度負(fù)責(zé)將計(jì)劃分解 并下達(dá)給各個生產(chǎn)裝置 同時還要收集 處理生產(chǎn)現(xiàn)場數(shù)據(jù) 及時地響應(yīng)各種突發(fā) 事件以保證整個生產(chǎn)工藝流程協(xié)調(diào) 均衡地運(yùn)轉(zhuǎn) 球團(tuán)生產(chǎn)調(diào)度系統(tǒng)中保存了每日 的產(chǎn)耗統(tǒng)計(jì)及質(zhì)量分析報表 通過對這些數(shù)據(jù)的挖掘利用 可以指導(dǎo)生產(chǎn)計(jì)劃 統(tǒng)計(jì)類數(shù)據(jù)挖掘工具可以在時序數(shù)據(jù)和序列數(shù)據(jù)中發(fā)揮重要作用 主要是趨勢 分析 相似性探索 與時間有關(guān)數(shù)據(jù)的序列模式挖掘和周期性模式的挖掘f 2 根據(jù) 球團(tuán)生產(chǎn)數(shù)據(jù)的特點(diǎn)和本論文的任務(wù)即利用現(xiàn)有的生產(chǎn)數(shù)據(jù)實(shí)現(xiàn)熟球產(chǎn)量的預(yù)測 調(diào)整短期生產(chǎn)計(jì)劃 我們選用統(tǒng)計(jì)類數(shù)據(jù)挖掘技術(shù) 本章簡要介紹了球團(tuán)生產(chǎn)調(diào)度系統(tǒng)研究發(fā)展和現(xiàn)狀 課題的來源和意義以及本 論文研究的重點(diǎn)內(nèi)容 1 1課題背景 本課題是以大冶球團(tuán)廠的生產(chǎn)自動化系統(tǒng)為背景的 球團(tuán)廠的主要產(chǎn)品是熟球 主要提供給武鋼作為煉鋼的原料 其生產(chǎn)狀況不僅決定了自身的發(fā)展還影響了武鋼 的生產(chǎn)和發(fā)展 迄今為止 我國鋼鐵工業(yè)一直是依靠國家政策的保護(hù)發(fā)展起來的 就是國家實(shí) 行進(jìn)口許可證制度和用征收關(guān)稅的辦法 控制國外廉價的鋼鐵產(chǎn)品進(jìn)入國內(nèi)市場 從而保護(hù)了發(fā)展中的我國鋼鐵工業(yè) 使之在少受外來干擾的環(huán)境中依托國內(nèi)市場需 求的增長麗迅速發(fā)展起來 但是 在國際貿(mào)易中 要講對等互惠原則 限制別國的 產(chǎn)品進(jìn)口 自己的產(chǎn)品出口別國也將受到限制 隨著我國經(jīng)濟(jì)發(fā)展到現(xiàn)在的水平 繼續(xù)設(shè)置貿(mào)易壁壘已經(jīng)弊大于利 加入世界貿(mào)易組織已成大勢所趨 參加世貿(mào)組織 華中科技大學(xué)碩士學(xué)位論文 就意味著國外產(chǎn)品要享受國內(nèi)待遇 就是和本國產(chǎn)品一樣的待遇 所有進(jìn)口商品的 關(guān)稅國際上一般只是3 5 而且像許可證等非關(guān)稅壁壘都要取消 就是說要搞 自由買賣 到那時候 中國的鋼鐵工業(yè)就要真正面對國際市場 從受到貿(mào)易保護(hù)到 參與國際市場競爭 這對于我國鋼鐵工業(yè)來說是一個重大的轉(zhuǎn)變 面對國際市場 中國鋼鐵工業(yè)怎么辦 1 3 目前我國鋼鐵生產(chǎn)技術(shù)經(jīng)濟(jì)指標(biāo)落后 有一下幾點(diǎn) i 能耗 我國鋼鐵生產(chǎn)能耗高 不管是煉鐵焦比和其它工序能耗都遠(yuǎn)高于國 際先進(jìn)水平 結(jié)果我國產(chǎn)1 噸鋼的綜合能耗達(dá)到1 5 噸標(biāo)準(zhǔn)煤 而在日本 生產(chǎn)i 噸鋼的綜合能耗還不到7 0 0 k g 標(biāo)準(zhǔn)煤 就是說中國產(chǎn)1 噸鋼所用的 能源相當(dāng)于日本的2 倍多 所以這項(xiàng)指標(biāo)相當(dāng)落后 2 物耗 我國鋼鐵生產(chǎn)各工序材料消耗高 鋼的成材率低 像日本 由于推 進(jìn)了全連鑄新工藝 全國平均成材率已經(jīng)達(dá)到9 5 而我國 武鋼算比較 好的 才8 6 7 全國重點(diǎn)企業(yè)平均計(jì)算大概是8 2 8 3 和日本比差 距很大 日本1 9 7 3 年最高產(chǎn)鋼1 2 億噸 當(dāng)時鋼的成材率是8 0 以上 那時候日本生產(chǎn)的鋼材還沒有它現(xiàn)在產(chǎn)鋼9 0 0 0 萬噸時多 現(xiàn)在多生產(chǎn)的鋼 材都是靠提高成材率得來的 可見 提高成材率對增產(chǎn)鋼材是有很大的潛 力的 3 勞動生產(chǎn)率 8 0 年代末 日本的鋼鐵廠全員勞動生產(chǎn)率一般是5 0 0 噸鋼 人 年 歐洲很多廠也是4 0 0 5 0 0 噸鋼 人 年 中國平均是2 0 多噸鋼 人 年 武鋼1 2 萬人 產(chǎn)鋼5 0 0 萬噸 人均勞動生產(chǎn)率是4 0 多噸鋼 人 年 比全國平均水平高 寶鋼全員是3 萬多人 去年年產(chǎn)鋼6 0 0 多萬 噸 人均2 0 0 多噸鋼 是全國最高的 實(shí)際上 勞動生產(chǎn)率的差距是我們 和西方國家差距之中最大的 4 設(shè)備壽命 作業(yè)率 我們現(xiàn)在的設(shè)備壽命 作業(yè)率也比別人低 以高爐為 例 我國高爐一般每2 3 年就要停爐中修 而國際上高爐爐役的標(biāo)準(zhǔn)水平 是8 0 年代連續(xù)生產(chǎn)8 i 0 年 現(xiàn)在是1 5 2 0 年 日本一座高爐已連續(xù)生 產(chǎn)了1 7 年 現(xiàn)在還在繼續(xù)生產(chǎn) 我們在這方面的差距也是很明顯的口j 面對鋼鐵工業(yè)中存在的以上這些缺陷 站在球團(tuán)工業(yè)的角度 可以從提高成品 華中科技大學(xué)碩士學(xué)位論文 產(chǎn)量和質(zhì)量 提高原料利用率等幾個方面改進(jìn) 而目前我國球團(tuán)生產(chǎn)企業(yè)中 對生產(chǎn)過程的實(shí)時監(jiān)控大多依然局限在車間控制 室一級 廠級的生產(chǎn)調(diào)度和操作管理仍然停留在通過電話傳遞信息及手工處理報表 的初級階段 為了更有效的指導(dǎo)生產(chǎn) 應(yīng)該建構(gòu)一個綜合決策 生產(chǎn)調(diào)度 車間管 理 過程優(yōu)化為一體的計(jì)算機(jī)集成生產(chǎn)自動化系統(tǒng) 本研究課題來源于武鋼礦業(yè)有限責(zé)任公司大冶鐵礦豎爐球團(tuán)生產(chǎn)過程自動控制 系統(tǒng) 豎爐球團(tuán)生產(chǎn)是一個集制氣 配料 烘干 潤磨 造球 布料 燒結(jié) 出料 等于一體的復(fù)雜過程 從現(xiàn)有生產(chǎn)過程來看 大冶豎爐球團(tuán)存在一些值得改進(jìn)的地 方 隨著用戶對球團(tuán)質(zhì)量要求的不斷提高及國內(nèi)外競爭的加劇 傳統(tǒng)的人工控制豎 爐球團(tuán)生產(chǎn)過程的方法已經(jīng)不能適應(yīng)生產(chǎn)發(fā)展的要求 所以 充分利用現(xiàn)代計(jì)算機(jī) 技術(shù) 網(wǎng)絡(luò)技術(shù) 檢測技術(shù)及現(xiàn)代控制技術(shù) 實(shí)現(xiàn)豎爐球團(tuán)生產(chǎn)過程的自動控制 自動監(jiān)測和最優(yōu)調(diào)度 這是實(shí)現(xiàn)球團(tuán)生產(chǎn)面對市場競爭的唯一出路 1 2課題目的及意義 本課題根據(jù)大冶球團(tuán)廠及其所屬礦業(yè)公司的生產(chǎn)狀況和發(fā)展需求 以球團(tuán)廠生 產(chǎn)綜合自動化系統(tǒng)為基礎(chǔ) 對生產(chǎn)調(diào)度數(shù)據(jù)庫中的數(shù)據(jù)進(jìn)行挖掘 通過合理有效地 利用這些生產(chǎn)數(shù)據(jù)和人工統(tǒng)計(jì)數(shù)據(jù) 建立基于產(chǎn)耗的生產(chǎn)調(diào)度系統(tǒng) 實(shí)現(xiàn)產(chǎn)量的預(yù) 測 指導(dǎo)生產(chǎn)計(jì)劃的制定 有效地進(jìn)行短期計(jì)劃調(diào)整 如何從這些大量數(shù)據(jù)中提取出隱藏在其中的有用信息的 來進(jìn)行有效的生產(chǎn)優(yōu) 化調(diào)度是本文研究的主要問題 無論是查詢 統(tǒng)計(jì)還是報表 其處理方式都是對指定的數(shù)據(jù)進(jìn)行簡單的數(shù)字處 理 而不能對這些數(shù)據(jù)所包含的內(nèi)部信息進(jìn)行提取 企業(yè)要提高競爭力 需要大量 有價值的信息來輔助決策 單單是查看一些長期累積下來的數(shù)據(jù) 并不能給企業(yè)生 產(chǎn)提供幫助 必須對數(shù)據(jù)進(jìn)行更高層次的分析 數(shù)據(jù)挖掘在生產(chǎn)調(diào)度中的應(yīng)用不但有必要 也有成功的可能 1 生產(chǎn)調(diào)度是一個決簧的過程正確的決策建立在對知識的掌握程度上 掌握的 知識越完整 越豐富 越可靠 決策的正確性就越大 它需要以集成數(shù)據(jù)為基礎(chǔ) 但現(xiàn)實(shí)中的數(shù)把往往是分散管理的且大多分布于異構(gòu)的數(shù)據(jù)平臺 數(shù)據(jù)集成不易 華中科技大學(xué)碩士學(xué)位論文 就一直試圖使這一得力工具具有更多的智能 替代更多的人力 在生產(chǎn)調(diào)度領(lǐng)域 人們希望計(jì)算機(jī)能夠 1 模仿調(diào)度專家 應(yīng)用已有的經(jīng)驗(yàn)和知識 2 模仿調(diào)度專家 學(xué)習(xí)已有的知識 3 模仿調(diào)度專家 發(fā)現(xiàn)潛在的 未知的規(guī)律 一般說來具有以下特點(diǎn)的領(lǐng)域都可以采用數(shù)據(jù)挖掘 1 1 有大量充足的相關(guān)數(shù)據(jù) 2 1 需要基于知識的決策 在大中型企業(yè) 一般都有大量與生產(chǎn)設(shè)備運(yùn)行相關(guān)的數(shù)據(jù) 生產(chǎn)調(diào)度更是一個 基午知識的決策過程 因此數(shù)據(jù)挖掘技術(shù)應(yīng)該在生產(chǎn)調(diào)度中有用武之地 但是與零售業(yè) 金融業(yè)等領(lǐng)域的信息相比 生產(chǎn)調(diào)度信息有以下特點(diǎn) 1 1 多樣性 生產(chǎn)調(diào)度信息的多樣性體現(xiàn)在以下方面 信息來源多樣 生產(chǎn)調(diào)度信息的來源很多 如它可以來自各類生產(chǎn)設(shè)備 也可來自不同的生產(chǎn)部門 還可以來自不同的地域 這些都使生產(chǎn)調(diào)度 信息多樣化 數(shù)據(jù)類型多樣 與商業(yè) 金融業(yè)等不同 生產(chǎn)調(diào)度用到的數(shù)據(jù)類型不但 有常規(guī)的整型 實(shí)型 布爾型 還有文本等類型 數(shù)據(jù)格式多樣 在生產(chǎn)調(diào)度領(lǐng)域 由于還沒有一個統(tǒng)一的數(shù)據(jù)存儲和交 換標(biāo)準(zhǔn) 使得數(shù)據(jù)格式各不相同 2 復(fù)雜性 調(diào)度信息的復(fù)雜性一方面是由于它的多樣性 另一方面是由于信息的成分 也十分復(fù)雜 在調(diào)度信息中 最多的可以說是生產(chǎn)設(shè)備數(shù)據(jù) 生產(chǎn)設(shè)備數(shù)據(jù)的 一部分來源于各類d c s 的生產(chǎn)過程中實(shí)時采集 一部分來源于生產(chǎn)相關(guān)人員的 手工輸入 還有來源于調(diào)度系統(tǒng)的自動生成 這些數(shù)據(jù)都不可避免地帶有噪聲 但這些噪聲地來源和特性是不一樣地 它們與有用信息地疊加不僅是線性疊加 還有非線性疊加 3 1 隱蔽性 有的調(diào)度規(guī)則可由相應(yīng)的調(diào)度數(shù)據(jù)中獲得 但更多情況下 調(diào)度數(shù)據(jù)與調(diào) 華中科技大學(xué)碩士學(xué)位論文 度規(guī)則間沒有必然對應(yīng)關(guān)系 這時需要數(shù)據(jù)變換和信息集成與融合 數(shù)據(jù)變換 是從不同角度來發(fā)現(xiàn)調(diào)度規(guī)則 如數(shù)量特征不明顯的規(guī)則可能在時間特征方面 一目了然 信息集成與融合是通過增加信息量使隱蔽的調(diào)度知識顯示出來 調(diào) 度知識的隱蔽性使生產(chǎn)調(diào)度中始終面臨的一個問題 多表關(guān)聯(lián)挖掘就是充分利 用信息的一個典型例子 此外 生產(chǎn)調(diào)度還有自己完整的理論和方法 并且與工程實(shí)際有著緊密的聯(lián)系 因此 數(shù)據(jù)挖掘要在生產(chǎn)調(diào)度中獲得成功應(yīng)用 專業(yè)領(lǐng)域知識使必不可少的 可見 挖掘?qū)ο蟮膹?fù)雜性和專業(yè)領(lǐng)域知識的特殊性使影響數(shù)據(jù)挖掘在生產(chǎn)調(diào)度 領(lǐng)域成功應(yīng)用的主要因素 1 4本文主要研究內(nèi)容 本文針對球團(tuán)生產(chǎn)數(shù)據(jù)的特點(diǎn) 對生產(chǎn)數(shù)據(jù)庫進(jìn)行數(shù)據(jù)挖掘從而優(yōu)化生產(chǎn)調(diào) 度 主要研究內(nèi)容有 1 1 流程工業(yè)生產(chǎn)調(diào)度的特點(diǎn)和方案 2 1 產(chǎn)量預(yù)測模型的線性回歸挖掘 3 1 挖掘原科質(zhì)量中對產(chǎn)量的影響因素 完善產(chǎn)量預(yù)測模型 4 1 利用模糊一神經(jīng)網(wǎng)絡(luò)挖掘產(chǎn)量預(yù)測模型和生產(chǎn)計(jì)劃模型 華中科技大學(xué)碩士學(xué)位論文 2 流程工業(yè)生產(chǎn)調(diào)度 本文是將數(shù)據(jù)挖掘技術(shù)應(yīng)用于流程工業(yè)生產(chǎn)調(diào)度系統(tǒng)中 所以我們首先從分析 流程工業(yè)生產(chǎn)調(diào)度的特點(diǎn)入手 進(jìn)而選擇合適的生產(chǎn)調(diào)度方案 確定數(shù)據(jù)挖掘?qū)ο?和目的 2 1流程工業(yè)生產(chǎn)調(diào)度特點(diǎn) 流程工業(yè)企業(yè)的生產(chǎn)過程具有如下的特點(diǎn) 1 1 原料處理量大 生產(chǎn)過程可以連續(xù)不間斷 2 產(chǎn)品品種相對穩(wěn)定 工藝流程基本不變 但工藝參數(shù)多變 3 生產(chǎn)控制實(shí)時性要求高 因而普遍采用了集散控制系統(tǒng) d c s 4 生產(chǎn)裝置安全 穩(wěn)定 長周期 滿負(fù)荷 優(yōu)質(zhì)運(yùn)行是企業(yè)實(shí)現(xiàn)低成本 高 利潤的關(guān)鍵 流程工業(yè)的生產(chǎn)過程的這種連續(xù)性 產(chǎn)品穩(wěn)定性 生產(chǎn)量大等特性 其產(chǎn)品常 常不是以新取勝 而是以質(zhì)量和價格取勝 因此 流程工業(yè)生產(chǎn)調(diào)度與離散工業(yè)生 產(chǎn)調(diào)度在具體的實(shí)現(xiàn)上有很大的不同 它具有如下的特征 1 1 良性結(jié)構(gòu)問題與不良結(jié)構(gòu)問題并存儲 流程工業(yè)生產(chǎn)調(diào)度問題本身是不良 結(jié)構(gòu)問題 但其中包含有良性結(jié)構(gòu)問題 例如生產(chǎn)調(diào)度中的作業(yè)計(jì)劃制定 是一個規(guī)劃問題 可以建立線性規(guī)劃模型 用線性優(yōu)化方法求解 而對于 實(shí)時調(diào)度問題 用純粹的數(shù)學(xué)方法很難求解 必須引人人工智能的理論與 方法進(jìn)行求解 2 實(shí)時性 從根本上說 任何生產(chǎn)調(diào)度都有實(shí)時性的要求 對于流程工業(yè)生 產(chǎn)調(diào)度 出于生產(chǎn)是在連續(xù)不斷的進(jìn)行之中 調(diào)度問題也隨著生產(chǎn)流程的 變化而變化 在時間上要求調(diào)度決策迅速及時 與生產(chǎn)流程保持同步 要 求滯后時間在一定的域值范圍之內(nèi) 3 全局調(diào)度與局部控制相結(jié)合 作為指揮全廠生產(chǎn)的生產(chǎn)調(diào)度管理 必須在 華中科技大學(xué)碩士學(xué)位論文 宏觀上把握生產(chǎn)的全過程 又必須對每一個車間和裝置的具體生產(chǎn)做出指 導(dǎo) 以保證生產(chǎn)高效 高質(zhì) 4 處理突發(fā)事件 保證生產(chǎn)的平穩(wěn)進(jìn)行 在實(shí)際的生產(chǎn)中 存在許多非常規(guī) 的生產(chǎn)情況 例如某項(xiàng)生產(chǎn)控制指標(biāo)超出臨界值等 要求生產(chǎn)調(diào)度能虢控 生產(chǎn)情況 分析情況 及時做出處理決策 保證生產(chǎn)的正常運(yùn)行 2 2生產(chǎn)調(diào)度的方案 習(xí)慣上 生產(chǎn)企業(yè)可按過程特征分成連續(xù)型 批量間歇型和離散型三類 這三 類企業(yè)的控制對象具有不同特性 因此數(shù)學(xué)描述不同 如連續(xù)企業(yè)多采用微分 差分 方程 離散企業(yè)則采用離散事件動態(tài)驅(qū)動系統(tǒng) d e d s 模型 以計(jì)算機(jī)集成制造 c i m s 的現(xiàn)點(diǎn)來看 各種企業(yè)都呈現(xiàn)遞階層次結(jié)構(gòu) 除對底層對象所采用的控制 方有所差異外 生產(chǎn)調(diào)度 經(jīng)營決策等層次所體現(xiàn)的特征和實(shí)現(xiàn)的功能是一致的 也就是說不會因?yàn)槠髽I(yè)生產(chǎn)過程特征的不同而分門別類地研究生產(chǎn)調(diào)度 因此 可 以從結(jié)構(gòu)共性來研究不同企業(yè)的生產(chǎn)調(diào)度問題 生產(chǎn)調(diào)度是指 產(chǎn)品在制進(jìn)過程中 在滿足各種生產(chǎn)約束 如作業(yè)優(yōu)先級 設(shè)備能力 交付日期等 的前題下 實(shí)現(xiàn)人力 材料 機(jī)器等共享資源的有效配置 及使用順序 以達(dá)到生產(chǎn)費(fèi)用最低的目的 簡單地說 生產(chǎn)調(diào)度就是在一定的時間 范圍內(nèi)為完成特定的生產(chǎn)任務(wù)而分配共享資源 并使得預(yù)定的某些生產(chǎn)指標(biāo)最優(yōu) 人們之所以對生產(chǎn)調(diào)度如此感興趣 而且不遺余力地去研究它 最根本的一個 原因是一個合理的調(diào)度方案能給企業(yè)帶來很大的經(jīng)濟(jì)效益 另外在學(xué)術(shù)上還因?yàn)樗?存在以下特點(diǎn) 1 從數(shù)學(xué)角度講 調(diào)度是一個多目標(biāo) 多約束的優(yōu)化問題 是一個n p 完全 問題 n o n p o l y n o m i a lc o m p l e t e 2 幾乎每一個生產(chǎn)環(huán)境都是唯一的 很難用一個生產(chǎn)環(huán)境的調(diào)度方案去解決 另一個生產(chǎn)環(huán)境的生產(chǎn)調(diào)度 3 1 調(diào)度領(lǐng)域知識的多樣性 4 1 生產(chǎn)環(huán)境的動態(tài)性 生產(chǎn)調(diào)度的以上特點(diǎn) 使得生產(chǎn)調(diào)度的研究具有很大的復(fù)雜性 各種調(diào)度技術(shù) 華中科技大學(xué)碩士學(xué)位論文 都有其適用條件和局限性 不存在一種通用的解決辦法 目前 求解調(diào)度的方案主 要可分為兩類 一類是基于模型的生產(chǎn)調(diào)度 另一類是基于規(guī)則的生產(chǎn)調(diào)度 本文 采用基于規(guī)則的生產(chǎn)調(diào)度 2 2 1 基于模型的生產(chǎn)調(diào)度 這種方法的求解步驟是 首先在定義調(diào)度問題的基礎(chǔ)上建立調(diào)度模型 常用的 有數(shù)學(xué)規(guī)劃模型 控制系統(tǒng)模型等 然后基于該模型運(yùn)用一定的調(diào)度算法進(jìn)行求解 這類方法的特點(diǎn)是根據(jù)一定的性能指標(biāo)進(jìn)行尋優(yōu) 對規(guī)模小 相對簡單的問題能得 到令人滿意的全局最優(yōu)解 但隨著問題規(guī)模的增大 求最優(yōu)解將變得不可行 1 數(shù)學(xué)規(guī)劃模型 叉稱資源規(guī)劃 它研究的是一種最簡化的形式 對n 種產(chǎn)品在m 個生產(chǎn)裝置完 成各自工藝而對共享資源進(jìn)行優(yōu)化達(dá)到所需目標(biāo)的最優(yōu) 這種對n x m 資源共享問 題的研究揭示了調(diào)度問題的組合特性引起的計(jì)算復(fù)雜性 它主要用來討論靜態(tài)調(diào)度 常用得數(shù)學(xué)工具有 排隊(duì)網(wǎng)絡(luò)方法 分枝定界方法 混合整數(shù)線性規(guī)劃 m i l p 模 型 混合整數(shù)非線性規(guī)劃 m i n l p 模型 多目標(biāo)決策等 這些模型的求解算法在 時間花費(fèi)上大都隨規(guī)模的增大而呈指數(shù)增長 但是數(shù)學(xué)規(guī)劃仍然是靜態(tài)生產(chǎn)調(diào)度的 主要數(shù)學(xué)依據(jù) 為了解決大規(guī)模數(shù)學(xué)規(guī)劃帶出的求解復(fù)雜問題 最近幾年 人們在數(shù)學(xué)規(guī)劃的 求解過程中引入了人工智能的方法 如遞規(guī)神經(jīng)網(wǎng)絡(luò)方法 遺傳算法 模擬退火算 法 啟發(fā)式問題求解方論 這幾種方法都是人工智能領(lǐng)域中重要的搜索算法 這一 趨勢將大力推動靜態(tài)調(diào)度數(shù)學(xué)規(guī)劃求解的發(fā)展 控制理論模型 利用控制理論來研究生產(chǎn)調(diào)度 研究對象主要是動態(tài)調(diào)度問題 它把調(diào)度系統(tǒng) 看成一個動態(tài)系統(tǒng) 資源數(shù)量 產(chǎn)品需求 生產(chǎn)能力及裝置故障信息等構(gòu)成系統(tǒng)蠟 人 產(chǎn)品在制品數(shù)量 裝置狀態(tài) 閑置 修理 準(zhǔn)備 正在加工 等構(gòu)成系統(tǒng)狀態(tài) 系統(tǒng)狀態(tài)的組合方式為控制系統(tǒng)的輸出 這一理論的一個優(yōu)點(diǎn)就是考慮了機(jī)器故障 加工失敗等意外事件的發(fā)生 這一方向有可能會有重大突破 華中科技大學(xué)碩士學(xué)位論文 2 2 2 基于規(guī)則的生產(chǎn)調(diào)度 這里的規(guī)則不僅包括調(diào)度規(guī)則 而目包括利用調(diào)度規(guī)則的規(guī)則和經(jīng)驗(yàn) 在生產(chǎn) 調(diào)度中應(yīng)用規(guī)則有兩種方式 一種是在上面討論的基于數(shù)學(xué)模型的方法中 利用啟 發(fā)式方法求解 這種方法是利用領(lǐng)域知識 引入調(diào)度規(guī)則 減小問題的求解空間 進(jìn)而大大減少了較大規(guī)模數(shù)學(xué)問題求解所花費(fèi)的時間 并且能解決一定的動態(tài)調(diào)度 問題 代價是解得的是一個可行解 而不是一個最優(yōu)解 另一種方式就是應(yīng)用于本 部分將要介紹的基于規(guī)則 而非教學(xué)模型 得生產(chǎn)調(diào)度中 這種方法完全根據(jù)一定的規(guī)則或策略來確定生產(chǎn)系統(tǒng)中的下一步操作 通過應(yīng) 用各種調(diào)度規(guī)則 能夠?yàn)榫窒抻谝?guī)則覆蓋范圍的問題產(chǎn)生合理的解決方案 這種方 法的特點(diǎn)是不必進(jìn)行大量的計(jì)算 有了合適的規(guī)則以后可以很快地生成調(diào)度方案 另 優(yōu)點(diǎn)是使動態(tài)調(diào)度問題得到了解決而動態(tài)調(diào)度是數(shù)學(xué)規(guī)劃方法的一個死角 最早的基于規(guī)則的生產(chǎn)調(diào)度是人類專家利用經(jīng)驗(yàn)知識 大量的過程基礎(chǔ)知識和 豐富的聯(lián)想能力 處理生產(chǎn)調(diào)度環(huán)境中出現(xiàn)的突發(fā)事件和其他一些不確定性問題 但出于作為專家的人的計(jì)算能力和記憶能力有限 當(dāng)問題規(guī)模較大時 也是很難解 決的 近幾年 人工智能同樣被引人基于規(guī)則的生產(chǎn)調(diào)度 用它結(jié)合人類調(diào)度專家的 經(jīng)驗(yàn) 對生產(chǎn)調(diào)度問題進(jìn)行建模并求解 這里的建模不是指建立數(shù)學(xué)模型 而是指 用人工智能中的知識表達(dá)技術(shù)表示領(lǐng)域內(nèi)的有效知識 目前常用的方法有 應(yīng)用產(chǎn) 生式規(guī)則的調(diào)度 應(yīng)用神經(jīng)網(wǎng)絡(luò)的調(diào)度 應(yīng)用p e t r i 網(wǎng)的調(diào)度以及智能決策支持的調(diào) 度 基于規(guī)則的生產(chǎn)調(diào)度方法得到越來越多應(yīng)用的同時 隨之而來的問題是如何快 速選用合適的調(diào)度規(guī)則以及如何挖掘出一些新情況下的新規(guī)則 1 應(yīng)用產(chǎn)生式規(guī)則的調(diào)度 p r o d u c t i o n r u l e s c h e d u l i n g 這種方法是把調(diào)度規(guī)則作為專家系統(tǒng)的知識 經(jīng)過扎理 一般采用模糊推理 產(chǎn)生啟發(fā)式結(jié)果提供給調(diào)度人員 由于產(chǎn)生式規(guī)則是由有經(jīng)驗(yàn)的決策管理人員和工 程技術(shù)人員總結(jié)出在的一套行之有效的經(jīng)驗(yàn)法則 是啟發(fā)式的 非常符合人們利用 經(jīng)驗(yàn)處理問題 所以目前它是最常用的知識表達(dá)和建模方法 在這方面k a n e te t a l 等研究了基于規(guī)則的專家系統(tǒng) 這一方法的優(yōu)點(diǎn)是簡單 實(shí)用 花費(fèi)的求解時間少 1 0 華中科技大學(xué)碩士學(xué)位論文 但當(dāng)系統(tǒng)規(guī)模比較大時 由于調(diào)度規(guī)則本身就涉及到大量數(shù)據(jù)的檢索 排序 以及 生產(chǎn)過程狀態(tài)的判斷等 使得規(guī)則表示的前提部分變得比較龐大 失去了規(guī)則表示 法簡單明了的特征 造成規(guī)則匹配速度慢 另外這種方法自適應(yīng)能力 學(xué)習(xí)能力 差 無法適應(yīng)動態(tài)的調(diào)度環(huán)境 為了解決匹配速度慢的問題 一些人適當(dāng)對規(guī)則進(jìn) 行分類 這樣可以更清晰地表達(dá)經(jīng)驗(yàn)知識 進(jìn)而加快規(guī)則匹配速度 但自適應(yīng)能力 差的問題仍無法解決 2 應(yīng)用神經(jīng)網(wǎng)絡(luò)的調(diào)度 由于通過訓(xùn)練學(xué)習(xí)可以使神經(jīng)網(wǎng)絡(luò)連結(jié)權(quán)上存貯大量領(lǐng)域知識 即神經(jīng)網(wǎng)絡(luò)具 有學(xué)習(xí)能力 所以神經(jīng)網(wǎng)絡(luò)被廣泛應(yīng)用于知識的表達(dá)和規(guī)則模型的建立方面 但利 用神經(jīng)網(wǎng)絡(luò)進(jìn)行建模并進(jìn)行調(diào)度求解還存在以下問題 神經(jīng)網(wǎng)絡(luò)的知識表達(dá)和學(xué)習(xí)訓(xùn)練是一對矛盾 神經(jīng)元個數(shù)較少時 雖然訓(xùn)練較 為容易 但知識表達(dá)能力太差 網(wǎng)絡(luò)大了 表過知識強(qiáng)了 但訓(xùn)練學(xué)習(xí)起來又難了 所以一般合理設(shè)計(jì)神經(jīng)元的有限個數(shù) 既能保證有效知識的表達(dá) 在生習(xí)訓(xùn)練時又 不至于過于困難 神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)都是基于現(xiàn)有知識的基礎(chǔ)之上的 學(xué)習(xí)的結(jié)果也就只是記憶了 在現(xiàn)有知識下的一種輸入 輸出映射或一種存儲模式 這樣若當(dāng)前狀態(tài)位于已學(xué)知識 之外 則現(xiàn)有的神經(jīng)網(wǎng)絡(luò)很難得到與當(dāng)前狀態(tài)相關(guān)的正確結(jié)果 所以 人們對 率經(jīng) 網(wǎng)絡(luò)的研究主要集中在較快和較為有效的學(xué)習(xí)方法和有利于再學(xué)習(xí)的網(wǎng)格結(jié)構(gòu)上 另一個問題是由神經(jīng)網(wǎng)絡(luò)的天生缺陷造成的 即網(wǎng)絡(luò)權(quán)值意義不明確 它只能 描述難以理解的大量數(shù)據(jù)之間復(fù)雜的函數(shù)關(guān)系 無法以人類語言可以接受的方式表 示出來 一旦學(xué)習(xí)結(jié)束 網(wǎng)絡(luò)的結(jié)構(gòu)和權(quán)值也就確定了 如要調(diào)整輸入和輸出的對 應(yīng)關(guān)系 不能簡單地調(diào)整一個或幾個全值 只能重新學(xué)習(xí) 集體調(diào)整 為了克服這 個缺點(diǎn) 本論文采用了一種基于神經(jīng)網(wǎng)絡(luò)的模糊推理系統(tǒng) 4 j 總之 用神經(jīng)網(wǎng)絡(luò)建立模型求解調(diào)度主要要解決的問題有 學(xué)習(xí)速度 調(diào)整知 識更清楚表達(dá)和規(guī)律再學(xué)習(xí) 本論文的任務(wù)就是利用現(xiàn)有的生產(chǎn)數(shù)據(jù)在統(tǒng)計(jì)挖掘的 基礎(chǔ)上運(yùn)用合理的推理系統(tǒng)和合適的規(guī)則獲取系統(tǒng)構(gòu)成基于產(chǎn)耗的生產(chǎn)調(diào)度系統(tǒng) 模糊推理系統(tǒng)的分散式結(jié)構(gòu)使得再學(xué)習(xí)變得容易 通過選用較快的學(xué)習(xí)算法提高推 理和學(xué)習(xí)速度 華中科技大學(xué)碩士學(xué)位論文 3 1 應(yīng)用p e t r i 網(wǎng)的調(diào)度 p e t r i 網(wǎng)作為 種圖形和數(shù)學(xué)工具 為離散事件系統(tǒng)的模型化 性能分析和設(shè)計(jì) 提供了一個統(tǒng)一的環(huán)境 p e t r i 網(wǎng)是一種特殊的雙枝有向圖 用位態(tài) p l a c e 表示系 統(tǒng)的狀態(tài)或條件 變遷表示系統(tǒng)的事件 有向狐表示狀態(tài)和事件之間的聯(lián)系 因此 用p e t r i 網(wǎng)模型化一個過程較為直觀易懂 缺點(diǎn)就是由于不同的變遷具有不同時開放 規(guī)則 所以很難用一種傳統(tǒng)的數(shù)學(xué)分析方法去分析它的狀態(tài)演變 當(dāng)系統(tǒng)規(guī)模較大 且較為復(fù)雜時 p e t r i 網(wǎng)的規(guī)模也大大增加 如此 便失去了其原有的直觀性 為了 解決這一問題 對p e t r i 網(wǎng)的分解簡約方法的研究越來越受到人們的重視 5 a 4 決策支持的生產(chǎn)調(diào)度 用人工智能的方法解決調(diào)度問題 關(guān)鍵在于如何模仿調(diào)度專家處理調(diào)度問題的 能力 雖然上面提到的基于模糊神經(jīng)網(wǎng)絡(luò)的生產(chǎn)調(diào)度系統(tǒng)能解決一些數(shù)學(xué)規(guī)劃不能 解決的調(diào)度問題 但有時出現(xiàn)的調(diào)度問題單純依靠這種人工省能的方法是解決不小 了的或解決不好的 原因在于知識庫存貯的知識較人類來講 面比較窄 借鑒能力 相對較差 另一方面雖然說計(jì)算機(jī)處理數(shù)據(jù)速度已大大提高 但就某些定性推理和 認(rèn)知方面還較人類差的遠(yuǎn) 所以人工智能的利用再加以人類調(diào)度專家的適當(dāng)指導(dǎo) 將會大大加強(qiáng)調(diào)度問題的求解能力 更好的適應(yīng)生產(chǎn)調(diào)度環(huán)境的變化 在本課題中 生產(chǎn)調(diào)度系統(tǒng)采用的框架格和人工智能結(jié)合人類調(diào)度專家指導(dǎo)的智能決策支持系 統(tǒng) 這種智能決策支持系統(tǒng)的理論基礎(chǔ)就是神經(jīng)網(wǎng)絡(luò)的規(guī)則推理和挖掘 6 l 2 3 球團(tuán)生產(chǎn)調(diào)度的過程描述 流程工業(yè)的生產(chǎn)過程具有流程連續(xù) 物流不能間斷 產(chǎn)品相對固定 生產(chǎn)操作 過程監(jiān)控要求實(shí)時性強(qiáng)等特點(diǎn) 企業(yè)生產(chǎn)以均衡物料 均衡能源 安全高效 低耗 優(yōu)質(zhì) 優(yōu)化工藝操作為目標(biāo) 工程特征大都表現(xiàn)為大范圍不確定 高度非線性 強(qiáng) 關(guān)聯(lián)性和交錯的信息結(jié)構(gòu)口l 球團(tuán)工業(yè)是典型的流程工業(yè) 建構(gòu)一個綜合決策 生產(chǎn)調(diào)度 車間管理 過程 優(yōu)化為一體的計(jì)算機(jī)集成生產(chǎn)自動化系統(tǒng) 是當(dāng)前流程工業(yè)發(fā)展的方向 而目前球團(tuán)廠對生產(chǎn)過程的實(shí)時監(jiān)控大多依然局限在車間控制室一級 廠級的 生產(chǎn)調(diào)度和操作管理仍然停留在通過電話傳遞信息及手工處理報表的初級階段 華中科技大學(xué)碩士學(xué)位論文 對這種類型的企業(yè)來說 要實(shí)現(xiàn)c i m s 就要運(yùn)用c i m s 思想 在不同時空層 次上 實(shí)現(xiàn)物質(zhì)流和信息流的綜合控制和管理 構(gòu)成一個綜合決策 生產(chǎn)調(diào)度 車 間管理 過程優(yōu)化為一體的計(jì)算機(jī)集成生產(chǎn)自動化系統(tǒng) 以球團(tuán)工業(yè)為例 其集成 框架如圖所示 r 1r r r i 煤氣出口溫ll 配料烘干造球ij 豎爐工序主要li 成品球產(chǎn)量及l(fā) l 度 流量il 主要工藝參數(shù)ii 工藝參數(shù)li 質(zhì)量分析參數(shù)l 數(shù)據(jù) 葉信息 葉知識 圖2 1 球團(tuán)生產(chǎn)信息集成框架 由圖可知球團(tuán)生產(chǎn)過程的信息集成是一種多層次 結(jié)構(gòu)錯綜復(fù)雜的系統(tǒng) 為了 實(shí)現(xiàn)球團(tuán)企業(yè)的c i m s 總體設(shè)計(jì) 針對上述的球團(tuán)企業(yè)生產(chǎn)信息集成 可將流程工 業(yè)c i m s 分為三個層次 最優(yōu)計(jì)劃決策 最優(yōu)調(diào)度和最優(yōu)控制 控制層是分秒級實(shí)時運(yùn)行的 優(yōu)化層的最優(yōu)化計(jì)算 根據(jù)工藝的實(shí)際情況 對 于優(yōu)化調(diào)度是以天或旬計(jì)算一次 而計(jì)劃是按月 季或年進(jìn)行的 應(yīng)該說 在最優(yōu) 控制 最優(yōu)調(diào)度 最優(yōu)計(jì)劃決策所有這些層次上都存在優(yōu)化問題 都可分別獲得不 同的經(jīng)濟(jì)效益 最優(yōu)控制 它是在線尋求過程的操作條件最優(yōu) 使生產(chǎn)過程處于最 優(yōu)工況附近 從而獲得經(jīng)濟(jì)效益 最優(yōu)調(diào)度 它是借助合理調(diào)度一個大型企業(yè)的原 料 中間產(chǎn)品 能源以及恰當(dāng)?shù)靥幚碓谶B續(xù)流程工業(yè)過程中出現(xiàn)的故障 保持均衡 生產(chǎn)等以尋求最大的經(jīng)濟(jì)效益 長期計(jì)劃決策是根據(jù)市場情況 訂貨合同來最佳的 組織生產(chǎn) 減少流動資金 減少庫存 最優(yōu)排產(chǎn)等來獲取最大限度的經(jīng)濟(jì)效益 生產(chǎn)調(diào)度是完成計(jì)劃 年度 季度 月 的具體措施和保證 從而保證全年利 稅指標(biāo)得以完成 同時 生產(chǎn)調(diào)度協(xié)調(diào)各生產(chǎn)裝置按照生產(chǎn)流程的順序最佳地分配 原材料 能源 使全廠生產(chǎn)效益最好 調(diào)度調(diào)優(yōu)的目標(biāo)可歸納為在給定生產(chǎn)計(jì)劃任 務(wù) 設(shè)備能力 人力 指標(biāo)的前提下 實(shí)時組織協(xié)調(diào)工藝參數(shù) 使各生產(chǎn)裝置均達(dá) 到最優(yōu) 局部最優(yōu) 同時還必須保證企業(yè)全局最優(yōu) 是流程c i m s 的關(guān)鍵技術(shù)之一 球團(tuán)生產(chǎn)調(diào)度包括三個階段 分別是作業(yè)計(jì)劃制定 現(xiàn)場生產(chǎn)調(diào)度及調(diào)度后處 理 下面分別進(jìn)行描述 1 生產(chǎn)作業(yè)計(jì)劃制定 生產(chǎn)計(jì)劃制定是根據(jù)生產(chǎn)管理層下達(dá)的月計(jì)劃生產(chǎn)指 華中科技大學(xué)碩士學(xué)位論文 標(biāo) 例如生球 熟球產(chǎn)量 成品球質(zhì)量指標(biāo)等 對月計(jì)劃進(jìn)行分解 考慮 全局優(yōu)化和局部控制 制定每日作業(yè)計(jì)劃 即具體到每日熟球產(chǎn)量及對應(yīng) 的工藝參數(shù)指標(biāo) 2 生產(chǎn)現(xiàn)場調(diào)度主要是根據(jù)日作業(yè)計(jì)劃下達(dá)生產(chǎn)指令給各車間與裝置 指導(dǎo) 全廠生產(chǎn) 并根據(jù)反饋的各項(xiàng)生產(chǎn)指標(biāo) 及時調(diào)整生產(chǎn)計(jì)劃和生產(chǎn)方案 并處理生產(chǎn)中的突發(fā)事件 3 調(diào)度后處理的主要任務(wù)是根據(jù)日作業(yè)計(jì)劃和生產(chǎn)狀況進(jìn)行各工段生產(chǎn)工藝 參數(shù)優(yōu)化 制定中間產(chǎn)品的技術(shù)指標(biāo) 如生球水分 煤氣質(zhì)量等等 文中 根據(jù)球團(tuán)調(diào)度現(xiàn)狀 將調(diào)度系統(tǒng)的實(shí)現(xiàn)重點(diǎn)放在作業(yè)計(jì)劃制定和現(xiàn)場生 產(chǎn)調(diào)度這兩個階段 2 4 球團(tuán)生產(chǎn)調(diào)度方案設(shè)計(jì) 根據(jù)以上的球團(tuán)生產(chǎn)調(diào)度的過程描述 并結(jié)合球團(tuán)廠生產(chǎn)現(xiàn)狀和現(xiàn)有的生產(chǎn)數(shù) 據(jù)庫 本文采用基于規(guī)則的生產(chǎn)調(diào)度方案 球團(tuán)調(diào)度的重點(diǎn)在作業(yè)計(jì)劃制定和現(xiàn)場 生產(chǎn)調(diào)度這兩個階段 因此本文把所要挖掘的規(guī)則定為熟球產(chǎn)量與各原料質(zhì)量和用 量之間的對應(yīng)關(guān)系 為規(guī)則簡化而更具適用性 在最終的規(guī)則表達(dá)中運(yùn)用模糊理論 將各質(zhì)量指標(biāo) 屬性由數(shù)據(jù)值型轉(zhuǎn)換為枚舉型的質(zhì)量等級屬性 運(yùn)用合理的推理系統(tǒng)和合適的規(guī)則 獲取知識構(gòu)成基于產(chǎn)耗的生產(chǎn)調(diào)度系統(tǒng) 實(shí)現(xiàn)熟球產(chǎn)量的預(yù)測和生產(chǎn)計(jì)劃的制定 在保證產(chǎn)量的前提下節(jié)約原料 2 5本章小結(jié) 本章在討論了流程工業(yè)生產(chǎn)調(diào)度特點(diǎn)的基礎(chǔ)上 分析了現(xiàn)有的求解調(diào)度的方案 及其缺點(diǎn) 并對球團(tuán)生產(chǎn)調(diào)度現(xiàn)狀和調(diào)度重點(diǎn)做出分析 確定了球團(tuán)調(diào)度的方案和 數(shù)據(jù)挖掘的對象和目的 下章將對產(chǎn)量預(yù)測模型的挖掘作詳細(xì)的闡述 4 華中科技大學(xué)碩士學(xué)位論文 3 產(chǎn)量預(yù)測模型 在球團(tuán)生產(chǎn)調(diào)度系統(tǒng)中 調(diào)度服務(wù)器數(shù)據(jù)庫中就保留了大量的時間序列的生產(chǎn) 數(shù)據(jù)和每日的產(chǎn)耗統(tǒng)計(jì)數(shù)據(jù)及質(zhì)量分析數(shù)據(jù) 最初 我們利用這些數(shù)據(jù)制定生產(chǎn)報 表 擬合主要生產(chǎn)參數(shù)變化的曲線 而這些都不能為生產(chǎn)調(diào)度提供直接的決策支持 需要從這大量數(shù)據(jù)中提取出隱藏在其中的有用信息 來發(fā)現(xiàn)現(xiàn)有數(shù)據(jù)中的關(guān)系和規(guī) 則 根據(jù)現(xiàn)有數(shù)據(jù)預(yù)測未來的發(fā)展趨勢從而采取相應(yīng)的行動 為此 我們采用了數(shù) 據(jù)挖掘技術(shù) 統(tǒng)計(jì)類數(shù)據(jù)挖掘工具可以在時序數(shù)據(jù)和序列數(shù)據(jù)中發(fā)揮重要作用 主要是趨勢 分析 相似性探索 與時間有關(guān)數(shù)據(jù)的序列模式挖掘和周期性模式的挖掘 2 1 本章結(jié)合球團(tuán)生產(chǎn)工藝過程 通過聚類分析和相關(guān)性統(tǒng)計(jì)分析提出了數(shù)據(jù)挖掘 的模型 鐵精礦用量 鐵精礦硫份和焦炭灰份與熟球產(chǎn)量之間對應(yīng)的關(guān)系 給出產(chǎn) 量預(yù)測模型 在己知各原料用量和質(zhì)量的情況下 預(yù)測產(chǎn)量 調(diào)整短期作業(yè)計(jì)劃 3 1 數(shù)據(jù)挖掘技術(shù)的選擇 與通常的數(shù)據(jù)庫管理系統(tǒng)中的數(shù)據(jù) 如商場購物數(shù)據(jù) 銀行儲蓄 貸款數(shù)據(jù)等 相 比 生產(chǎn)過程中產(chǎn)生的數(shù)據(jù)有著明顯的特點(diǎn) 主要表現(xiàn)在以下幾個方面 1 重復(fù)性 生產(chǎn)過程一般是一批一批地生產(chǎn)產(chǎn)品的 設(shè)備運(yùn)轉(zhuǎn)具有明顯的周期性 若數(shù)據(jù)采 集是按一定的時間間隔進(jìn)行 則每周期采集的數(shù)據(jù)量是一定的 2 數(shù)據(jù)的準(zhǔn)確性 生產(chǎn)過程中的數(shù)據(jù)是直接采集的不落地?cái)?shù)據(jù) 因此數(shù)據(jù)準(zhǔn)確性高 處理過程中不 必考慮數(shù)據(jù)缺省等情況 3 1 噪音數(shù)據(jù)少 過程控制中考慮到成本問題 采集的信號一般都是經(jīng)過精心選取的 因此對過程 控制沒有直接影響的信號通常是不會被采集的 華中科技大學(xué)碩士學(xué)位論文 基于以上的數(shù)據(jù)特點(diǎn)選擇統(tǒng)計(jì)類數(shù)據(jù)挖掘技術(shù)進(jìn)行產(chǎn)量預(yù)測模型的挖掘 3 2 統(tǒng)計(jì)類數(shù)據(jù)挖掘技術(shù) 數(shù)據(jù)挖掘是一個交叉學(xué)科領(lǐng)域 受多個學(xué)科影響 包括數(shù)據(jù)庫系統(tǒng) 統(tǒng)計(jì)學(xué) 機(jī)器學(xué)習(xí) 可視化和信息科學(xué) 此外 依賴于所有數(shù)據(jù)挖掘方法 以及可以使用的 其他學(xué)科的技術(shù) 如神經(jīng)網(wǎng)絡(luò) 模糊和粗略集理論 知識表示 歸納邏輯程序設(shè)計(jì) 或高性能計(jì)算 依賴于所挖掘的數(shù)據(jù)類型或給定的數(shù)據(jù)挖掘應(yīng)用 數(shù)據(jù)挖掘系統(tǒng)也 可能集成空間數(shù)據(jù)分析 信息檢索 模式識別 圖象分析 信號處理 w e b 技術(shù) 經(jīng)濟(jì) 商業(yè) 生物信息學(xué)或心理學(xué)領(lǐng)域的技術(shù) l 統(tǒng)計(jì)是數(shù)據(jù)搜集和描述數(shù)學(xué)的一個分支 在統(tǒng)計(jì)中總要涉及數(shù)據(jù) 并且常有足 夠多的數(shù)據(jù)使得普通人無法明了所有的數(shù)據(jù) 對于一般人而言 處理數(shù)以萬億比特 的數(shù)據(jù) 且要清楚數(shù)據(jù)的意義和從數(shù)據(jù)中歸納出模式 其難度是可想而知的 因此 必須借助于數(shù)學(xué)模型為手段 對這些數(shù)據(jù)進(jìn)行歸納 推斷和預(yù)測 尋找數(shù)據(jù)間的模 式 所謂數(shù)學(xué)模型 就是根據(jù)社會現(xiàn)象的內(nèi)在 外在因素變量及其相互關(guān)系 進(jìn)行 抽象和假設(shè) 構(gòu)造一個或一組反應(yīng)數(shù)量關(guān)系的數(shù)學(xué)方程式 利用數(shù)學(xué)模型 揭示事 物的內(nèi)部結(jié)構(gòu) 分析變量間的相互關(guān)系 進(jìn)行統(tǒng)計(jì)推斷和預(yù)測 統(tǒng)計(jì)學(xué)在數(shù)據(jù)樣本選擇 數(shù)據(jù)預(yù)處理及評價抽取知識的步驟中有非常重要的作 用 以往許多統(tǒng)計(jì)學(xué)的工作是針對數(shù)據(jù)和假設(shè)檢驗(yàn)的模型進(jìn)行評 8 很明顯也包括 了評價數(shù)據(jù)挖掘的結(jié)果 統(tǒng)計(jì)作為數(shù)據(jù)挖掘中的一種技術(shù)應(yīng)用是成功的 就是因?yàn)榻y(tǒng)計(jì)技術(shù)是對同樣類 型問題的在同樣情況下的應(yīng)用 例如預(yù)測 分類和發(fā)現(xiàn) 統(tǒng)計(jì)分析技術(shù)中使用的數(shù)據(jù)挖掘模型有線性分析和非線性分析 回歸分析 邏 輯回歸分析 單變量分析 多變量分析 時間序列分析 最近鄰算法和聚類分析等 技術(shù) 作為統(tǒng)計(jì)類數(shù)據(jù)挖掘技術(shù)還涉及一般數(shù)據(jù)庫中的聚集函數(shù) 數(shù)據(jù)的度量 數(shù)據(jù) 分布的圖形 數(shù)據(jù)的趨勢 數(shù)據(jù)的最近鄰和數(shù)據(jù)的聚類等 聚集函數(shù)中的c o u n t s i l r l l a v g m a x m i n 等 以及對數(shù)據(jù)進(jìn)行度量的中心趨勢 數(shù)據(jù)的離散度和統(tǒng)計(jì)類的圖 形表示工具都已成為一些成熟的數(shù)據(jù)挖掘技術(shù)i 2 j 華中科技大學(xué)碩士學(xué)位論文 3 3數(shù)據(jù)挖掘的方法 數(shù)據(jù)挖掘需要設(shè)計(jì)出一個計(jì)劃 并能夠按計(jì)劃將最初的主意變成最終的現(xiàn)實(shí) 一個數(shù)據(jù)挖掘計(jì)劃的組成如圖3 1 所示1 2 圖3 i 數(shù)據(jù)挖掘方法 1 1 分析問題 我們首先對源數(shù)據(jù)庫進(jìn)行評估以確認(rèn)其是否符合數(shù)據(jù)挖掘的標(biāo)準(zhǔn) 數(shù)據(jù)的質(zhì)量 和充足是決定數(shù)據(jù)是否合適的首要因素 然后對數(shù)據(jù)挖掘的預(yù)期結(jié)果仔細(xì)分析咀確 認(rèn)已有數(shù)據(jù)是否確實(shí)能夠得出這一類別的信息 2 提取和清洗數(shù)據(jù) 數(shù)據(jù)最初是從自身本源提取的 比如o l t p 數(shù)據(jù)庫 文件文本 a c c e s s 數(shù)據(jù)庫 以及電子表格 提取后的數(shù)據(jù)放在一個結(jié)構(gòu)上和數(shù)據(jù)模型兼容的數(shù)據(jù)倉庫中 通常 要用數(shù)據(jù)轉(zhuǎn)換服務(wù)器提取數(shù)據(jù) 以一個統(tǒng)一的格式清洗那些不一致的 不兼容的數(shù) 據(jù) 3 校驗(yàn)數(shù)據(jù) 提取和清理數(shù)據(jù)后對數(shù)據(jù)進(jìn)行檢查 以確保所有的數(shù)據(jù)是都己存在并且完整a 1 7 華中科技大學(xué)碩士學(xué)位論文 4 1 創(chuàng)建和調(diào)試模型 當(dāng)算法應(yīng)用于模型 即產(chǎn)生了一個結(jié)構(gòu) 瀏覽產(chǎn)生的數(shù)據(jù) 與源數(shù)據(jù)進(jìn)行比較 確認(rèn)它對于源數(shù)據(jù)中事實(shí)的準(zhǔn)確代表性 5 查詢數(shù)據(jù)挖掘模型數(shù)據(jù) 一旦合適的模型創(chuàng)建并生成了 該數(shù)據(jù)就可用于決策支持了 該過程通常使用 v b 或a s p 通過o l ed bf o rd a t am i n i n gp r o v i d e r 寫成的前端查詢 也可以選擇使用 能夠理解的第三方報表工具 6 維護(hù)數(shù)據(jù)挖掘模型的有效性 數(shù)據(jù)挖掘模型組裝好后 隨著時間的流逝 初始數(shù)據(jù)的特征 如粒度或有效性 都可能會發(fā)生改變 比如原先的關(guān)于原料的質(zhì)量指標(biāo)增加或減少了 也許生產(chǎn)工藝 改進(jìn)了 原模型已不再有效 此外 在進(jìn)行模型的評估和錯誤的避免中 數(shù)據(jù)的質(zhì)量尤為重要 因?yàn)閿?shù)據(jù)挖掘是通過一組數(shù)據(jù)來創(chuàng)建現(xiàn)實(shí)中的范例 所以模型的好壞在很大程 度上依賴于訓(xùn)練數(shù)據(jù)的質(zhì)量 如果實(shí)例的屬性與實(shí)際應(yīng)用中的分布狀態(tài)很接近甚至 相同 那么這個模型對于未來事件的預(yù)測是有用的 基于此 建模過程中就要確保 用于訓(xùn)練的數(shù)據(jù)能夠精確地反應(yīng)客觀世界中的數(shù)據(jù) 1 1 數(shù)據(jù)過密 運(yùn)用數(shù)據(jù)挖掘最大的收益之一是可能會由此發(fā)現(xiàn)數(shù)據(jù)中的一些以前未曾注意 到的模式 數(shù)據(jù)挖掘的這種能力使它會發(fā)現(xiàn)這樣一些模式 這些模式在充斥實(shí)例 的領(lǐng)域內(nèi)看來好像比較符合邏輯 但實(shí)際上卻純屬巧合 解決數(shù)據(jù)過密的方法有三種 決策樹修剪法 p r u n i n g x 平方分析法 c h i s q u a r e d a n a l y s i s 及交叉驗(yàn)證法 c r o s s v a l i d a t i o n 決策樹修剪法 采用決策樹算法對實(shí)例屬性信息進(jìn)行評價 排除對預(yù)測屬性影響較小的一 些屬性后建模 也可以在發(fā)現(xiàn)問題后修改所產(chǎn)生的模型 x 平方分析法 x 平方分析法是最常用的一種判斷所列實(shí)例屬性是否恰當(dāng)?shù)姆椒?它的公 式表達(dá)如下 c 2 期望值一實(shí)際值 2 期望值 華中科技大學(xué)碩士學(xué)位論文 交叉驗(yàn)證法 交叉驗(yàn)證法通過反復(fù)驗(yàn)證已知數(shù)據(jù)的子集來考察所建模型是否得當(dāng) 在驗(yàn) 證過程中不斷重新修正 測試這個模型 直到所得結(jié)果與客觀情況相符合 為止 2 1 數(shù)據(jù)過疏 另一個會引起預(yù)測誤差的原因是數(shù)據(jù)過疏 當(dāng)數(shù)據(jù)挖掘模型沒有足夠多的屬性 來支持時 數(shù)據(jù)過疏現(xiàn)象就有可能發(fā)生 尤其是當(dāng)一些可能對預(yù)測結(jié)果產(chǎn)生重大影 響的屬性由于種種原因被忽略掉時 就更容易產(chǎn)生數(shù)據(jù)過疏 3 1 測試數(shù)據(jù)模型的數(shù)據(jù)準(zhǔn)備 為了確保實(shí)際挖掘模型能夠真實(shí)地反映發(fā)展趨向 必須準(zhǔn)備一些數(shù)據(jù)來測試模 型的可行性 為此 準(zhǔn)備以下三種類型的數(shù)據(jù)