基于数据挖掘技术在钢材仓储管理中的应用

牟文善

【摘要】随着中国社会的发展，我国的各项设施都在又快又好的兴盛起来。目前，管理工程项目及其管理措施已受到全社会各级阶层的重视，数据挖掘技术是社会发展的趋势，将该技术引入到钢材仓储管理中，能够提高工作效率，提高劳动生产率，促进钢材仓储管理工作的长期发展。本文通过对数据挖掘技术进行分析，结合其在钢材仓储管理中的应用，具有重要的理论和现实意义。

【关键词】数据挖掘技术 钢材仓储管理 应用

由于钢材的种类繁多，我们对于具体的仓储管理也需要进行具体的分析，由于客户分析涉及的数据比较多，分析的工作量比较大，难度相对较高，因此我们需要借助数据挖掘技术进行分析，通过数据挖掘技术找出其中的钢材规律，对于仓储管理工作产生促进作用。

一、数据挖掘含义

数据挖掘其实在本质上是一种对于决策的支持，是一个循序渐进的数据读取过程。它主要的来源是互联网技术、机器操控、数学统计学方式以及智能化的分析方式，这些构成了数据挖掘的基础。其在归纳推理的过程中挖掘出数据潜在的存在方式，并在其基础上对这些分析的数据加以衡量，为钢材仓储管理者的计划以及决策提供非常便利的支持。那么就拿现在的钢材规格来说，钢铁公司对于钢材的分析和处理只是简单的对数据加以统计，比如钢材的螺纹钢、线材钢、条纹盘例等的数据加以分析。钢材仓储管理者却可以利用这些得出来的信息统计数据，更进一步的分析其内在结构和特质，并按照钢材仓储管理者的需求对其进行剪裁，假如钢材的裁剪要求与客户的需求相一致，那么这是发挥了钢材管理的最大利益化。所以，数据挖掘技术其实就是对钢材数据的分析和归纳，并按照客户的需求将其效益最大化，实现钢材仓储管理者对钢材的科学管理。

二、实例列举

（一）确定挖掘对象及数据分析

笔者在此例中添加了一个新的形式图表结合法，可以使流程更直观的展现在大家面前，并且还运用了网上调查系统，随意在一个特定的地区收集了100名客户对于钢材的数据需求，并对其进行了具体的分析，在这些收集的数据中，笔者试图将这些数据进行归纳整理，旨在得出归纳后的数据其产生的因素可能对钢材需求产生的影响以及剪裁方式的影响。继而在很大程度上从获取来的数据对其进行有效的分析，得出相应的结果，从而帮助钢材仓储管理者进行精心的剪裁工作。

（二）相关数据收集

笔者强调收集相关数据的目的在于获取较多的关于钢材裁剪的数据，可以归结为以下两个方面：

（1）使用者的需求量调查表。其中包括使用者的标号、使用者姓名以及使用者的年需求量。

（2）使用者网上调查表。剩余的这些数据可以在网上找到，其对这些数据的计算公式，年需求量网上调查表，这些都是可以在网上能够找得到的。网上的内容也不尽相同，有的是钢材仓储的品牌，有的是盘肋钢的产地及销量，有的是钢材裁剪规格、口径以及其他相关信息。对于网络的合理使用可以达到事半功倍的效果。

（三）尺寸数据及其计算

尺寸数据采集的精确性是钢材裁剪规格的保证，对于提高钢材裁剪规格有着不可忽视的作用。在设计图纸上，设计的尺寸可以分为多种：柱轴心尺寸、净尺寸、结构墙外尺寸等，因此在计算鋼材裁剪规格尺寸，需要考虑到裁剪完成后的状况。例如：设计的钢管壁厚是5mm，再增加钢材两边粉灰层1mm，实际的厚度6mm；如果设计的钢材厚度是6mm，再增加钢材两边粉灰层1mm，实际的厚度为7mm。否则，预测的面积和实际测量的面积相差非常多；如果有些钢材的边长缺少标注的尺寸，那么可以查看结构图。如果这些钢材裁剪试用到建筑工程上，继而细化到一幢建筑物，一些平面图在楼梯、高度2.3m以上的落地窗等的尺寸经常是不精确的，所以我们需要观察楼梯详图以及落地窗等的样图。除此之外，还要认真检查设计图各个部分的结构关系，就拿建筑物的高度、走廊的宽度、平台的面积等关系来说，走廊的宽度以及建筑物楼层的高度必须超过2.2m才能计算。

三、决策树的修剪

根据上面所提到的树往往生长得太大以致对剪裁数据产生“过度”现象，反而降低了树的可理解性和可用性，也就是说这棵决策树对历史数据的模拟可能非常准确，但一旦应用到新的数据时准确性却急剧下降。因此为防止剪裁过度，就需要建立能使树在适当的时候停止生长的方法。

（一）树剪枝

当决策树创建时，由于数据中的噪声和孤立点，许多分枝反映的将是剪裁方式异常，但对最终要拿给人看的决策树来说，在建立过程中让其生长得枝繁叶茂是没有必要的，这样既降低了树的可理解性和可用性，同时也使决策树对历史数据的依赖性增大。也就是说，这棵树对历史数据可能摸拟非常准确，可一旦用到新的数据时，它的准确性将急剧下降，这种情况称为剪裁过度。为了使得到的决策树所蕴涵的规则具有普遍意义，必须防止剪裁过度，因此必须对决策树进行剪枝。

（二）树剪枝的方法

（1）先剪枝。通过提前停止树的构造来对树剪枝，一旦停止，节点成为树叶。

（2）后剪枝。这种方法的基本思想是先让决策树充分地生长，然后利用剪枝技术删除不具一般性的枝叶。

（3）代价复杂性剪枝算法。

（4）编码长度最小剪枝算法。

（5）组合式方法。

四、生成的决策树

最后生成的决策树如图所示，这和文章之前说明的数据处理过程是极其相似的。在得到数据的测试结果后，生成的决策树将会钢材仓储管理者准确把握相关数据的分析以及制定解决措施。钢材仓储管理者已经从中学习到许多知识，并能够找到有关影响每吨钢材损耗率的因素，从而改进剪裁方法，必然对钢材剪裁的损耗起到积极的作用。

五、结语

本文主要通过分析数据挖掘技术在钢材仓储管理中的具体应用，结合具体的实例为我们提供了更为直观的论证。钢材的仓储管理中数字化的应用能够在钢材的储存中减少工作程序，节省人力物力的同时也促进管理工作的开展。数字化管理能够在对客户资料分析的过程中减少流程，促进钢材仓储管理工作的开展。

参考文献：

[1]王丽珍，周丽华，陈红梅.数据仓库与数据挖掘原理及应用[M].科学出版社，2005.