数据挖掘技术在流程制造工艺优化中的应用分析

摘 要：如今，信息数据已经成为各行各业发展过程中不可或缺的重要资源。数据挖掘技术也应运而生，被广泛应用于商业、工商管理、信息工程等众多行业。然而，仅有企业管理、运营环节应用到了数据挖掘技术，而企业的生产环节还未涉及。本文以数据挖掘的概念为切入点，分析了流程制造业数据挖掘的关键问题，最后提出了数据挖掘技术在流程制造工艺领域的数据应用技术方向，以优化、完善流程制造工艺。

关键词：数据挖掘技术；流程制造；工艺优化

一、数据挖掘技术的内容

人工智能、大数据、云计算技术不断发展、普及，数据挖掘正是这些新兴技术的衍生品。所以说，数据挖掘技术是非常新颖的，同时，它又涵盖了众多学科的知识，学术界至今未能给予它标准的概念，但是通常来说，数据挖掘就是对现有的已知数据中进行深度挖掘，从中找到隐含的、深层次的、有效的信息数据，研究数据中暗含的规律来预测未来，数据挖掘所得的数据应及时存储，放入数据库中方便及时调取数据、修改数据。总之，数据挖掘技术的意义就是帮助企业从海量的历史数据中筛选出一些有用信息，从而使得企业的生产、经营、管理活动能够有数据可利用、可参考，最终保障决策的科学性、正确性。

二、流程制造业数据挖掘的问题分析

随着时代的发展进步，流程制造业的生产过程也更加复杂、繁琐，流程制造的工艺也逐渐发展演进，各种先进工艺被大量应用。在流程制造工艺中，一直存在产品的设计知识数据重用率低的情况，海量的数据从辛苦搜寻到加工处理，仅使用一次就被抛弃了，这样一来，产品配置设计和变形设计难以顺利落实，每个产品的设计周期甚至也会延长，设计效率低下是流程制造业的重大问题。此外，流程制造业的发展演进需要多个环节的支持，尤其是诊断分析、监管控制、优化配置等环节，其决策非常需要有用数据的支撑，但是根据实际情况，流程制造业的决策往往是缺乏数据支撑的，这样一来，决策的正确性难以得到保证，流程制造业综合自动化系统性能也大大削弱，难以顺利优化升级。面对上述两大问题，流程制造业急需筛选海量信息数据，提取出有用信息，使得信息能夠被重复利用，提高利用率，这样也能挖掘出深层次的、有用的信息，为决策者的未来决策工作提供参考与指导。

三、数据挖掘技术在流程制造工艺优化中的应用策略

（一）提升数据的质量和数量

数据挖掘技术是目前国内外研究的一个热点。目前，数据挖掘技术在流程制造工艺中的应用问题较多，最突出的就是数据的数量问题、质量问题。为了使得流程制造工艺得以优化升级，首先，要完善信息数据库，广泛应用数据挖掘技术，使得潜在信息被充分挖掘、全面展露，具体来说，需要广泛搜罗信息，不仅要手机公开发布的信息，还要尽可能收集到未公开发布的信息，有了海量的信息后，需要精挑细选，选择优质数据，并深入挖掘，数据越充足，越有助于发现系统的一般性规律。此外，数据挖掘技术不能只重量，还要重视质。因为数据是否准确有效直接关系到建模和分析是否有效。但是，由于以往我国许多行业都不重视数据资料的收集，现存的数据也可能不是真实的数据，加上一些数据库有加密系统，数据搜集的难度也加大，为了使得数据挖掘技术更好地应用于流程制造工艺中，不可忽视数据的质量问题、数量问题。

（二）建立数据仓库

数据挖掘技术可以说是一种从数据库中发现有用而未发现的模式的技术，基于数据挖掘技术的这种特性，该技术与数据仓库合作，将能产生1+1>2的良好效果。但在实际应用中，流程制造业的人员认为数据挖掘技术本就与大数据一衣带水，因此也就不需要数据仓库了，但与数据仓库隔绝的数据挖掘技术难以全面、彻底地发挥自身效能，也不能尽快筛选出有用信息，提升应用效率。而数据仓库能够弥补数据挖掘技术的不足，两者紧密合作才能做好集成数据选择工作，才能做好数据分析工作，可以说，数据挖掘技术结合数据仓库正如如虎添翼一般，极大地激发数据挖掘技术的潜能和价值。

此外，数据仓库还能使得数掘挖掘技术的手伸展到其他领域。数据仓库也具有数据收集、存储、管理功能，它与数据挖掘技术结合，这样数据挖掘技术就不用再进行上述工作，就能更加专注于数据深度挖掘工作，有更多时间发掘有用数据。最后，数据挖掘技术反过来还能帮助数据仓库提高决策效率和正确度，推动数据仓库技术的进步。总之，数据挖掘技术和数据仓库技术联合，能够相互促进、共同发展，更好地应用于流程制造工艺优化。

（三）选择合适的数据挖掘方法

随着科技的进步，数据挖掘也增添了许多方法，面对多种多样的数据挖掘方式，如何选择契合的方式成为流程制造工艺不得不解决的问题。此外，不同的人挖掘同样一批数据很可能得出不同的结论，很可能筛选出截然不同的数据，在这种情况下，需要科学选择分析方法。首先，数据挖掘技术包括神经网络、统计分析、决策树、遗传算法等多种方法，而神经网络、决策树、遗传算法等方式往往用来解决分类问题；回归分析、统计分析等方式往往用来进行规律预测。流程制度工艺应用数据挖掘技术时，一定要先了解上述方法的侧重点，知悉其基本原理、其长处和不足，在了解清楚情况后才可能选择合适的数据挖掘方法。

（四）建立数据挖掘模型

流程制造工艺实际应用数据挖掘技术时，要先选择应用模式，看数据挖掘方法是需要直接应用还是需要建模嵌入的开发应用。数据挖掘模型是数据挖掘算法的实际应用，在流程制造过程中，应用数据挖掘技术还需要根据流程制造业工艺制造过程中产生的数据特点及挖掘的目标来确定与之契合的数据挖掘算法。

四、结语

数据挖掘技术已经成为全球研究的热点，该技术目前在市场推广、客户分析、购物关联领域有了广泛应用，并为企业解决了的商业信息难题，我认为数据挖掘技术应用于流程制造业同样能解决生产流程的遗留问题，但是流程制造工艺应用数据挖掘技术的案例较少，大多停留在理论研究阶段，在这种情况下，我建议数据挖掘技术多向流程制造业靠拢，多进行实践，这样才能实现数据挖掘技术在流程制造工艺中的更好应用，为流程制造工艺提供数据支持，最终全面发挥出数据挖掘技术的综合实力。

参考文献 ：

[1]王娟，梁立星，武璠，等.数据挖掘技术在数字化油气藏研究与决策中的应用[J]. 钻采工艺， 2018， v.41；No.204（3）：118-120.

[2]张辰枝.大数据环境下基于数据挖掘技术的高校科研管理系统的设计研究[J]. 网络安全技术与应用， 2018， No.209（05）：32-33.

[3]崔治国，曹勇，魏景姝，等.数据挖掘技术在建筑暖通空调领域的研究应用进展[J]. 建筑科学， 2018， 34（4）：85-97.

作者简介：

耿治卫 ，出生年月：19860919，性别：男，民族：汉，籍贯（精确到市）：辽宁省瓦房店市.