BI：數(shù)據(jù)挖掘在質(zhì)量管理中的應用

申請免費試用、咨詢電話：400-8352-114

隨著市場競爭的日益激烈，市場已成為需求驅(qū)動的市場，客戶滿意度的提高是企業(yè)工作的重點，而質(zhì)量是衡量客戶滿意度的量度，所以，先進的質(zhì)量管理已經(jīng)成為增強企業(yè)核心競爭力中的重要一環(huán)。

針對生產(chǎn)質(zhì)量管理問題，從休哈特的統(tǒng)計質(zhì)量控制理論開始，研究人員創(chuàng)立了數(shù)十種質(zhì)量控制圖，控制對象也從一元發(fā)展到多元，但是控制圖和后來發(fā)展起來的統(tǒng)計控制診斷在質(zhì)量管理方面的主要應用是針對質(zhì)量的控制和診斷，屬于事后控制和診斷。

隨著數(shù)據(jù)倉庫和數(shù)據(jù)挖掘技術(shù)的迅猛發(fā)展，商業(yè)智能成為企業(yè)預測和決策支持的核心技術(shù)，在產(chǎn)品質(zhì)量控制、生產(chǎn)工藝流程質(zhì)量控制、故障分析和庫存管理等領(lǐng)域進行了應用，并且取得了良好的分析預測效果。

數(shù)據(jù)挖掘等商業(yè)智能方法是通用的，但由于數(shù)據(jù)有限，本文只針對質(zhì)量預測問題，把數(shù)據(jù)挖掘和數(shù)據(jù)倉庫等商業(yè)智能技術(shù)應用于生產(chǎn)管理中，在進行質(zhì)量控制和診斷的基礎(chǔ)上，嘗試應用數(shù)據(jù)挖掘進行生產(chǎn)中產(chǎn)品質(zhì)量的預測。主要解決：① 針對影響加工質(zhì)量的多個相關(guān)因素，進行各因素的權(quán)重的判定，確定哪些因素是影響質(zhì)量的關(guān)鍵因素；② 針對生產(chǎn)過程中各屬性之間復雜的內(nèi)在聯(lián)系，對質(zhì)量影響因素之間的關(guān)聯(lián)關(guān)系進行量化分析，找出生產(chǎn)安排的最佳組合或者隱患；③ 基于加工記錄的歷史數(shù)據(jù)建立質(zhì)量預測模型，模擬計劃排產(chǎn)后的產(chǎn)品質(zhì)量情況，從而根據(jù)質(zhì)量預測結(jié)果進行針對質(zhì)量的計劃排產(chǎn)的優(yōu)化，為企業(yè)提供計劃排產(chǎn)方面的決策支持。

1 數(shù)據(jù)倉庫與數(shù)據(jù)挖掘

在國際上，數(shù)據(jù)挖掘等商業(yè)智能技術(shù)主要應用于分析型客戶關(guān)系管理系統(tǒng)和生物數(shù)據(jù)挖掘等海量數(shù)據(jù)領(lǐng)域。在國內(nèi)生產(chǎn)管理方面，數(shù)據(jù)挖掘技術(shù)的應用取得了可喜進展，如寶鋼結(jié)合質(zhì)量分析應用數(shù)據(jù)挖掘技術(shù)，實現(xiàn)質(zhì)量問題的診斷，進入了把商業(yè)智能技術(shù)應用到生產(chǎn)實際的新階段。

數(shù)據(jù)挖掘應用的基礎(chǔ)是建立數(shù)據(jù)倉庫。數(shù)據(jù)倉庫之父Inmon W H把數(shù)據(jù)倉庫定義為：數(shù)據(jù)倉庫是支持管理決策過程的、針對主題式的、綜合式的、與時間有關(guān)而持久的數(shù)據(jù)集合。數(shù)據(jù)倉庫是一種管理技術(shù)，它將分布在企業(yè)中的異構(gòu)數(shù)據(jù)集成在一起，實現(xiàn)數(shù)據(jù)的采集、歸納和處理，使企業(yè)的業(yè)務(wù)工作環(huán)境和信息分析環(huán)境相分離，為數(shù)據(jù)挖掘的應用奠定堅實的基礎(chǔ)。圖1給出了從建立數(shù)據(jù)倉庫到應用數(shù)據(jù)挖掘的整個過程。

圖1 商業(yè)智能應用的整體架構(gòu)

把異構(gòu)的數(shù)據(jù)抽取、清理、轉(zhuǎn)載和更新到數(shù)據(jù)倉庫中，是企業(yè)級的商業(yè)智能應用的基礎(chǔ)，針對不同的主題建立數(shù)據(jù)倉庫后（本文是針對質(zhì)量問題），應用數(shù)據(jù)挖掘技術(shù)進行海量數(shù)據(jù)內(nèi)在聯(lián)系的發(fā)掘、建立相關(guān)主題的預測模型，指導聯(lián)機分析處理的實現(xiàn)，為企業(yè)提供決策支持。

2 數(shù)據(jù)挖掘應用于質(zhì)量管理

本文以某鋁業(yè)集團（簡稱A公司）為研究對象。A公司主要是以生產(chǎn)鋁箔為主，為了進一步提高客戶的滿意度，找出質(zhì)量的隱性影響因素，利用A公司近年積累的生產(chǎn)加工和檢驗的記錄，共計10萬余條，建立以質(zhì)量為主題的數(shù)據(jù)倉庫，針對質(zhì)量控制、診斷和預測的實際需求，利用數(shù)據(jù)挖掘中的屬性權(quán)重分析、關(guān)聯(lián)規(guī)則和分類分析分別進行質(zhì)量影響因素的量化分析，影響因素的關(guān)聯(lián)發(fā)現(xiàn)，進而建立質(zhì)量的預測模型。這些數(shù)據(jù)挖掘方法的主要用途為：

（1）屬性權(quán)重分析。通常是數(shù)據(jù)挖掘應用的第一步，用于確定數(shù)據(jù)樣本中的各個屬性取值變化對目標屬性取值的影響程度；

（2）關(guān)聯(lián)規(guī)則。在屬性權(quán)重分析的基礎(chǔ)上，挖掘?qū)傩灾g取值的關(guān)聯(lián)，明確它們之間的隱含關(guān)系；

（3）分類分析。用于離散值的預測，在以上兩個方法應用的基礎(chǔ)上，根據(jù)樣本屬性的取值，來預測樣本屬于什么分類。

2.1 建立質(zhì)量影響因素的關(guān)聯(lián)模型

2.1.1 數(shù)據(jù)準備和屬性權(quán)重分析

使用數(shù)據(jù)提取、轉(zhuǎn)換和裝載工具基于事務(wù)型數(shù)據(jù)庫建立質(zhì)量相關(guān)的主題數(shù)據(jù)倉庫，使用數(shù)據(jù)有效性過濾方法過濾掉不完整的記錄，使用數(shù)字規(guī)范化方法把質(zhì)量的檢驗結(jié)果歸納成布爾值（0不合格，1合格），在數(shù)據(jù)處理完畢后，利用屬性權(quán)重分析找出各生產(chǎn)相關(guān)的屬性影響質(zhì)量的權(quán)重（如表1所示）。

表1 屬性權(quán)重分析結(jié)果

表1中的權(quán)重是根據(jù)對應屬性取不同值時，影響加工質(zhì)量的概率統(tǒng)計。其中權(quán)重大于零的屬性被認為是與質(zhì)量相關(guān)的屬性，權(quán)重小于等于零的屬性認為是對質(zhì)量沒有影響的屬性。下面針對表1結(jié)果中權(quán)重大于零的屬性，利用關(guān)聯(lián)規(guī)則進行相關(guān)性分析，并對其數(shù)學基礎(chǔ)進行簡要介紹。

2.1.2 關(guān)聯(lián)規(guī)則基本概念

設(shè)I＝｛i1，i2，i3，…，in｝是事件全集。設(shè)集合D是事件的集合（DㄈI）。A、B是兩個事件，關(guān)聯(lián)規(guī)則是形如A→B的蘊涵式，其中A∈I，B∈I。規(guī)則A→B在事件集D中成立，具有支持度s，其中s是D中的事件包含A∪B（A和B同時發(fā)生）的概率，記為P（A∪B）。規(guī)則A→B在事件集D中具有置信度c，c是在D中包含事件A的條件下也包含B的概率，即條件概率P（B︱A）。分別記為：

Support（A→B）＝P（A∪B）Confidence（A→B）＝P（B︱A）

2.1.3 關(guān)聯(lián)規(guī)則的應用

關(guān)聯(lián)規(guī)則在應用中，考慮的是事件的存在與不存在即布爾值0或1，所以它是布爾關(guān)聯(lián)規(guī)則。

根據(jù)規(guī)則中涉及的數(shù)據(jù)維可以分為單維關(guān)聯(lián)規(guī)則和多維關(guān)聯(lián)規(guī)則。對于使用關(guān)聯(lián)規(guī)則中的項或?qū)傩悦總€只涉及一個維的方法，是單維關(guān)聯(lián)規(guī)則。

例1：WA→quality（“不合格”）：表示工人A加工的產(chǎn)品為不合格（其中支持度和置信度省略）（符號說明：PZ：軋制工序，PRA：物料圖號A，WA：工人A，CA：檢驗員A，MA表示設(shè)備A，其他類推；下文均符合這個約定）。

同樣，對于使用多個維度進行關(guān)聯(lián)的分析的方法，稱為多維關(guān)聯(lián)規(guī)則。

例2：WA∧PRK→quality（“不合格”）：表示工人A在加工產(chǎn)品K時，加工質(zhì)量不合格。

在關(guān)聯(lián)分析模型中的維數(shù)可以任意的進行指定，不過指定的維數(shù)與數(shù)據(jù)挖掘進行的速度是成反比的，而且大于3個維度的置信度將會非常小，模型具有實際意義的可能性很小。表2是一個3個維度關(guān)聯(lián)分析的運行結(jié)果，可以看到不同的屬性的組合能夠生產(chǎn)出合格產(chǎn)品的量化判定。以第一行為例：工人A在軋制工序加工圖號為A的鋁箔，產(chǎn)出合格鋁箔的置信度為97.71%，支持度為4.85?？梢钥闯龉と薃在軋制工序，加工A鋁箔操作水平比較好（97.71%的合格率）。

表2 關(guān)聯(lián)規(guī)則的3個維的運行結(jié)果

針對以上的結(jié)果還可以發(fā)現(xiàn)屬性之間微妙的聯(lián)系，例如第二、三行綜合起來可得：工人B加工相同產(chǎn)品A時，在不同的檢驗員進行檢驗的情況下，產(chǎn)品合格率相差5%。這說明：要么是工人加工水平低下，要么檢驗員檢驗結(jié)果有偏差。這為企業(yè)提供了決策支持的依據(jù)，但是這只是質(zhì)量控制和診斷的應用，都是事后補救的做法。下面將著重介紹數(shù)據(jù)挖掘在質(zhì)量預測方面的應用。