1 引言
钢铁生产过程中的连铸环节对钢水状态有着严格的要求,它要保证稳定适宜的钢水温度和脱氧程度,以满足可浇注性。其中钢水的浇注温度是浇注的重要工艺参数,并且浇注温度是根据钢水的成分浮动的,它取决于钢水中所含元素的性质和含量。生产过程中还有一系列的温度都需要控制在一定的范围内,如:出钢时的降温,出钢后到钢水炉外精炼站运输过程中的温降,钢水在钢包处理过程中的温降,钢包运至中间包处的过程温降,钢水在中间包内的温降,出钢温度。只有这一过程中各个阶段的温度控制好,才能正确的确定不同钢种的浇注温度曲线。在生产初始阶段,工作人员往往很难根据原料的性质调节好连铸过程中各个阶段的温度,只能凭感觉和经验来操作,这样生产出来的产品质量不稳定,次品率高。
在钢铁企业引入MES软件之后,MES将生产过程中积累大量的生产数据存在实时数据库中,对于每一个钢材成品都可以从该实时数据库中追溯到它被加工时的各种环境数据,如连铸工艺中的各个环节的温降。本文是利用数据挖掘技术中的关联规则挖掘技术对MES实时数据库进行处理,找出钢铁加工厂中连铸工艺过程中的对于不同原料的最佳生产温度曲线,再通过在生产过程中利用该曲线来指导工人对下层控制设备的操作,以生产出最佳质量的钢铁产品。
2 生产制造执行系统与数据挖掘
MES(Manufacturing Execution System.MES)是一种生产制造执行系统,企业引进MES后,它可以监控从原材料进厂到产品的入库、出货的全部生产过程,记录生产过程产品所使用的材料、设备,产品检测的数据和结果以及产品在每个工序上生产的时间、人员、环境参数等信息。MES监控这些信息并保存至MES实时数据库中,如果对MES实时数据库的数据进行分析处理,能够得到关于生产现场的生产进度、产品品质状态以及人员、材料利用状态、设备参数最佳设置等各种有用的信息。
数据挖掘技术是指从大量的、不完全的、有噪声的、随机的实际应用数据中,提取隐含在其中的,人们事先不知道的、但又有潜在价值的规律和知识的过程。数据经过简单加工得到信息,数据挖掘则对数据进行更深入的分析,获得的将是知识或规律,对生产和经营具有更大的价值。其中关联规则挖掘是数据挖掘研究范围中最深入和利用最广泛的一个技术,它是指从大量的数据中挖掘出有价值并且能描述数据项之间相互联系的有关知识。
在钢铁生产的连铸环节中,对于不同的钢种,每个工序都有不同的温度要求,在其他外部条件相同的情况下,“钢种一特定工序的温度值一质量状况”这三者之间存在着一种必然的联系。
钢铁厂的MES中记载了每一个钢铁成品在连铸环节的各个工序的温度值以及产品质量和原材料信息,若将产品的质量状况、钢种、各个工序的温度分别作为一个属性,所以产品的属性值便构成了一个大的数据集,利用关联规则挖掘技术找寻出大项集中给定数据项之间的关系(由给定钢种的质量状况,得到其某个工序的最佳温度值),就可得到“钢种一特定工序的温度值一质量状况”这三者之间的一个关系。对连铸环节每个工序积累的数据进行关联规则的挖掘,便能得到关于该环节各个工序的一条温度控制曲线。
3 基于MES的关联规则挖掘算法的研究
生产过程中MES系统记录的数据是经采样、量化得到的时间上连续变化的数据,首先其本质上是连续的,其变化受生产状态约束;其次,生产过程的行为、特性是由许多过程变量共同决定的,且任何一个变量的变化将影响其它变量乃至生产状态的变化,即在空间上,生产过程变量具有高维数、强关联和非线性等特点。传统的关联规则挖掘主要针对的是离散、线性的事务型数据,要使之适应于处理复杂的生产过程数据,必须在实施挖掘之前对生产数据进行处理。
3.1 粗糙集的引入和数据清理
粗糙集理论RS(Rough set)是波兰数学家Z.Pawlak在1982年提出的一种分析数据的数据理论,一般用来处理不确定和不精确问题的新型数学工具,它不需要关于数据的任何先验或附加信息,而是直接从已知数据的初始决策系统出发,通过不可分辨关系和不可分辨类确定给定问题的近似域,有效地分析和处理不精确、不一致、不完整的信息,并有效地进行属性约简。生产过程是一个复杂的、随机的、不确定的和具有周期性的多样性的过程,采用传统的模型化方法,很难建模、仿真和处理。基于这样的背景,先对数据库中数据进行必要的约简,求出约简或近似约简,并在此基础上根据值约简等减少属性和个体数目,便于后面的挖掘技术的施展。
属性约简有2种方式:A.将属性的重要性作为启发式规则,按照属性的重要程度,从大Nd,逐个加入直至找到一个最小约简。B.从属性集中逐个删除影响因子为0的属性。根据生产数据的特性,本文选择第二种方式。
3.2 基于粗糙集的关联规则挖掘算法
关联规则是数据挖掘中的一种重要模式,它首先是由R.Agrawal等人于1993年提出的,用于发现事务数据库中不同商品(项)之间的联系,找出顾客购买行为模式等。关联规则挖掘算法的核心就是Apriori算法,即基于两阶段大项集思想的方法,将关联规则挖掘算法的设计分解为2个子问题:
(1) 找到所有支持度大于最小支持度的项集(Itemset),这些项集称为大项集(LargeItemset,或频繁集)。
(2) 用第1步找到的大项集产生规则。
本文针对生产执行过程,结合粗糙集的属性约简改进Apriori算法,使之适合生产过程中的知识发现和数据挖掘。以下给出相应算法Apriori_MES。
算法Apriori_MES:
输入数据集DB,条件属性集C,决策属性集D,
最小支持度min_sup。
输出符合约束条件的规则集R。
算法步骤如下:
Step1:DB'←DB;//DB'为一临时表:
Step2:根据输入的决策系统(U,Cu{d})和ind(C,{d}),置Sred(C)=φ;
Step3:根据粗糙集的属性约简算法生成简约集合Sred(C);
Step4:for每个条件属性Ci∈C
{if(Ci不属于Sred(C))
{从DB’中删除属性Ci;
C=C-{Ci};
}
};
Step5:扫描DB',确定候选1-项集;
Step6:根据最小支持度min_sup,确定频繁1-项集和L1;
Step7:k=0;
Step8:k++;
Step9:使用连接Lk-1△△Lk生产候选k-项集;
Step10:根据最小支持度min_sup,确定频繁K-项集Lk;
Step11:Lk不空则转Step8;
Stepl2:根据频繁项集Lk-1产生关联规则;
Stepl3:根据约束条件从关联规则集中选出符合条件的规则集R。
4 基于粗糙集的关联规则挖掘算法在连铸温度控制中的应用
4.1 数据仓库的建立
数据仓库的创建都是围绕主题实现的,需要尽可能将跟主题不相关的数据进行清理掉,留下关键的数据。根据研究的主题,即连铸环节中各工序的温度控制,我们分析出以下几个是对研究的问题起关键作用的数据项:
(1)钢材成品情况
产品编号、产品批次、质量状况、钢种等
(2)对应初始生产材料的相关信息
钢水成分、每种成分比例、重量等
(3)产品连铸环节各个工序对应的温度
钢种、批次、炉次、出钢温度、吹氩温度、氩后温度、进站温度、出站温度、浇注温度从MES的实时数据库中抽取上述数据,经过初步筛选,去除不完整的数学项,建立实施挖掘算法的数据仓库。
4.2实验结果
设连铸这个过程有n个工序,Tij=(Ti1,Ti2,…,Tin)表示对于第i种钢水各个工序的温度,设有m个需要温降的工序,△Tij=(△Ti1,△Ti2,…,△Tim)表示对于第i种钢水各个工序的温降度数;Tij和乃和△Tij对应于Apriori_MES算法中的要输出的规则集。D={质量状态1,质量状态2…}表示最后的生产产品的特性集合,对应Apriori算法中的决策属性集。U={U1,U2,…,Ui)表示各种不同成分的钢水对象集合,包括钢材成品情况和对应初始生产材料相关信息,U构成Apriori_MES算法中要输入的条件属性集。
对于普碳钢Q235其化学成分为表1,对经过约简后的数据仓库,实施本文的Apriori_MES算法,得出其连铸过程中的最佳温度曲线为图1,各工序最佳温降为图2。
表1 Q235的化学成分表
图1 最佳温度曲线
图2 各工序最佳温降
当外部其他条件一致时,在生产普碳钢Q235的连铸环节,操作人员按照图1和图2所示进行温度控制,所得到的成品质量整体高于以前的成品。图3显示的是经过一个星期生产的产品质量对比图,图中A表示按温度控制曲线生产出的产品质量等级概率,B表示的是按传统技艺生产出的产品质量等级概率,从图中明显可以看出A中优等产品出现的概率明显大于B中的,次品率也明显低于B中的次品率。
图3质量等级概率对比图
5 结论与展望
本文详细介绍了关联规则挖掘和MES的理论和方法,特别是对关联规则挖掘中最著名的算法Apdori进行了比较深入地研究,并且在此基础之上借鉴粗糙集的属性简约的思想,设计并实现了基于Apriori算法的改进算法-Apriori-MES算法。MES中的知识发现与数据挖掘主要针对于过程监控中的大量生产历史数据,本文主要针对钢铁生产过程中的连铸环节进行分析研究,通过对这一环节MES实时数据库中累积的数据进行关联规则的挖掘,得出一条最佳的温度曲线,然后再应用在钢铁加工厂的MES系统中,指导生产过程,对产品的质量稳定和提高起到比较明显的效果。
如何对大数据集进行更有效的属性约简以提高算法效率是我们下一步要进行的工作。除此之外,在企业MES的实时数据库中,我们还可以利用数据挖掘技术做其他更多的研究工作,为以后的生产过程提高更丰富有利的辅助。
核心关注:拓步ERP系统平台是覆盖了众多的业务领域、行业应用,蕴涵了丰富的ERP管理思想,集成了ERP软件业务管理理念,功能涉及供应链、成本、制造、CRM、HR等众多业务领域的管理,全面涵盖了企业关注ERP管理系统的核心领域,是众多中小企业信息化建设首选的ERP管理软件信赖品牌。
转载请注明出处:拓步ERP资讯网http://www.toberp.com/
本文标题:企业业务流程管理信息化ERP系统新探