面向PLM的数据挖掘技术研究

徐河杭

摘 要：为了系统化地挖掘和利用PLM产生的大量数据，支持企业产品设计、制造、销售服务等各阶段的协调和面向PLM的决策，对面向PLM的数据挖掘技术进行研究。首先建立了一个面向产品生命周期的数据挖掘体系结构;其次研究了各层次的编码模型和字典设计;然后研究了如何快速选择数据源和数据挖掘方法模型;最后进行了面向PLM的数据挖掘系统实现和实例应用。

关键词：PLM;数据挖掘;编码模型;挖掘需求

1 引言

随着PLM（product lifecycle management，产品生命周期管理）在制造企业中的应用，对数据挖掘在制造企业的应用也提出了新的需求。郭国印进行了数据挖掘技术及其在PLM中的应用研究，主要研究了PLM系统的理论和发展，数据挖掘过程中的数据预处理方法，根据业务数据阐述了某些算法应用于PLM系统的具体思路，最后简单设计实现了PLM数据挖掘系统。其他多数数据挖掘的研究主要是从企业的某个角度或是某个层面上对一些问题进行分散和孤立的研究与应用，并没有涉及企业PLM。

如何从产品生命周期的角度，对企业各个环节的数据进行分析和挖掘，发现隐含在大量数据背后的信息和知识，将基础数据转化为满足各部门和企业领导需要的信息和知识。另一方面，面对很多不同的挖掘需求和挖掘方法，如何快速找到合适的挖掘方法和源数据，得到想要的挖掘结果。这是制造企业数据挖掘的一个重要研究方向。

2 面向PLM的数据挖掘体系结构

面向PLM的数据挖掘过程是：首先从应用需求出发，提出对挖掘结果（指标）的需求;其次是根据需求查找合适的挖掘方法和获取相关的数据;然后针对挖掘需求和经过预处理得到的数据，进行数据挖掘，得到相应的挖掘结果，满足应用需求。因此，面向PLM的数据挖掘是一个从应用需求出发，最终满足应用需求的一个闭环结构。其体系结构主要包括四层：

2.1 数据层

数据很多，主要包括产品生命周期过程中各个阶段的各种数据，如：市场数据、专利数据、设计数据、供应商数据、生产过程数据、销售数据、维修服务数据和成本数据等。

2.2 方法层

挖掘方法很多，主要包括聚类、关联规则发现、分类、多维分析、异常点分析、预测、维修预警、评价分析等各种不同的挖掘方法模型。针对不同的挖掘目标和应用，从中选择不同的方法。

2.3 结果层

数据挖掘结果很多，可以通过时间维、空间维和参数维进行分类。

2.4 应用层

应用层又可看作是需求层。数据挖掘的目的是应用其挖掘得到的结果，帮助实现企业的各种目标。应用层中的各种应用不一定来自于独立的一个阶段的挖掘结果，可能来自于不同阶段挖掘结果的集成与共享。

3 面向产品生命周期的数据挖掘编码模型

建立面向产品生命周期的数据挖掘编码模型的目的是，用较少的编码描述尽可能多的产品生命周期中的数据、数据挖掘方法、数据挖掘结果和需求的信息，并建立它们之间的联系，便于从挖掘需求出发，寻找相关的数据挖掘方法和数据源，得到相应的数据挖掘结果。主要包括数据编码模、数据挖掘方法编码模型、数据挖掘结果编码模型和数据挖掘需求编码模型。

数据的基本属性是存储在产品生命周期的不同数据库的各个数据表中的字段，对由这些基本属性组成的表或视图统一利用编码模型中的标签属性来构建源数据字典，以方便检索源数据。采用具有分类特性的助记码和唯一特性的顺序码组合的混合编码方式来对源数据进行编码。

数据挖掘方法编码模型包含模型编号、模型名称、模型类型、功能、基本方法和应用领域等等，基本方法中有相应的几种算法、相应的控制参数、输入和输出。根据数据挖掘模型（方法）的编码模型，设计数据挖掘模型字典来存储数据挖掘模型，同时把这些不同类型的模型算法编译成对应的DLL文件，供模型使用时动态加载，实现模型的共享和模型与程序的分离。

数据挖掘结果是由不同的源数据通过不同的数据挖掘方法模型得到的。因此数据挖掘结果编码模型包含数据来源、数据挖掘方法模型、应用领域、结果评价以及结果分类。

数据挖掘需求编码模型一般包含需求编号、需求名称、功能需求、数据需求、结果需求、应用领域和需求所属类别等等。

4 面向PLM的数据挖掘系统及实例应用

面向产品生命周期的数据挖掘系统结构如图1所示。首先在用户界面中输入数据挖掘需求，然后通过控制中心对数据挖掘需求中所涉及到的数据源参数和模型需求参数进行收集，然后向数据预处理模块发出数据请求，向挖掘模型模块发出模型请求，向可视化模块发出挖掘结果可视化请求，最后将数据挖掘结果以可视化的方式返回给用户。数据预处理模块根据挖掘需求，寻找所对应的数据源和相关的属性列表，对属性进行一系列操作，为数据挖掘模型提供完整、高质量的数据。挖掘方法模型模块根据挖掘需求中对模型需求的描述，根据模型字典检索数据挖掘模型库中相匹配的挖掘模型，提供合适的挖掘模型供控制中心使用。另外根据需求中对结果分类的描述将挖掘推送给有相同需求的决策者。

图1 面向产品生命周期的数据挖掘系统

以产品生命周期中的生产过程中的质量因素分析为例，首先输入数据挖掘需求。根据数据需求描述的生产过程质量数据查找数据字典中含相关属性标签的数据源，选择与质量相关的一些基本属性，并对其做进一步处理，如删除空值项或离散化等。然后根据功能需求等选择关联通用模型及其算法做质量属性的关联分析。最终得到质量相关因素的关联挖掘结果。并对所挖掘得到的结果进行评价。同时可以将此结果发送给制造部门和设计部门的员工和领导，以便制造部门更好地进行质量控制，设计部门在设计过程中考虑零件的结构和工艺问题。

5 结语

本文在企业PLM需求和应用的基础上，首先提出了一个面向PLM的数据挖掘体系结构。其次根据体系结构中的数据层、方法层、结果层和需求层各构建设计了其相应的编码模型和字典。然后根据各层次字典间的联系和其关键字的相关匹配度，快速查找数据源和选择挖掘方法模型。最后开发了一个面向PLM的数据挖掘系统并进行了实例应用，可以将挖掘结果直接推送给有需要的决策者，提高产品生命周期中知识的共享和集成，帮助不同部门的领导集成其它部门的挖掘知识进行决策，加大产品生命周期内各阶段的协调和优化。

参考文献：

[1] 景旭文，易红，赵良才.基于数据挖掘的产品概念设计建模研究[J].计算机集成制造系统-CIMS.2003（11）：950-954.

[2] 景旭文，赵良才，易红.产品动态全息概念设计模型的研究[J].华东船舶工业学院学报： 自然科学版.2002（05）：61-66.

[3] 李飞，黄亚楼，刘丽君.数据挖掘中知识管理与表达系统的设计与实现[J].计算机工程与应用.2001（14）：25-28.

[4] 严隽琪，蒋祖华，马登哲.基于全息产品建模的虚拟加工[J].计算机集成制造系统-CIMS.2000（05）：18-22.

[5] 乌兰木其，邓家褆.现代产品设计方法及其演进[J].机械工程学报.

2000（05）：1-6.

[6] 赵良才，景旭文，鲁泳.基于智能体技术的计算机辅助概念设计研究[J].华东船舶工业学院学报.2000（02）：51-56.