数据挖掘在EAM企业设备管理的应用论文.pdfVIP

数据挖掘在EAM企业设备管理的应用 赵爱武 关洪军 武汉理工大学资环学院 山东经济学院信管学院 摘要：数据挖掘作为海量数据的分析理解工具，能有效地从不断积累与更新的大量数据 中提取有价值的信息。因此，数据挖掘被引入到EAM设备管理，并日益受到重视。本文在 针对EAM设备管理中存在的大量台帐资料、维修物料等基础资料，分析EAM设备管理需求， 结合数据挖掘方法，以预测性维修为例，提出数据挖掘造在设备管理方面的应用。 关键词：数据挖掘；EAM；信息系统 0 00 引言 随着企业运营逐渐走向集约化、正规化，企业越来越关心自身的资产状况。资产的使用 率的高低直接影响公司的投入产出比率，因此从宏观的角度，企业管理者迫切需要了解和掌 握资产的现实状况。随着企业运营维护不断深入和规范化，维护管理人员也迫切需要设备管 理和定位跟踪的工具来辅助他们减少设备的故障率，缩短维修响应和维修工作时间，延长设 备寿命，提高仓库备件储存水平的合理性，提高采购的科学性。 本文从数据挖掘概念介绍 入手，对存在于EAM中的大量数据，提出数据挖掘在企业设备管理中的应用。 1 11 数据挖掘概述 数据挖掘，是指从大量的、有噪声的、模糊的、随机的数据中，提取隐含在其中的、 人们不知道的、但又是潜在有用的信息和知识的过程。它是数据库研究中的一个新领域，融 合了数据库、人工智能、机器学习、统计学等多个领域的理论和技术，把人们对数据的应用 从低层次的查询，提升到从数据中挖掘知识，提供决策支持的层级。 从商业角度看，数据挖掘是一种商业信息处理技术，特点是对商业数据库中的数据进行 抽取、转换、分析等，从中提取可用于辅助商业决策的关键数据。数据挖掘的目标是从大量 数据中，发现隐藏于其中的规律或数据间的关系，从而服务于决策。数据挖掘一般有以下几 类任务： 1、分类。分类分析就是通过分析样本数据库中的数据，为每个类别做出准确的描述， 或挖掘出分类规则，然后用这个分类规则对其他记录进行分类。 2、聚类。聚类是把一组个体按照相似性归成若干类别，即“物以类聚”。聚类将没有分类 的记录，在不知道应分成几类的情况下，按照数据内在的差异性，合理地划分成几类，并确 定每个记录所属类别。 3、关联分析。数据关联是数据库中存在的一类重要的可被发现的知识。若两个或多个 变量的取值之间存在某种规律性，就称为关联，关联分析的目的是找出数据库中隐藏的关联 网。 4、预测。预测是根据对象属性之过去观察值来预测该属性未来之值。数据挖掘自动在 大型数据库中寻找预测性信息。 5、偏差检测。数据库中的数据常有一些异常记录，称之为偏差。偏差包括很多潜在的 知识，如分类中的反常实例、不满足规则的特例等。 2 EAM 22 数据挖掘在EEAAMM中的应用 EAM是一个庞大复杂的系统，它以资产、设备台帐为基础，以工作单的提交、审批、执 行为主线，按照缺陷处理、计划检修、预防性维修、预测性维修几种可能模式，以提高维修 效率、降低总体维护成本为目标，将采购管理、库存管理、人力资源管理集成在一个数据充 分共享的信息系统中，同时实现信息集成和规范化管理相结合。EAM系统的引进的是先进的 管理思想，在运行过程中积累了大量的相关信息和数据，通过分析单台设备或者是关心对象 的成本消耗趋势等，提取有益的信息。历史数据形成，可通过数据的挖掘、提取、分析、对 比，将资产管理的黑洞变成数字化的管理。随着EAM数据的积累，分析价值也越来越大。 EAM积累了大量设备及故障维修信息，且信息流量十分巨大，使企业很难对这些数据进 行及时、准确的处理。为了帮助决策者快速、准确地做出决策，提高企业的运作效率，降低 维修成本、提高设备利用效率，增加收益，就需要一种新的数据分析技术来处理数据。数据 挖掘技术能帮助企业在设备信息系统管理中，及时、准确地收集和分析各种信息，对设备运 行有效的分析，及时发现设备隐患，进行预防性维修和故障及时处理，提高设备的安全稳定 运行。基于数据挖掘的EAM 是一种结合了数据挖掘和人工智能的经营决策系统，它借助 OLAP等数据挖掘分析工具,利用系统中设备信息的各项明细数据，实现对涉及设备物流和资 金流的动态跟踪与控制，通过实时在线的信息查询、统计与分析，达到对全部设备的动态全 面管理。挖掘流程如图1所示。其中，知识库里预存的挖掘所需要的知识和方法，这些知识 和方法将用于指导数据