随着制造业中各类信息系统的广泛应用,产生了大量数据。在这些数据的背后还隐藏着许多重要的信息,而这些重要信息可以很好地支持企业高层管理者的决策。因此人们不再满足于数据库的简单查询功能,提出了更深层次的问题能不能有效地从已有的数据中提取信息或知识为决策服务针对这个问题,传统的数据库技术已显得力不从心,传统的数据统计分析技术也面临着极大的挑战。此时急需有新的方法来处理这些海量数据。于是,人们结合统计学、数据库、机器学习等技术,提出了数据挖掘技术。

     产品生命周期管理 的发展和需求当前制造业信息化正在从产品生命周期分阶段的信息化向方向发展。最初的产品生命周期概念是指产品的市场寿命一种新产品从开始进入市场到被市场淘汰的过程,分为介绍期、增长期、成熟期和衰退期四个阶段,如今已扩展到包含市场研究→需求分析→设计→采购→生产制造→销售→售后服务→报废回收等多个阶段的全生命周期概念。
 
    为此,人们提出了的理念,要求从产品全生命周期的范围管理和优化产品成本、时间和质量要素,并出现了各种系统的观点,是一种极具潜力的商业战略,它主要解决企业如何在一个可持续发展的基础上,开发和交付创新产品所关联的所有重大问题。
 
    包括了充分利用产品全生命周期的产品智力资产来实现产品创新的最大化,改善产品研发的速度和敏捷性。增强产品交付的客户化和为客户量身定做产品的能力,以便最大限度地满足客户的需求。
 
    数据挖掘正好可以为企业提供更多的智力资产。理论及其系统的出现拓宽了数据挖掘在企业的需求和应用范围,扩大了数据挖掘的对象和服务范围,帮助企业提供面向整个产品生命周期的决策知识及共享知识。
 
    面向的数据挖掘技术需求当今,可谓为世界制造业的鼎盛时期,产品需求越来越个性化生命周期越来越短,更新速度越来越快。单纯的数据共享和各部门各自为政的管理模式已经不能满足企业快速响应市场和激烈的市场竞争的需要。
 
    制造型企业需要产品全生命周期内的不同部门、不同系统的信息集成,相互了解,协同工作。例如研发部门需要市场部门提供市场信息,指导设计适合市场需要的产品设计部门需要与制造、维修部门沟通,提高产品设计的可制造性和可维修性制造部门通过销售部门的预测数据来进行计划排产等等。各部门之间的交互信息很大程度上来自于数据挖掘所获得的知识,因此需要面向的集成的数据挖掘,实现企业产品全生命周期内的知识共享,如图所示。
 
    面向的数据挖掘主要包括①企业各阶段部门内部的知识发现如设计部门利用已有的设计知识支持快速设计,提高设计知识的重用性,制造部门利用生产历史数据发现生产质量关联因素,提高产品质量,销售部门通过对客户的分类,更好地制定营销计划等②面向企业各阶段部门的数据集成挖掘如集成整个产品全生命周期的成本或质量数据,进行产品生命周期的成本挖掘和质量挖掘等③企业各阶段部门间的数据挖掘结果的集成共享如设计部门集成销售市场部门的客户需求挖掘结果,支持创新研发设计制造部门集成销售部门的预测结果和实际订单信息,制定生产计划设计部门集成服务部门的易损坏维修零部件挖掘结果,有意识地选择零部件等。

    面向的数据挖掘的特点是新的知识发现在产品生命周期中,需要利用各个阶段的数据源或集成的数据源发现新的决策知识,支持企业决策,如产品设计、生产、使用和维修过程中的质量相关因素的发现等等更完整的数据源在数据挖掘过程中,可以集成整个产品生命周期过程中的所有数据,比普通的某一阶段或某一过程数据更加完整,如集成整个产品生命周期的成本质量数据,进行生命周期成本质量分析与挖掘等等满足新的需求如目前越来越多的制造企业开展产品服务,需要对产品生命周期的全成本质量控制负责,为此,需要进行产品的生命周期成本质量分析与挖掘。
 
    目前大多数数据挖掘只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或孤立的研究和应用,如利用数据挖掘技术解决某一个业务问题,缺少一种面向中不同业务问题的整体解决方案。企业数据掌握者与数据挖掘结果需求者之间往往不是同一人,甚至不是同一部门的人。
 
    于是往往造成这样一种局面掌握企业数据的人不知道该数据有什么用,束之高阁,浪费了大量宝贵资源需要数据挖掘结果的人不知道从何处可以得到这些结果,并且往往由于没有这些结果的支持,在决策中处于被动地位。因此需要研究企业数据与数据挖掘结果的集成问题。中众多的数据、数据挖掘方法模型和挖掘需求,让数据提供者、数据应用者不知所措。
 
这是因为
    ①数据挖掘方法模型很多,对企业不同的业务有不同的适用程度
    ②数据挖掘方法模型对数据需求程度不同,由不同数据所得到的挖掘结果不同
    ③由特定的数据可以挖掘得到不同的结果,对不同的业务有不同的用处
    ④中不同数据的组合分析方案很多。
 
    因此需要有一种系统的方法帮助企业快速找到数据、数据挖掘方法模型和挖掘需求的最佳匹配。由于很多企业还没有实施系统,如何在现有的不同信息管理系统的基础上利用数据挖掘技术来解决企业面向的实际需求,尚需进一步研究。
 
    由于现有的数据挖掘算法偏重理论研究,在实际应用过程中存在诸多问题。为了提高数据挖掘系统的可用性、可扩展性和高效性,需要对一些数据挖掘算法进行改进,或者探索新的挖掘算法,以适应不同商业环境下的实际数据的挖掘。
 
    因此,如何从面向的角度,设计一个企业级的数据挖掘体系,对企业各个环节的数据进行集成分析与挖掘,发现隐含在大量数据背后的信息、和知识,并将中的基础数据转化为满足各部门以及企业管理者需要的信息和知识,支持他们的决策。这是制造企业数据挖掘的一个重要研究方向,也是数据挖掘技术在制造企业应用过程中所面对的一个重要问题。