專利名稱：一種復(fù)雜工業(yè)生產(chǎn)智能系統(tǒng)及其構(gòu)造方法
技術(shù)領(lǐng)域：
本發(fā)明屬于一種工業(yè)生產(chǎn)人工智能系統(tǒng)及一種工業(yè)生產(chǎn)人工智能系統(tǒng)的構(gòu)造方法。
背景技術(shù)：
人工智能是計算機(jī)科學(xué)、信息論、控制論、仿生學(xué)、心理學(xué)、數(shù)理邏輯、語言學(xué)和哲學(xué) 等多門學(xué)科相互滲透而發(fā)展起來的一門綜合性學(xué)科，其本質(zhì)是研究、開發(fā)用于模擬、延伸和 擴(kuò)展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)。因此，實(shí)用智能系統(tǒng)的研究從人工智能學(xué)科 興起的初期，就一直是該領(lǐng)域內(nèi)最核心、最活躍的分支之一。
所謂智能系統(tǒng)是具有專家解決問題能力的計算機(jī)程序系統(tǒng)，能運(yùn)用大量領(lǐng)域?qū)＜宜降?知識與經(jīng)驗(yàn)，模擬領(lǐng)域?qū)＜医鉀Q問題的思維過程進(jìn)行推理判斷，有效地處理復(fù)雜問題。智能 基于知識，信息有序化成為知識，智能系統(tǒng)要研究知識的表示、獲取、發(fā)現(xiàn)、保存、傳播、 使用的方法和有效手段；智能存在于系統(tǒng)中，系統(tǒng)是由部件組成的有序整體，智能系統(tǒng)要研 究系統(tǒng)結(jié)構(gòu)、組織原理、協(xié)同策略、進(jìn)化機(jī)制、性能評價等。
商業(yè)智能系統(tǒng)是近年來逐漸興起的新型智能系統(tǒng)，主要由三部分組成數(shù)據(jù)倉庫、多維
分析、數(shù)據(jù)挖掘，已廣泛應(yīng)用于銀行、超市等領(lǐng)域，并產(chǎn)生了可觀的經(jīng)濟(jì)效益。但據(jù)目前資 料顯示，真正把數(shù)據(jù)倉庫、多維分析和數(shù)據(jù)挖掘應(yīng)用于工業(yè)生產(chǎn)領(lǐng)域，并產(chǎn)生重大效益的案 例實(shí)屬罕見，這也往往是商業(yè)智能在工業(yè)生產(chǎn)領(lǐng)域的應(yīng)用研究受質(zhì)疑的原因所在。
六西格是一種專注于過程的戰(zhàn)略和方法論，是應(yīng)用于生產(chǎn)經(jīng)營的持續(xù)改進(jìn)方法。通用電 氣、雷尼韋爾、摩托羅拉、杜邦、美國運(yùn)通、相特以及很多其他大大小小的公司， 一直在使 用這種方法以改善經(jīng)營業(yè)績，并因此節(jié)約了至少數(shù)百萬美元的經(jīng)營成本。六西格瑪?shù)年P(guān)鍵思
想是通過過程改進(jìn)以提高顧客滿態(tài)度從而增加收益。六西格瑪在1987年由摩托羅拉公司創(chuàng)立 ，并在20世紀(jì)90年代得到迅速普及，并廣泛應(yīng)用至今。六西格瑪最初的含義是建立在統(tǒng)計學(xué) 中最常見的正態(tài)分布基礎(chǔ)上的，它考慮了1.5倍的漂移，這樣落在六西格瑪外的概率只有百 萬分之三點(diǎn)四?？梢远x六西格瑪為過程或產(chǎn)品業(yè)績的一個統(tǒng)計量，是業(yè)績改進(jìn)趨于完美的 一個目標(biāo)。

發(fā)明內(nèi)容
為拓展商業(yè)智能的應(yīng)用范圍，提高工業(yè)生產(chǎn)的智能化水平，本發(fā)明的目的是借鑒商業(yè)智 能的核心理念，并結(jié)合工業(yè)生產(chǎn)領(lǐng)域自身的特點(diǎn)，提供面向復(fù)雜工業(yè)生產(chǎn)的智能系統(tǒng)構(gòu)造方法。
本發(fā)明是這樣實(shí)現(xiàn)的 一種復(fù)雜工業(yè)生產(chǎn)智能系統(tǒng)，其特征在于它包括由計算機(jī)網(wǎng)絡(luò)聯(lián) 系的以下部分
在線采集各數(shù)據(jù)源工業(yè)生產(chǎn)數(shù)據(jù)的一組基層計算機(jī)；
通過計算機(jī)網(wǎng)絡(luò)接收各基層計算機(jī)的工業(yè)生產(chǎn)數(shù)據(jù)、應(yīng)用儲存器中的判異模塊對接收的 工業(yè)生產(chǎn)數(shù)據(jù)進(jìn)行數(shù)據(jù)抽取、轉(zhuǎn)換、加載的中層服務(wù)器；
通過計算機(jī)網(wǎng)絡(luò)接收中層服務(wù)器的受控數(shù)據(jù)、應(yīng)用儲存器中的六西格瑪子系統(tǒng)進(jìn)行數(shù)據(jù) 挖掘、多維分析、經(jīng)過模糊專家子系統(tǒng)推理的高層子系統(tǒng)計算機(jī)，高層子系統(tǒng)計算機(jī)的存儲 器中存儲有真實(shí)數(shù)據(jù)庫、多維分析子系統(tǒng)、數(shù)據(jù)挖掘子系統(tǒng)、模糊專家子系統(tǒng)及貫穿于這三 個子系統(tǒng)的六西格瑪子系統(tǒng)，高層子系統(tǒng)計算機(jī)的中央處理器對存儲器進(jìn)行控制；
用于輸出動態(tài)報表和統(tǒng)計分析圖表的打印機(jī)。
所述計算機(jī)網(wǎng)絡(luò)是局域網(wǎng)或互聯(lián)網(wǎng)。
一種復(fù)雜工業(yè)生產(chǎn)智能系統(tǒng)的構(gòu)造方法，其特征在于方法步驟如下 步驟l、利用基層計算機(jī)在線采集工業(yè)生產(chǎn)數(shù)據(jù)；
步驟2、利用中層服務(wù)器和儲存器中的判異模塊，對原始生產(chǎn)數(shù)據(jù)進(jìn)行清洗、抽取、轉(zhuǎn) 換、加載，把數(shù)據(jù)分為受控數(shù)據(jù)和異常數(shù)據(jù)兩部分；
步驟3、利用高層子系統(tǒng)計算機(jī)和儲存器中的六西格瑪子系統(tǒng)，將受控數(shù)據(jù)輸入多維分 析子系統(tǒng)，多維分析子系統(tǒng)對新采集的數(shù)據(jù)做統(tǒng)計過程控制，若多維分析結(jié)果所形成的數(shù)據(jù) 基礎(chǔ)定義與模糊專家子系統(tǒng)原有的基礎(chǔ)定義差別較大，則根據(jù)多維分析結(jié)果修改模糊專家子 系統(tǒng)的數(shù)據(jù)的基礎(chǔ)定義；
模糊專家子系統(tǒng)利用基礎(chǔ)知識庫進(jìn)行模糊推理，利用受控數(shù)據(jù)對推理得到的規(guī)則進(jìn)行驗(yàn) 證，根據(jù)規(guī)則形成指導(dǎo)生產(chǎn)的當(dāng)日決策和兩日決策，將當(dāng)日決策和兩日決策在多維分析子系 統(tǒng)中展示；
模糊專家子系統(tǒng)的基礎(chǔ)知識庫作為領(lǐng)域知識參加到數(shù)據(jù)挖掘子系統(tǒng)中，數(shù)據(jù)挖掘子系統(tǒng) 根據(jù)多維分析子系統(tǒng)的結(jié)果形成新的猜想，作為數(shù)據(jù)挖掘子系統(tǒng)進(jìn)行挖掘的目標(biāo)，數(shù)據(jù)挖掘 子系統(tǒng)根據(jù)歷史數(shù)據(jù)和多維分析子系統(tǒng)提供的最新數(shù)據(jù)，選擇挖掘算法，發(fā)現(xiàn)新的知識，數(shù) 據(jù)挖掘子系統(tǒng)從被六西格瑪子系統(tǒng)判定為異常的數(shù)據(jù)中挖掘孤立點(diǎn)，從而在今后的生產(chǎn)中最 大限度地避免類似錯誤的發(fā)生；
數(shù)據(jù)挖掘子系統(tǒng)將新挖掘得到的知識納入到模糊專家子系統(tǒng)的基礎(chǔ)知識庫輔助推理； 數(shù)據(jù)挖掘子系統(tǒng)將新挖掘得到的知識用多維分析子系統(tǒng)進(jìn)行展示。
7所述多維分析子系統(tǒng)包括單因素單對象分析模塊、單因素多對象分析模塊、多因素單 對象分析模塊、多因素多對象分析模塊和生成各種單因素單對象分析、單因素多對象分析、 多因素單對象分析、多因素多對象分析的動態(tài)報表和統(tǒng)計分析圖表；
多維分析子系統(tǒng)從不同的維度展現(xiàn)數(shù)據(jù)，從而直觀地輔助決策者制定決策；輔助構(gòu)建模 糊子專家系統(tǒng)基礎(chǔ)定義；輔助數(shù)據(jù)挖掘子系統(tǒng)發(fā)現(xiàn)猜想，確立目標(biāo)，提高數(shù)據(jù)挖掘的效率。
所述一種復(fù)雜工業(yè)生產(chǎn)智能系統(tǒng)的構(gòu)造方法，其特征在于統(tǒng)計過程控制的閉序列模式挖 掘算法CSCI的實(shí)施步驟如下
輸入序列S，投影數(shù)據(jù)庫Ds，最小支持度閾值min—sup
輸出全體閉序列模式CS
步驟l、若在已發(fā)現(xiàn)的閉合序列集合CS中存在S'，使得S是S'的真子集，且S的投影數(shù)據(jù) 庫Ds的大小與S'的投影數(shù)據(jù)庫Ds，的大小相同，則執(zhí)行步驟2;
步驟2、返回；
步驟3、若在已發(fā)現(xiàn)的閉合序列集合CS中存在S'，使得S'是S的真子集，且S的投影數(shù)據(jù) 庫Ds的大小與S'的投影數(shù)據(jù)庫Ds，的大小相同，則執(zhí)行步驟4; 步驟4、將S加入CS，并在CS中刪去S'; 步驟5、對Ds中的每個頻繁項(xiàng)目a循環(huán)執(zhí)行步驟6至步驟13;
步驟6、若S與a的項(xiàng)集擴(kuò)展結(jié)果(^ia)的支持度不小于最小支持度閾值min—sup，則執(zhí)行
步驟7至步驟9;
步 R7、計算a^a的包含索引，其結(jié)果記為ouEuteww(4; 一
步鵬、執(zhí)行J 與fflusu6su^(^的項(xiàng)集連接SW((a!Ufflifou^(勸，并將這一絡(luò)條作為新的S 的值,即5^S^((ausMtsMme(aJ);-
步鵬、以新的&￡1& 1>1_，為參數(shù)，遞歸調(diào)用算法CSCI; v
步驟W、若3與《的序列擴(kuò)展結(jié)果^ ^的支持度不小于條小支持度閉€ 1>1_ 9，則執(zhí)行 步驟11至歩驟13; w
步驟ll、計算Wo^包舍索引，其絡(luò)條記為a^u6,-(a): 一
步驟12、執(zhí)行S與a^Jsuteuffw(o)的序列連接S^,(wjsK6sMme(勸，并將這一銪條作為新的 加值,即5^JS^(ousii&sum-((^); 一
步驟13、以新的&0& 1^_啤為參數(shù)，遞歸訴用棘法CSd; 一 步驟14、算法ffi束，"其中包含索引的計算步驟如下
步驟l、計算所有包含項(xiàng)目item的事務(wù)的交，并將這一結(jié)果記為candidate;
步驟2、將candidate中結(jié)果為l的位所對應(yīng)的1-項(xiàng)集(item除外)作為項(xiàng)目item的包含索
引；
步驟3、返回項(xiàng)目item的包含索引subsume(item); 步驟4、結(jié)束。
所述模糊專家子系統(tǒng)包括輸入預(yù)處理模塊、優(yōu)化規(guī)則庫模塊、常規(guī)規(guī)則庫模塊、模糊 推理機(jī)模塊、配置數(shù)據(jù)庫模塊、以及數(shù)據(jù)輸出預(yù)處理模塊；模糊專家子系統(tǒng)利用模糊理論實(shí) 現(xiàn)專家系統(tǒng)中的推理機(jī)，使之能夠更好地處理現(xiàn)實(shí)世界中的不確定性，將每日的推理結(jié)果也 通過多維分析子系統(tǒng)供用戶瀏覽、分析和比較，規(guī)則庫可以作為工業(yè)生產(chǎn)的領(lǐng)域知識，指導(dǎo) 生產(chǎn)的各個階段，及輔助數(shù)據(jù)挖掘子系統(tǒng)聚焦。
所述模糊專家子系統(tǒng)的方法步驟如下
步驟l、分別定義數(shù)據(jù)取值向?qū)Ш蛿?shù)據(jù)存值向?qū)?，配置?shù)據(jù)庫； 步驟2、數(shù)據(jù)輸入預(yù)處理從局域網(wǎng)數(shù)據(jù)庫取數(shù)并計算；
步驟3、模糊推理機(jī)按照數(shù)據(jù)取值向?qū)У亩x從數(shù)據(jù)庫中拿到所需的數(shù)據(jù)，分別進(jìn)行計 算，供模糊專家子系統(tǒng)進(jìn)行推理，模糊推理機(jī)根據(jù)規(guī)則庫、優(yōu)化規(guī)則庫和常規(guī)規(guī)則庫進(jìn)行模 糊推理；
步驟4、模糊推理機(jī)在推理結(jié)束后，按照數(shù)據(jù)存值向?qū)У亩x將輸出數(shù)據(jù)進(jìn)行預(yù)處理， 并將預(yù)處理后的數(shù)據(jù)發(fā)至局域網(wǎng)數(shù)據(jù)庫中。
所述數(shù)據(jù)挖掘子系統(tǒng)包括關(guān)聯(lián)規(guī)則挖掘模塊、閉序列模式挖掘模塊、決策樹挖掘模塊 、K平均聚類模塊、孤立點(diǎn)分析模塊。數(shù)據(jù)挖掘子系統(tǒng)使用多種數(shù)據(jù)挖掘方法發(fā)現(xiàn)數(shù)據(jù)中隱 藏的知識，將挖掘結(jié)果在多維分析系統(tǒng)中以圖、表等可視化方式進(jìn)行驗(yàn)證，同時通過模板、 規(guī)則等形式，將數(shù)據(jù)挖掘的新規(guī)律以簡單的方式保存起來，供用戶今后使用，提高多維分析 系統(tǒng)的智能性，挖掘的結(jié)果來可以作為新知識融合到模糊專家子系統(tǒng)知識庫中，提升專家系 統(tǒng)水平。
所述六西格瑪子系統(tǒng)包括統(tǒng)計過程控制SPC模塊、判異模塊；六西格瑪子系統(tǒng)作為品 質(zhì)管理的工具，用于擴(kuò)展多維分析子系統(tǒng)的功能，將多維分析中的多個維統(tǒng)一到提高產(chǎn)品質(zhì) 量這一核心目標(biāo)上來；對模糊專家子系統(tǒng)中由推理產(chǎn)生的規(guī)則進(jìn)行驗(yàn)證，提高規(guī)則的可信任 程度；改善生產(chǎn)數(shù)據(jù)質(zhì)量，從而提高數(shù)據(jù)挖掘子系統(tǒng)的挖掘效果。
本發(fā)明借鑒商業(yè)智能的核心理念，并結(jié)合工業(yè)生產(chǎn)領(lǐng)域自身的特點(diǎn)，提供面向復(fù)雜工業(yè)生產(chǎn)的智能系統(tǒng)構(gòu)造方法，可拓展商業(yè)智能的應(yīng)用范圍，提高工業(yè)生產(chǎn)的智能化水平。


圖l為一種復(fù)雜工業(yè)生產(chǎn)智能系統(tǒng)的總體結(jié)構(gòu)圖2為多維分析子系統(tǒng)的結(jié)構(gòu)圖3為數(shù)據(jù)挖掘子系統(tǒng)的結(jié)構(gòu)圖4為閉序列模式挖掘算法CSCI的流程圖5為模糊專家子系統(tǒng)的結(jié)構(gòu)圖6是本發(fā)明一種復(fù)雜工業(yè)生產(chǎn)智能系統(tǒng)的組成構(gòu)造圖。
1-基層計算機(jī)、2-中層服務(wù)器、31-多維分析子系統(tǒng)計算機(jī)、32-數(shù)據(jù)挖掘子系統(tǒng)計算 機(jī)、33-模糊專家子系統(tǒng)計算機(jī)、4-打印機(jī)。
具體實(shí)施例方式
實(shí)施例參見圖l、圖6， 一種復(fù)雜工業(yè)生產(chǎn)智能系統(tǒng)，其特征在于它包括由計算機(jī)網(wǎng)絡(luò)聯(lián) 系的以下部分
在線采集各數(shù)據(jù)源工業(yè)生產(chǎn)數(shù)據(jù)的一組基層計算機(jī)l;
通過計算機(jī)網(wǎng)絡(luò)接收各基層計算機(jī)的工業(yè)生產(chǎn)數(shù)據(jù)、應(yīng)用儲存器中的判異模塊對接收的 工業(yè)生產(chǎn)數(shù)據(jù)進(jìn)行數(shù)據(jù)抽取、轉(zhuǎn)換、加載的中層服務(wù)器2;
通過計算機(jī)網(wǎng)絡(luò)接收中層服務(wù)器的受控數(shù)據(jù)、應(yīng)用儲存器中的六西格瑪子系統(tǒng)進(jìn)行多維 分析、數(shù)據(jù)挖掘、經(jīng)過模糊專家子系統(tǒng)推理的高層子系統(tǒng)計算機(jī)，高層子系統(tǒng)計算機(jī)包括多 維分析子系統(tǒng)計算機(jī)31、數(shù)據(jù)挖掘子系統(tǒng)計算機(jī)32、模糊專家子系統(tǒng)計算機(jī)33，高層子系統(tǒng) 計算機(jī)的存儲器中分別存儲有真實(shí)數(shù)據(jù)庫、多維分析子系統(tǒng)、數(shù)據(jù)挖掘子系統(tǒng)、模糊專家子 系統(tǒng)及貫穿于這三個子系統(tǒng)的六西格瑪子系統(tǒng)，高層子系統(tǒng)計算機(jī)的中央處理器對存儲器進(jìn) 行控制；
三個子系統(tǒng)均配有用于輸出動態(tài)報表和統(tǒng)計分析圖表的打印機(jī)4。 所述計算機(jī)網(wǎng)絡(luò)是局域網(wǎng)或互聯(lián)網(wǎng)。
一種復(fù)雜工業(yè)生產(chǎn)智能系統(tǒng)的構(gòu)造方法，其總體結(jié)構(gòu)如圖l所示，包括以下子系統(tǒng)
1) 多維分析子系統(tǒng)可以(1)從不同的維度展現(xiàn)數(shù)據(jù)，從而直觀地輔助決策者指定決 策；(2)輔助構(gòu)建模糊專家子系統(tǒng)基礎(chǔ)定義；(3)輔助數(shù)據(jù)挖掘子系統(tǒng)發(fā)現(xiàn)猜想，確立目 標(biāo)，提高數(shù)據(jù)挖掘的效率。
2) 數(shù)據(jù)挖掘子系統(tǒng)可以(1)使用多種數(shù)據(jù)挖掘方法發(fā)現(xiàn)數(shù)據(jù)中隱藏的知識；(2) 將挖掘結(jié)果在多維分析子系統(tǒng)中以圖、表等可視化方式進(jìn)行驗(yàn)證，同時可以通過模板、規(guī)則等形式，將數(shù)據(jù)挖掘的新規(guī)律以簡單的方式保存起來，供用戶今后使用，提高多維分析子系 統(tǒng)的智能性；(3)挖掘的結(jié)果來可以作為新知識融合到模糊專家子系統(tǒng)知識庫中，提升推 理能力。
3) 模糊專家子系統(tǒng)可以(1)利用模糊理論實(shí)現(xiàn)推理機(jī)，使之能夠更好地處理現(xiàn)實(shí)世 界中的不確定性；(2)將每日的推理結(jié)果通過多維分析子系統(tǒng)供用戶瀏覽、分析和比較；
(3)規(guī)則庫可以作為工業(yè)生產(chǎn)的領(lǐng)域知識，指導(dǎo)生產(chǎn)的各個階段，及輔助數(shù)據(jù)挖掘子系統(tǒng) 進(jìn)行聚焦。
4) 作為品質(zhì)管理的工具，六西格瑪子系統(tǒng)貫穿于以上三個子系統(tǒng)，用于改善生產(chǎn)數(shù)據(jù) 質(zhì)量，從而提高數(shù)據(jù)挖掘子系統(tǒng)的挖掘效果；對模糊專家子系統(tǒng)中由推理產(chǎn)生的規(guī)則進(jìn)行驗(yàn) 證，提高規(guī)則的可信任程度；擴(kuò)展多維分析子系統(tǒng)的功能，將多維分析中的多個維統(tǒng)一到利 用統(tǒng)計過程控制(SPC)來提高產(chǎn)品質(zhì)量這一核心目標(biāo)上來。
所述多維分析子系統(tǒng)的結(jié)構(gòu)如圖2所示，由如下模塊組成
1) 單因素單對象分析模塊是指，對單個生產(chǎn)分析對象(如鋁電解槽)的單個因素(如 工作電壓)進(jìn)行連續(xù)分析，包括最大值、最小值、眾數(shù)、中位數(shù)、直方圖、帕雷托圖、移 動平均、變化趨勢、 一階濾波、指數(shù)平滑、加權(quán)平均；
2) 單因素多對象分析模塊是指，對多個生產(chǎn)分析對象(如多臺鋁電解槽)的單個因素 (如工作電壓)進(jìn)行比較分析，包括最大值、最小值、眾數(shù)、中位數(shù)、箱圖、直方圖、帕
雷托圖、移動平均、變化趨勢、 一階濾波、指數(shù)平滑、加權(quán)平均；
3) 多因素單對象分析模塊是指，對單個生產(chǎn)分析對象(如鋁電解槽)的多個因素(如 工作電壓、電流強(qiáng)度等)進(jìn)行綜合分析，包括雙因素帕雷托圖、相關(guān)系數(shù)分析、當(dāng)日決 策、兩日決策、綜合考核、移動平均、變化趨勢、 一階濾波、指數(shù)平滑、加權(quán)平均；
4) 多因素多對象分析模塊是指，對多個生產(chǎn)分析對象(如鋁電解槽)的多個因素(如 工作電壓、電流強(qiáng)度等)進(jìn)行比較分析，包括當(dāng)日決策、兩日決策、綜合考核、移動平
均、變化趨勢、 一階濾波、指數(shù)平滑、加權(quán)平均。
所述數(shù)據(jù)挖掘子系統(tǒng)的結(jié)構(gòu)如圖3所示，由如下模塊組成數(shù)據(jù)挖掘子系統(tǒng)包括關(guān) 聯(lián)規(guī)則挖掘模塊、閉序列模式挖掘模塊、決策樹挖掘模塊、K平均聚類模塊、孤立點(diǎn)分析模 塊。
其中所述閉序列模式挖掘算法CSCI如下，其流程如圖4所示
算法l.挖掘閉序列模式csci
輸入序列S，投影數(shù)據(jù)庫Ds，最小支持度閾值min—sup輸出全體閉序列模式CS
步驟l、 if3 eC^使得^=^八|1^|=|1^|' then"步驟2、 retum;+J
步驟3、 if3VeCX使得S'匚S八IA HDH, then ^步驟4、 將勸O入CX并在C^中刪去S';一步驟5、 forD《中的每個頻繁項(xiàng)目"doP
步驟7、 f S,(o^JSii6s匿e(ff)); 一
步驟8、 CSCI(S, A ,腦"—"
步驟9、 P
步驟IO、 if ，(S°^)^n>!_， then {一
步驟ll、 》了①《o^u6s匿咖))；"
步驟12、 CSCI(S, mm—s^p);—
步驟13、 p步驟14、)一
說明算法CSCI首先檢査已發(fā)現(xiàn)的閉序列模式CS，接下來判斷是否將序列S加入CS，并調(diào)整CS中的閉序列。然后對Ds中的每個頻繁項(xiàng)集a，只將當(dāng)前枚舉序列S與閉項(xiàng)集a菩ubsume (a)進(jìn)行項(xiàng)集擴(kuò)展和序列擴(kuò)展。
其中與所述閉序列相關(guān)的定義如下設(shè)HSH" '2f"為—組由"個不同的項(xiàng)(item)組成的集含，集含J^HT稱作項(xiàng)集(itemsrt).
^1.一個序列S即是,的有序列表，記為C其中《*=1，2，.,^1)是一 個項(xiàng)集，稱為序列S的元素，序列S的長度"5)-:Eu^^d,記為向，一
定義2.—個序列 , .,.， 《一祓另一個序列& ，,.,, W所包含，當(dāng)且僅當(dāng)存在 lSii<ii<...<i'aa&w,使傅ai^&fl, aisfefl, ...， *efct .我們將&稱作Si的子序列(Biib.seq(uenM), A稱作&的iS^列(siVWMquciK^，記為Ss為，如兩序列長度不等，則成真包含關(guān)系，記 為&=&* "
jex3.獪定序列數(shù)據(jù)庫幼&w, s,...， w，定義序列s的絕對支持度為啤(iHsi'其
中&5<1。眾)，即序列數(shù)據(jù)庫中包含S的記錄的數(shù)目*相對支持度為Sl 中包含s的元組在
整體數(shù)據(jù)庫元組中所占的百分比，即啤csyisiwi, 一
定義4.如桀M9K5)多MWJ—siy,其中《i —sip為繪定的條小支持度閾值，則稱序列S是頻 繁序外一
定Xs.對頻繁序列^若不存在頻繁序列&，使蔣VLSiA邵(5y^W，則稱&為頻繁 閉序列*
定義《.給定一個序列SXii，S3, -，S，》和一個項(xiàng)目《,序列灘a的連接稱為序列iS的擴(kuò)展，
記為Sbo"如果對VtG ，Jt<a,有Sfaoo^^，sj, -，&11{")>，則^fcStta項(xiàng)集擴(kuò)展，記為S^ja。 如果有^￡^<!1, S3, -tf>，則稱沐a序列擴(kuò)展，記為ffw,a。如果o^是一個項(xiàng)目，而是 —個序列'如aF化，fc， '"，fe>，則Sw,apt^， sj' '-，5MU(tifc>, S。,o"々i,s^ ".'s^ti'ft, 同時，稱幼Swa的前綴序列，tf^SwaM后綴序列，-定義7.序列S的投彩數(shù)據(jù)庫為DHp|ye*RK, ^=產(chǎn)^「,，使稱i^，cr》，w 其中，算法中的SMfei做"為是指項(xiàng)目aW包含索引，與此相關(guān)的定義和計算方法如下一 定義8.項(xiàng)集的包含衆(zhòng)引為sufcsuwie(rt棚M/e忍IWft抓^0't糊)^(;)h ^
算法2.計算項(xiàng)集的包含索引 輸入項(xiàng)集item
輸出項(xiàng)集item的包含索引subsume (item) function gen-subsume(item)
步驟2、 w必訓(xùn),w(,'te,")^irfWrt/e中結(jié)果為1的位所對應(yīng)的1 -項(xiàng)集("e,"除外)；
步驟3、 return subsume (item); 步驟4、 end function
所述模糊專家子系統(tǒng)由輸入預(yù)處理模塊、優(yōu)化規(guī)則庫模塊、常規(guī)規(guī)則庫模塊、模糊推理
機(jī)模塊、配置數(shù)據(jù)庫模塊以及數(shù)據(jù)輸出預(yù)處理模塊構(gòu)成，其總體結(jié)構(gòu)如圖5所示。所述模糊專家子系統(tǒng)的方法步驟如下
步驟l、分別定義數(shù)據(jù)取值向?qū)Ш蛿?shù)據(jù)存值向?qū)?，配置?shù)據(jù)庫；步驟2、數(shù)據(jù)輸入預(yù)處理從局域網(wǎng)數(shù)據(jù)庫取數(shù)并計算；
步驟3、模糊推理機(jī)按照數(shù)據(jù)取值向?qū)У亩x從數(shù)據(jù)庫中拿到所需的數(shù)據(jù)，分別進(jìn)行計算，供模糊專家子系統(tǒng)進(jìn)行推理，模糊推理機(jī)根據(jù)規(guī)則庫、優(yōu)化規(guī)則庫和常規(guī)規(guī)則庫進(jìn)行模糊推理；
步驟4、模糊推理機(jī)在推理結(jié)束后，按照數(shù)據(jù)存值向?qū)У亩x將輸出數(shù)據(jù)進(jìn)行預(yù)處理，并將預(yù)處理后的數(shù)據(jù)發(fā)至局域網(wǎng)數(shù)據(jù)庫中。
其中輸入預(yù)處理模塊主要包括數(shù)據(jù)取值智能向?qū)Ш蛿?shù)據(jù)存值智能向?qū)刹糠帧?br> 1) 數(shù)據(jù)取值向?qū)?br> 首先定義數(shù)據(jù)庫的連接方式，如數(shù)據(jù)庫種類、連接源、服務(wù)器名、用戶名、口令、數(shù)據(jù)庫名、取值字段等，然后定義計算的公式，如計算差值/平均值/差值平均值，計算差值的方式，取多少天數(shù)據(jù)，是否加權(quán)，權(quán)值大小，取值前是否執(zhí)行存儲過程等。這樣，用戶可以對每一個要取的數(shù)據(jù)進(jìn)行一系列的推理前的計算，甚至同一個數(shù)據(jù)可以以不同的數(shù)值做為不同的考慮因素進(jìn)入模糊專家子系統(tǒng)。
2) 數(shù)據(jù)存值向?qū)?br> 首先定義數(shù)據(jù)庫的連接方式，如數(shù)據(jù)庫種類、連接源、服務(wù)器名、用戶名、口令、數(shù)據(jù)庫名、取值字段等，然后定義計算的公式，如不計算/與前一天的相加/與標(biāo)準(zhǔn)值相加等，同時指出若系統(tǒng)沒有此因素的計算輸出時，是否對其進(jìn)行數(shù)據(jù)的輸出，輸出昨日值還是標(biāo)準(zhǔn)值等，并可定義存值后是否執(zhí)行存儲過程等。這樣，用戶可以對每一個模糊專家子系統(tǒng)推理的結(jié)果進(jìn)行變換，從而直接指導(dǎo)生產(chǎn)。
當(dāng)定義好數(shù)據(jù)取值向?qū)Ш蛿?shù)據(jù)存值向?qū)Ш螅：龑＜易酉到y(tǒng)在推理時首先由輸入預(yù)處理軟件按照數(shù)據(jù)取值向?qū)У亩x從網(wǎng)上拿到所需的數(shù)據(jù)，分別進(jìn)行計算，如計算差值、差值平均值、加權(quán)平均值等，形成推理數(shù)據(jù)，供模糊專家子系統(tǒng)進(jìn)行推理；模糊專家子系統(tǒng)在推理結(jié)束后，輸出預(yù)處理軟件按照數(shù)據(jù)存值向?qū)У亩x將輸出數(shù)據(jù)進(jìn)行各種計算，如加標(biāo)準(zhǔn)值、加昨日值等，并將計算后的數(shù)據(jù)發(fā)至數(shù)據(jù)庫中。
其中模糊推理機(jī)的采用了如下方法。
為了使同一套模糊專家子系統(tǒng)規(guī)則對不同對象或同一對象的不同時期適用，在構(gòu)建模糊專家子系統(tǒng)時，由用戶定義每個輸入、輸出因素的標(biāo)準(zhǔn)值、模糊論域的左值(最小值)、右值(最大值)，然后定義每個對象的每個輸入、輸出因素的標(biāo)準(zhǔn)值、最小值和最大值。當(dāng)模糊專家子系統(tǒng)進(jìn)行推理時，首先將每個對象的每個因素，按照以下的映射關(guān)系對數(shù) 據(jù)進(jìn)行變換S = (m - a)/(b - a)*(d - c) + c其中m為實(shí)際采集的數(shù)據(jù)經(jīng)過數(shù)據(jù)輸入預(yù)處理后的值，a和b分別為此對象此因素的最小 值和最大值，而c和d分別為模糊專家子系統(tǒng)此因素的最小值和最大值，s為此對象此因素進(jìn) 入模糊專家子系統(tǒng)推理用的數(shù)據(jù)。模糊專家子系統(tǒng)在推理時使用的綜合評判方法可以是最大隸屬度法、加權(quán)平均法和面積 重心法。推理結(jié)束后，進(jìn)行數(shù)據(jù)的反映射，其基本原理同推理前的映射，不再論述。 通過在推理機(jī)中加入推理前映射和推理后映射，使得不同的對象，即使輸入同樣的數(shù) 據(jù)，但由于每個因素的標(biāo)準(zhǔn)值不同(差值也不同)，最大值、最小值不同，導(dǎo)致進(jìn)入模糊專 家子系統(tǒng)中的數(shù)據(jù)就不同，會觸發(fā)不同的規(guī)則，從而得到不同的輸出結(jié)果，再進(jìn)行推理后的 反映射，發(fā)送到網(wǎng)上數(shù)據(jù)庫的數(shù)據(jù)就會大相徑庭，從而增加了模糊專家子系統(tǒng)的智能性和適 應(yīng)性。其中模糊專家子系統(tǒng)的規(guī)則庫分為兩部分，一部分為優(yōu)化規(guī)則庫， 一部分為常規(guī)規(guī)則庫1) 優(yōu)化規(guī)則庫優(yōu)化規(guī)則庫是一類特殊的規(guī)則庫，其輸出結(jié)果分為三類某因素的標(biāo)準(zhǔn)值的增量、最小值的增量、最大值的增量。模糊專家子系統(tǒng)在推理時，首先使用優(yōu)化規(guī)則庫，并將優(yōu)化推理 后的結(jié)果對此對象的各個因素的標(biāo)準(zhǔn)值、最大值、最小值等進(jìn)行修改，以此達(dá)到模糊專家子 系統(tǒng)規(guī)則庫自適應(yīng)各對象的變化，從而達(dá)到同一套規(guī)則可以適應(yīng)同一對象的不同時期。2) 常規(guī)規(guī)則庫系統(tǒng)正常運(yùn)行時的規(guī)則庫，規(guī)則的條件可以是以下的幾種輸入符號、輸入數(shù)據(jù)、中間 件、輸出符號、輸出數(shù)據(jù)；規(guī)則的結(jié)果可以為中間件、輸出符號、輸出數(shù)據(jù)。其中中間件是用規(guī)則推出的中間結(jié)果，既不是輸入，也不是輸出，引入中間件的目的是 為了減少規(guī)則的數(shù)目，同時將規(guī)則庫利用中間件形成規(guī)則的樹型目錄。模糊專家子系統(tǒng)具備如下特點(diǎn)1) 基于Internet/Intranet技術(shù)。模糊專家子系統(tǒng)的推理全部在瀏覽器方式下進(jìn)行，方 便用戶使用。2) 引入了修飾符算子NOT。 NOT算子的引入， 一方面符合人的語言習(xí)慣，另一方面可減少規(guī)則數(shù)量。
3) 采用智能向?qū)Ъ夹g(shù)。使用數(shù)據(jù)取值向?qū)Ш蛿?shù)據(jù)存值向?qū)Фx每個件的數(shù)據(jù)輸入預(yù)處理方式和數(shù)據(jù)輸出預(yù)處理方式，方便工藝人員進(jìn)行系統(tǒng)的定義。
4) 采用各種輔助生成工具。為了方便系統(tǒng)的定義和規(guī)則的管理，采用了各種輔助工具，如模糊子集的自動生成工具，規(guī)則的樹型結(jié)構(gòu)維護(hù)等。
5) 定義中間件減少規(guī)則數(shù)目。通過定義一些中間件(既不是輸入，也不是輸出)，有效地減少了規(guī)則的數(shù)量，增加了規(guī)則的可讀性，也有利于優(yōu)化規(guī)則。
6) 操作方便、直觀。由于在規(guī)則中存在大量模糊件，如溫差、均差、趨勢等，為此在任何使用件名的地方，對于符號，顯示此符號的詳細(xì)說明；對于模糊集，要說明其取值的范圍(左、右值)、單位和詳細(xì)說明(如具體算法等)，方便用戶的使用。
所述六西格瑪子系統(tǒng)主要由各種統(tǒng)計過程控制功能組成。
1權(quán)利要求
1.一種復(fù)雜工業(yè)生產(chǎn)智能系統(tǒng)，其特征在于它包括由計算機(jī)網(wǎng)絡(luò)聯(lián)系的以下部分在線采集各數(shù)據(jù)源工業(yè)生產(chǎn)數(shù)據(jù)的一組基層計算機(jī)；通過計算機(jī)網(wǎng)絡(luò)接收各基層計算機(jī)的工業(yè)生產(chǎn)數(shù)據(jù)、應(yīng)用儲存器中的判異模塊對接收的工業(yè)生產(chǎn)數(shù)據(jù)進(jìn)行數(shù)據(jù)抽取、轉(zhuǎn)換、加載的中層服務(wù)器；通過計算機(jī)網(wǎng)絡(luò)接收中層服務(wù)器的受控數(shù)據(jù)、應(yīng)用儲存器中的六西格瑪子系統(tǒng)進(jìn)行數(shù)據(jù)挖掘、多維分析、經(jīng)過模糊專家子系統(tǒng)推理的高層子系統(tǒng)計算機(jī)，高層子系統(tǒng)計算機(jī)的存儲器中存儲有真實(shí)數(shù)據(jù)庫、多維分析子系統(tǒng)、數(shù)據(jù)挖掘子系統(tǒng)、模糊專家子系統(tǒng)及貫穿于這三個子系統(tǒng)的六西格瑪子系統(tǒng)，高層子系統(tǒng)計算機(jī)的中央處理器對存儲器進(jìn)行控制；用于輸出動態(tài)報表和統(tǒng)計分析圖表的打印機(jī)。
2 根據(jù)權(quán)利要求l所述一種復(fù)雜工業(yè)生產(chǎn)智能系統(tǒng)，其特征在于所 述計算機(jī)網(wǎng)絡(luò)是局域網(wǎng)或互聯(lián)網(wǎng)。
3 一種復(fù)雜工業(yè)生產(chǎn)智能系統(tǒng)的構(gòu)造方法，其特征在于方法步驟如下步驟l、利用基層計算機(jī)在線采集工業(yè)生產(chǎn)數(shù)據(jù)；步驟2、利用中層服務(wù)器和儲存器中的判異模塊，對原始生產(chǎn)數(shù)據(jù)進(jìn)行清洗、抽取、轉(zhuǎn) 換、加載，把數(shù)據(jù)分為受控數(shù)據(jù)和異常數(shù)據(jù)兩部分；步驟3、利用高層子系統(tǒng)計算機(jī)和儲存器中的六西格瑪子系統(tǒng)，將受控數(shù)據(jù)輸入多維分 析子系統(tǒng)，多維分析子系統(tǒng)對新采集的數(shù)據(jù)做統(tǒng)計過程控制，若多維分析結(jié)果所形成的數(shù)據(jù) 基礎(chǔ)定義與模糊專家子系統(tǒng)原有的基礎(chǔ)定義差別較大，則根據(jù)多維分析結(jié)果修改模糊專家子 系統(tǒng)的數(shù)據(jù)的基礎(chǔ)定義；模糊專家子系統(tǒng)利用基礎(chǔ)知識庫進(jìn)行模糊推理，利用受控數(shù)據(jù)對推理得到的規(guī)則進(jìn)行 驗(yàn)證，根據(jù)規(guī)則形成指導(dǎo)生產(chǎn)的當(dāng)日決策和兩日決策，將當(dāng)日決策和兩日決策在多維分析子 系統(tǒng)中展示；模糊專家子系統(tǒng)的基礎(chǔ)知識庫作為領(lǐng)域知識參加到數(shù)據(jù)挖掘子系統(tǒng)中，數(shù)據(jù)挖掘子系 統(tǒng)根據(jù)多維分析子系統(tǒng)的結(jié)果形成新的猜想，作為數(shù)據(jù)挖掘子系統(tǒng)進(jìn)行挖掘的目標(biāo)，數(shù)據(jù)挖 掘子系統(tǒng)根據(jù)歷史數(shù)據(jù)和多維分析子系統(tǒng)提供的最新數(shù)據(jù)，選擇挖掘算法，發(fā)現(xiàn)新的知識， 數(shù)據(jù)挖掘子系統(tǒng)從被六西格瑪子系統(tǒng)判定為異常的數(shù)據(jù)中挖掘孤立點(diǎn)，從而在今后的生產(chǎn)中 最大限度地避免類似錯誤的發(fā)生；數(shù)據(jù)挖掘子系統(tǒng)將新挖掘得到的知識納入到模糊專家子系統(tǒng)的基礎(chǔ)知識庫輔助推理；數(shù)據(jù)挖掘子系統(tǒng)將新挖掘得到的知識用多維分析子系統(tǒng)進(jìn)行展示。
4.根據(jù)權(quán)利要求3所述一種復(fù)雜工業(yè)生產(chǎn)智能系統(tǒng)的構(gòu)造方法，其特 征在于所述多維分析子系統(tǒng)包括單因素單對象分析模塊、單因素多對象分析模塊、多因 素單對象分析模塊、多因素多對象分析模塊和生成各種單因素單對象分析、單因素多對象分 析、多因素單對象分析、多因素多對象分析的動態(tài)報表和統(tǒng)計分析圖表；多維分析子系統(tǒng)從不同的維度展現(xiàn)數(shù)據(jù)，從而直觀地輔助決策者制定決策，輔助構(gòu)建 模糊子專家系統(tǒng)基礎(chǔ)定義，輔助數(shù)據(jù)挖掘子系統(tǒng)發(fā)現(xiàn)猜想，確立目標(biāo)，提高數(shù)據(jù)挖掘的效沖< 。
5.根據(jù)權(quán)利要求3所述一種復(fù)雜工業(yè)生產(chǎn)智能系統(tǒng)的構(gòu)造方法，其特 征在于所述一種復(fù)雜工業(yè)生產(chǎn)智能系統(tǒng)的構(gòu)造方法，其特征在于統(tǒng)計過程控制的閉序列模 式挖掘算法CSCI的實(shí)施步驟如下輸入序列S，投影數(shù)據(jù)庫DS，最小支持度閾值min—sup輸出全體閉序列模式CS步驟l、若在已發(fā)現(xiàn)的閉合序列集合CS中存在S'，使得S是S'的真子集，且S的投影數(shù)據(jù) 庫DS的大小與S'的投影數(shù)據(jù)庫DS'的大小相同，則執(zhí)行步驟2;步驟2、返回；步驟3、若在已發(fā)現(xiàn)的閉合序列集合CS中存在S'，使得S'是S的真子集，且S的投影數(shù)據(jù) 庫DS的大小與S'的投影數(shù)據(jù)庫DS'的大小相同，則執(zhí)行步驟4; 步驟4、將S加入CS，并在CS中刪去S'; 步驟5、對DS中的每個頻繁項(xiàng)目a循環(huán)執(zhí)行步驟6至步驟13;步驟6、若S與a的項(xiàng)集擴(kuò)展結(jié)果(S^ia)的支持度不小于最小支持度閾值min—sup，則執(zhí) 行步驟7至步驟9;步驟7、計算a^ofi!l包含禁引，其結(jié)果ia^amrafinBne(《； <步驟8、執(zhí)行S與aumferamB(a)的項(xiàng)集連接S^(ounifcnraB(a))，并將這一結(jié)果作為新的S的值'艮PlS^S頃((ftUJMfoMMe(力)；-步驟9、以新的S,i^,ffi/fL邵為參數(shù)，通歸調(diào)用算法CSd:"步驟IO、若S與a的序列擴(kuò)展結(jié)果p。,a)的支持度不小于最小支持度瞎值minjnp,則*^ 步驟11至歩驟13; 一步驟ll、計ft^oW包含索引，其結(jié)果ia^auMifowne(a)i -步驟12、執(zhí)行S與aum(6jKme(a;)的序列連接Sco,(aujiiAfume(fl;))，并將這一結(jié)果作為新的步驟13、以新的&￡1&) &1_鄰為參數(shù)，遞歸調(diào)用算法CSdi -步驟14、算法結(jié)束。"其中包含索引的計算步驟如下步驟l、計算所有包含項(xiàng)目item的事務(wù)的交，并將這一結(jié)果記為candidate步驟2、將 candidate中結(jié)果為1的位所對應(yīng)的1-項(xiàng)集(item除外)作為項(xiàng)目item的包含索引； 步驟3、返回項(xiàng)目item的包含索弓lsubsume (item); 步驟4、結(jié)束。
6 根據(jù)權(quán)利要求3所述一種復(fù)雜工業(yè)生產(chǎn)智能系統(tǒng)的構(gòu)造方法，其特 征在于所述模糊專家子系統(tǒng)包括輸入預(yù)處理模塊、優(yōu)化規(guī)則庫模塊、常規(guī)規(guī)則庫模塊、 模糊推理機(jī)模塊、配置數(shù)據(jù)庫模塊、以及數(shù)據(jù)輸出預(yù)處理模塊；模糊專家子系統(tǒng)利用模糊理 論實(shí)現(xiàn)專家系統(tǒng)中的推理機(jī)，使之能夠更好地處理現(xiàn)實(shí)世界中的不確定性，將每日的推理結(jié) 果也通過多維分析子系統(tǒng)供用戶瀏覽、分析和比較，規(guī)則庫可以作為工業(yè)生產(chǎn)的領(lǐng)域知識， 指導(dǎo)生產(chǎn)的各個階段，及輔助數(shù)據(jù)挖掘子系統(tǒng)聚焦。
7 根據(jù)權(quán)利要求3所述一種復(fù)雜工業(yè)生產(chǎn)智能系統(tǒng)的構(gòu)造方法，其特 征在于所述模糊專家子系統(tǒng)的方法步驟如下步驟l、分別定義數(shù)據(jù)取值向?qū)Ш蛿?shù)據(jù)存值向?qū)В渲脭?shù)據(jù)庫；步驟2、數(shù)據(jù)輸入預(yù)處理從局域網(wǎng)數(shù)據(jù)庫取數(shù)并計算；步驟3、模糊推理機(jī)按照數(shù)據(jù)取值向?qū)У亩x從數(shù)據(jù)庫中拿到所需的數(shù)據(jù)，分別進(jìn)行計 算，供模糊專家子系統(tǒng)進(jìn)行推理，模糊推理機(jī)根據(jù)規(guī)則庫、優(yōu)化規(guī)則庫和常規(guī)規(guī)則庫進(jìn)行模 糊推理；步驟4、模糊推理機(jī)在推理結(jié)束后，按照數(shù)據(jù)存值向?qū)У亩x將輸出數(shù)據(jù)進(jìn)行預(yù)處理，并將預(yù)處理后的數(shù)據(jù)發(fā)至局域網(wǎng)數(shù)據(jù)庫中。
8.根據(jù)權(quán)利要求3所述一種復(fù)雜工業(yè)生產(chǎn)智能系統(tǒng)的構(gòu)造方法，其特征在于所述數(shù)據(jù)挖掘子系統(tǒng)包括關(guān)聯(lián)規(guī)則挖掘模塊、閉序列模式挖掘模塊、決策樹挖掘模塊、K平均聚類模塊、孤立點(diǎn)分析模塊。數(shù)據(jù)挖掘子系統(tǒng)使用多種數(shù)據(jù)挖掘方法發(fā)現(xiàn)數(shù)據(jù)中隱藏的知識，將挖掘結(jié)果在多維分析系統(tǒng)中以圖、表等可視化方式進(jìn)行驗(yàn)證，同時通過模板、規(guī)則等形式，將數(shù)據(jù)挖掘的新規(guī)律以簡單的方式保存起來，供用戶今后使用，提高多維分析系統(tǒng)的智能性，挖掘的結(jié)果來可以作為新知識融合到模糊專家子系統(tǒng)知識庫中，提升專家系統(tǒng)水平。
9.根據(jù)權(quán)利要求3所述一種復(fù)雜工業(yè)生產(chǎn)智能系統(tǒng)的構(gòu)造方法，其特征在于所述六西格瑪子系統(tǒng)包括統(tǒng)計過程控制SPC模塊、判異模塊；六西格瑪子系統(tǒng)作為品質(zhì)管理的工具，用于擴(kuò)展多維分析子系統(tǒng)的功能，將多維分析中的多個維統(tǒng)一到提高產(chǎn)品質(zhì)量這一核心目標(biāo)上來；對模糊專家子系統(tǒng)中由推理產(chǎn)生的規(guī)則進(jìn)行驗(yàn)證，提高規(guī)則的可信任程度；改善生產(chǎn)數(shù)據(jù)質(zhì)量，從而提高數(shù)據(jù)挖掘子系統(tǒng)的挖掘效果。
全文摘要
一種復(fù)雜工業(yè)生產(chǎn)智能系統(tǒng)及其構(gòu)造方法，通過計算機(jī)網(wǎng)絡(luò)接收工業(yè)生產(chǎn)數(shù)據(jù)、應(yīng)用判異模塊對接收的工業(yè)生產(chǎn)數(shù)據(jù)進(jìn)行數(shù)據(jù)抽取、轉(zhuǎn)換、加載，應(yīng)用六西格瑪子系統(tǒng)進(jìn)行數(shù)據(jù)挖掘、多維分析、經(jīng)過模糊專家子系統(tǒng)推理，包括多維分析子系統(tǒng)、數(shù)據(jù)挖掘子系統(tǒng)、模糊專家子系統(tǒng)及貫穿于這三個子系統(tǒng)的六西格瑪子系統(tǒng)。本發(fā)明借鑒商業(yè)智能的核心理念，并結(jié)合工業(yè)生產(chǎn)領(lǐng)域自身的特點(diǎn)，提供面向復(fù)雜工業(yè)生產(chǎn)的智能系統(tǒng)構(gòu)造方法?？赏卣股虡I(yè)智能的應(yīng)用范圍，提高工業(yè)生產(chǎn)的智能化水平。
文檔編號G05B19/418GK101630161SQ200910305209
公開日2010年1月20日 申請日期2009年8月5日 優(yōu)先權(quán)日2009年8月5日
發(fā)明者丹 孟, 威 宋, 曹丹陽, 李晉宏, 林滿山, 蘇志同 申請人:北方工業(yè)大學(xué)