摘要：随着企业信息系统集成的应用，数据库中积累了大量分散但有效的数据。如何从大量数据中挖掘出有效的决策信息，从而带领企业快速发展，成为企业信息化发展进程中一个至关重要的问题。提出一种基于K-均值聚类算法的数据挖掘技术，并为某制造企业开发了信息系统集成平台，辅助决策者制定合理方案。
关键词：数据挖掘；信息系统集成；K均值算法；聚类算法；BOM系统
中图分类号：TP391
文献标识码：A
文章编号：16727800（2017）004018503
0引言
充分利用企I信息系统集成中所产生的生产业务信息数据成为企业的关键技术，数据挖掘技术则是企业系统中使用的技术之一。数据挖掘指对数据库中的海量数据进行过程复杂的数据分析，从而获得其中隐含信息的过程。根据用户需求，选择比较切合的数据挖掘算法，成为挖掘技术成功的关键。通过研究各种数据挖掘算法，笔者在众多算法中选择了K均值算法作为本文数据挖掘的基础算法。
1K均值算法概述
1.1K均值算法概念
聚类问题是将给定的数据集合D划分成一组聚类：{C1，C2，…}，Ci∈D，使不同种类中的数据尽可能不相似（或距离较远），同一种类中的数据尽可能相似（或距离较近）。聚类是一种无监督的学习，所谓无监督学习指事先并不知道要找的内容，即没有目标变量，它将相似的对象归到同一个簇中[13]。K均值（Kmeans）算法在聚类算法中使用最为广泛。首先根据分类的个数k，随机地选取k个初始的聚类中心，当然这个k值是难以确定的，并把每个对象分配给离它最近的中心，分别得到起始的聚类点。然后，将当前每个聚类的中心作为新的聚类中心，并把每个对象重新分配到最近的中心。不断地循环迭代，直到目标函数的最小值，即最终的聚类中心点没有移动。其中，目标函数通常采用平方误差准则，即：其中，E表示所有聚类对象的平方误差和，S是聚类对象，Mi是类Ci的各聚类对象的平均值，即：
其中，|Ci|表示类Ci的聚类对象数目。每一次迭代时，每一个点都要计算一遍它和各聚类中心的距离，并取最短距离的类作为该点所属的类。直到E获取最小值，最终表现为最后的聚类中心无法移动。一般k的典型取值为2～10。
1.2K均值算法计算模型
假设在一片小区域中有若干数据点，如图1所示。先假设k=2，即最终这些数据点会聚类成两个类。K均值算法具体解释如下：
（1）由于k=2，任意的两个数据点被选作初始类的聚类中心（图中用点F、G表示），如图1（a）所示。
（2）将其余的各个点分配到距离最近的聚类中心点（本例中为F点、G点）所代表的类中，即求图中所有点到各个聚类中心的距离。如果Si距离Ci近， 则Si属于Ci聚类。如图1（b）所示，A、B点与F点的距离相对G点更近，所以属于F点聚类，C、D、E点与G点相对F点距离更近，所以属于G点聚类。
（3）将聚类中心点F点、G点移动到“自己”的聚类中心，如图1（c）、图1（d）所示。
（4）重复步骤
（2）、
（3），直到每个类中的聚类对象（如图1（e）中的点）不再重新分布为止，第一个点聚合了A、B、C，第二个点聚合了D、E，此时重复循环的迭代过程结束。
2.1系统概述
通过对K均值算法的介绍及其算法处理模型，笔者结合某制造型企业的信息化系统平台用户实际需求建立数据仓库，在数据仓库的基础上使用数据挖掘中的K均值算法对大量数据进行潜在信息的挖掘，并开发出基于K均值算法的挖掘器，辅助决策者进行决策。假如数据库中的数据关于产品信息生成了k个聚类中心，即k个中心点point，将其余的各个点分配到距离最近的聚类中心点所代表的类中，距离为distance，并获取距聚类中心距离最小的距离min2，将该元素归类于距离聚类中心点最近的那个聚类中，核心代码如下：
private void clusterSet（） { float[] distance = new float[m]； for （int l = 0； l
2、3步进行重复迭代，直至得到算法最终结果 private void kmeans（） { init（）； while （true） { clusterSet（）； result2（）； if （n ！= 0） { if （sum.get（n） - sum.get（n - 1） == 0） { break； } } setNewPoint（）； n++； cluster.clear（）； cluster = cluster1（）； } } 2.2零部件市场需求分析
在销售系统“零部件市场需求分析”模块，主要针对销售信息以及产品信息所建立的数据仓库中的信息进行数据挖掘。合同中记载了所销售的产品图号、数量、客户相关信息等，同时根据产品图号可以得到产品BOM信息。 产品BOM信息即该产品的设计信息，包括零件信息、物料进货方式及加工作业方式、工艺信息、图纸信息、层次码、总数量等。其中零件信息主要有：零件图号、零件名称、材料、牌号、外形尺寸等；物料进货方式及加工作业方式主要包括：物料类别（如：配套件、紧固件）、物料进场状态（如：成品、半成品、毛胚）、加工方式（如：自加工、外加工）、加工内容（如：金工、电工）；工艺信息即零部件加工的工艺信息；图纸信息包括图纸幅面等；层次码主要用来标注该零部件在产品中的所处位置；总数量即表明该零部件在产品中该层次码下的个数。 相同产品可能会有处于不同层次的相同零部件，不同产品可能会有相同零部件。因此，在所建立的数据仓库基础上，使用数据挖掘技术挖掘出查询条件，从销售的产品中具体细化到销售需求较多的零部件，从而在企业决策时察觉出该情况。通过针对性地制定预投生产计划、增加库存，能够帮助企业提高生产效率，对于市场快速反应，以提高市场占有率。 对于该部分功能，首先可以进行条件查询。查询属性有：产品图号、产品型号、代号、名称、规格尺寸、长度宽度、材料、牌号、年份和客户编号。 从查询属性看，这是多种搜索条件的组合；从数据挖掘角度看，这是在K-均值聚类算法设计的数据仓库基础上开发出来的一个数据挖掘工具。此项功能设计时是从月份出发，将每年的销量按照月份呈现，因此“年份”是必选项，其余条件用户可以自由组合。例如：选择“2012年”，查询结果如图2所示。
该图表示在2012年的销售产品里对零部件数量进行汇总的结果。通过该数据挖掘器，提出了销量最领先的4个零部件。曲线代表其在各月的销售总数及市场需求总数，单位以“百”计。每条曲线代表的零部件图号在图右侧进行了说明。该表示方法直观、清晰，可以给决策者提供明确的零部件市场需求变化曲线图。通过聚类结果可知，“零件图号”为“8UE.016.0211”的零件，从八月开始销量减少，并且其它3种零件在六月开始需求量变大，从而可使决策者在来年制定更合理的方案，以提高企业竞争力。
2.3废料统计情况分析
废料统计情况分析主要是针对生产中由于工人误操作、材料劣质、机器故障等各种原因造成所领物料报废，需要重新领料进行加工的情况进行统计分析。 物料是一个统称，它包括可以直接领的成品、需要再加工的半成品，以及需要加工的原材料。因此，对于物料有一个物料编码，专门对所有可领的成品、半成品、原材料进行唯一标示。物料编码根据零件图号、零件名称、材料、牌号、外形尺寸、物料进场状态、物料类别、加工方式8个字段进行唯一性区分。根据编码方式，产生唯一的物料码，例如“A00B021”。该企业的物料有“定额”和“非定额”两种情况。“定额”即可以用个数来统计的零部件物料；“非定额”指无法用个数来统计的物料，如：5米长的铜线等。具体而言，本文主要研究针对某个工作令从生产开始到生产结束，所有定额物料的生产料废情况。在工作令系统和领料单系统的基础数据库上建立数据仓库。工作令系统的数据库中存有工作令号、起始生产日期、结束生产日期及其它工作令的基本信息。领料单系统数据库中的废料表中存有料废的物料编码、材料、数量等信息。查询属性有：工作令号、合同号、起始时间和终止时间。 填入工作令号“2B7-1D044205”，点击“查询”按钮，会通过数据挖掘方法统计该工作令下的所有零件材料料废情况，如表1所示。
表1清晰表明了该工作令号“2B7-1D044205”中各个物料损失的比重。从表中可以看出，以废料“A03B004”、
“D03E334”和“E17B231”为聚类中心的废料占多数，从而可以使企业决策者从这些材料损失中发现问题，分析物料损耗原因，如：采购质量问题、工人操作失误，还是其它可避免的各类原因。因此，该基于数据仓库的数掘挖掘器，有利于辅助企业决策者从实际生产中找出各类潜在问题，从而制定合理的政策，降低生产损失，提高企业竞争力。
3结语
本文采用数据挖掘技术对数据库中积累的大量数据进行了分析处理，系统虽然实现了将基于K均值算法的数据挖掘技术应用于信息化系统集成平台中，但也只是实现了部分辅助决策功能。根据企业的具体使用情况，决策者肯定不会满足于系统中已经提供的决策支持功能，如何更近一步地发挥系统集成能力，开发更多决策支持功能，提高数据仓库查询速度，以满足企业决策者更多需求，是下一阶段研究的主要方向。
参考文献：
[1]王欣，徐腾飞，唐连章，等.SQL Server2005数据挖掘实例分析[M].北京：中国水利水电出版社，2008：15.
[2]李锐，李鹏，曲亚东，等.机器学习实践[M].北京：人民邮电出社，2013：184199.
[3]彭木根.数据仓库技术与实现[M].北京：电子工业出版社，2002：321.
[4]陈文伟.数据仓库与数据挖掘教程[M].第2版.北京：清华大学出版社，2011：190.
[5]孙水华，赵钊林，刘建华.数据仓库与数据挖掘技术[M].北京：清华大学出版社，2012：122.
[6]李晶，陈骥.数据挖掘技术对ERP实施的重要性[J].福建电脑，2008
（8）：6061.
[7]余腊生，李强.数据挖掘在质量管理系统中的应用研究[D].长沙：中南大学，2010.
[8]范明，孟小峰.数据挖掘概念与技术[M].北京：机械工业出版社，2001：150.
