數據倉庫和數據挖掘在鋼鐵企業(yè)中的應用.pdf

1、某鋼鐵企業(yè)在長期的生產過程中積累了豐富的熱軋產品性能的數據，能否充分利用這些數據來提高產品的性能，進行新產品新工藝的設計，從而提高企業(yè)的經濟效益和增強企業(yè)競爭力，是工程技術人員、質量管理人員一直想解決的問題。 數據挖掘技術是20世紀90年代迅速發(fā)展起來的計算機技術，其核心思想就是從企業(yè)的“數據海洋”中挖出有效的、新穎的、具有潛在效用的、最終可理解的規(guī)律或模式。在本文中利用現在比較成熟的數據倉庫理論和建模技術，建立了關于熱軋產品性

2、能的數據集市。由于數據來源復雜，我們又進行了數據的抽取、轉換和裝載過程，即ETL過程，將數據整合到熱軋產品性能數據集市中。 在建立的熱軋產品性能數據集市的基礎上，本文利用了BP神經網絡算法和多元線性回歸算法分別建立了兩種模型。譬如對某一具體鋼種A3鋼，這兩種模型的精度分別為84．7％和84.3％，基本滿足用戶提出的精度要求，相比之下，利用BP神經網絡算法所建的模型更精確一點。在所建的熱軋產品性能模型的基礎上，進行了新產品新工藝的

3、探索。期間運用了均值分析確定各變量的取值范圍，相關性分析分析輸入變量和輸出變量之間的影響，最后利用主成分分析的方法進行了化學成分的綜合指標性能評價，盡可能提出最多的信息，并進行了排名。運用所建立的模型，A3鋼的性能比以前有了明顯的提高，比如屈服強度比以前增強了30％，抗拉強度增強了20％，伸長率提高了15％等。 本文所建的模型在某鋼鐵企業(yè)得到了廣泛的應用，提高了熱軋產品的性能，增強了企業(yè)的競爭力，取得了很大的經濟效益。以A3鋼為