【技术实现步骤摘要】
本专利技术涉及数据关联，尤其涉及面向mes系统数据的关联规则挖掘方法、系统和存储介质。
技术介绍
1、在医药生产执行系统即医药mes系统中，存在多种多样的数据，如质量管理类的数据、工艺优化的数据、物料管理的数据等等，自然也产生了多种多样的数据关联分析需求，用以从多方位帮助企业去进行改善、提升和优化生产控制工艺。但是按照传统的方式去设计mes系统中的工艺数据关联分析功能，系统只能进行少数几组特定工艺数据项组合的关联分析，难以适应mes系统用户灵活多变的多样化数据关联分析需求。
技术实现思路
1、本专利技术针对现有技术中的不足，公开了一种面向mes系统数据的关联规则挖掘方法，包括如下步骤：
2、根据分析对象对mes系统数据进行选取，采集待分析的结果字段数据并进行预处理后获得离散项集；选取待关联分析的n个关联分析字段，对所述关联分析字段数据进行预处理后得到每个关联分析字段的取值项集；配置最小支持度各参数和最小置信度，并计算各关联分析字段的最小支持度，所述最小支持度参数包括最小支持度基数、最小支持度上限和最小支持度下限；
3、为结果字段和每个关联分析字段分别统计各取值项的支持度计数并计算支持度，统计各组合的p个关联分析字段分别与结果字段组合后的第一m元项集的支持度计数并计算支持度，其中m＝p+1，0＜p≤n；在第一m元项中去除支持度为零的项后形成第二m元项集，重新计算第二m元项集对应的m元字段组的最小支持度并剔除所述第二m元项集中支持度小于最小支持度的m元项后形成第
4、计算第三m元项集的置信度和提升度，在第三m元项集中去除置信度小于最小置信度或提升度不大于1的m元项后，输出本次关联分析所需的强关联规则项。
5、优选的，所述分析对象为称量盘盈盘亏的盈亏产生因素，所述结果字段为盈亏值字段，所述关联分析字段包括但不限于物料编码、供应商、操作员工、衡器、容器或时间中的一个或多个。
6、优选的，所述步骤根据分析对象对mes系统数据进行选取，采集待分析的结果字段数据并进行预处理后获得离散项集，具体包括：对盈亏值字段进行离散化分类处理，将盈亏值字段值大于0标示为盈、盈亏值字段小于0标示为亏、盈亏值字段值等于0标示为无盈，得到{f0(1)，f0(2)，f0(3)}，其中f0(1)为盈的分类项，f0(2)为亏的分类项，f0(3)为无盈亏的分类项。
7、优选的，所述步骤对所述关联分析字段数据进行预处理，具体包括：识别关联分析字段数据中与异常操作动作或动作中断所关联的异常数据、与删除的残留测试数据关联的无用数据，去除所述关联分析字段数据中的异常数据和无用数据后进行数据离散化处理，并对时间字段数据按预审时间分段规则进行分类处理，得到每个关联分析字段的取值项集，所述时间分段规则包括按所处的小时段分类或按所处的星期分类。
8、优选的，配置最小支持度各参数和最小置信度，并计算各关联分析字段的最小支持度，具体包括：配置最小支持度基数b、最小支持度上限sup、最小支持度下限slow，计算各关联分析字段的最小支持度：min_support(fk)＝
9、max(min(b*(1÷字段a的值域大小),sup),slow)，其中min_support(fk)表示第k个关联分析字段fk的最小支持度。
10、优选的，所述为结果字段和每个关联分析字段分别统计各取值项的支持度计数并计算支持度，具体包括：遍历结果字段的数据离散项集{f0(1)，f0(2)，f0(3)}，分布获取盈、亏、和无盈亏的三个盈亏值字段记录数量作为对应的f0(1)、f0(2)、f0(3)的的支持度计数，计算结果字段的支持度support(f0(j))和每个关联分析字段fk的支持度support(fk)，其中support(f0(j))＝count(f0(j))÷n，其中j＝1,2,3，其中count(f0(j))为字段f0(j)的支持度计数，n为记录总数；support(fk)＝count(fk)÷n，其中k∈{0,1,2,...,n}，其中count(fk)为字段fk的支持度计数，其中n为记录总数。
11、本专利技术还公开了一种面向mes系统数据的关联规则挖掘系统，包括：数据预处理模块，用于根据分析对象对mes系统数据进行选取，采集待分析的结果字段数据并进行预处理后获得离散项集；选取待关联分析的n个关联分析字段，对所述关联分析字段数据进行预处理后得到每个关联分析字段的取值项集；配置最小支持度各参数和最小置信度，并计算各关联分析字段的最小支持度，所述最小支持度参数包括最小支持度基数、最小支持度上限和最小支持度下限。关联分析模块，用于为结果字段和每个关联分析字段分别统计各取值项的支持度计数并计算支持度，统计各组合的p个关联分析字段分别与结果字段组合后的第一m元项集的支持度计数并计算支持度，其中m＝p+1，0＜p≤n；在第一m元项中去除支持度为零的项后形成第二m元项集，重新计算第二m元项集对应的m元字段组的最小支持度并剔除所述第二m元项集中支持度小于最小支持度的m元项后形成第三m元项集；结果输出模块，用于计算第三m元项集的置信度和提升度，在第三m元项集中去除置信度小于最小置信度或提升度不大于1的m元项后，输出本次关联分析所需的强关联规则项。
12、优选的，所述分析对象为称量盘盈盘亏的盈亏产生因素，所述结果字段为盈亏值字段，所述关联分析字段包括但不限于物料编码、供应商、操作员工、衡器、容器或时间中的一个或多个。
13、本专利技术还公开了一种面向mes系统数据的关联规则挖掘装置，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如前述任一所述面向mes系统数据的关联规则挖掘方法的步骤。
14、本专利技术还公开了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如前述任一所述面向mes系统数据的关联规则挖掘的步骤。
15、本专利技术公开的一种面向mes系统数据的关联规则挖掘方法、系统和存储介质，通过对mes系统数据进行选取，采集结果字段数据和n个关联分析字段数据，并在对各字段数据进行预处理后计算其最小支持度、最小置信度及其各取值项的支持度，进而以多元项的形式对不同关联分析字段和结果字段进行组合，并根据计算得到的多元项最小支持度和各多元项的支持度数据剔除其中不符合要求的数据项，最后根据所得到最终项集的置信度和提升度对该项集进行筛选，得到本次关联分析所需的强关联规则项，使系统可根据用户需求有效分析不同数据项之间的关联关系，提升了数据关联分析过程的简便性，利于企业找出mes系统工艺过程数据与生产结果间的关联关系，从而优化生产控制工艺。
16、本专利技术的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。
本文档来自技高网...【技术保护点】
1.面向MES系统数据的关联规则挖掘方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的面向MES系统数据的关联规则挖掘方法，其特征在于：所述分析对象为称量盘盈盘亏的盈亏产生因素，所述结果字段为盈亏值字段，所述关联分析字段包括但不限于物料编码、供应商、操作员工、衡器、容器或时间中的一个或多个。
3.根据权利要求2所述的面向MES系统数据的关联规则挖掘方法，其特征在于，所述步骤根据分析对象对MES系统数据进行选取，采集待分析的结果字段数据并进行预处理后获得离散项集，具体包括：
4.根据权利要求3所述的面向MES系统数据的关联规则挖掘方法，其特征在于，所述步骤对所述关联分析字段数据进行预处理，具体包括：
5.根据权利要求4所述的面向MES系统数据的关联规则挖掘方法，其特征在于，配置最小支持度各参数和最小置信度，并计算各关联分析字段的最小支持度，具体包括：
6.根据权利要求5所述的面向MES系统数据的关联规则挖掘方法，其特征在于，所述为结果字段和每个关联分析字段分别统计各取值项的支持度计数并计算支持度，具体包括：
...【技术特征摘要】
1.面向mes系统数据的关联规则挖掘方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的面向mes系统数据的关联规则挖掘方法，其特征在于：所述分析对象为称量盘盈盘亏的盈亏产生因素，所述结果字段为盈亏值字段，所述关联分析字段包括但不限于物料编码、供应商、操作员工、衡器、容器或时间中的一个或多个。
3.根据权利要求2所述的面向mes系统数据的关联规则挖掘方法，其特征在于，所述步骤根据分析对象对mes系统数据进行选取，采集待分析的结果字段数据并进行预处理后获得离散项集，具体包括：
4.根据权利要求3所述的面向mes系统数据的关联规则挖掘方法，其特征在于，所述步骤对所述关联分析字段数据进行预处理，具体包括：
5.根据权利要求4所述的面向mes系统数据的关联规则挖掘方法，其特征在于，配置最小支持度各参数和最小置信度，并计算各关联分析字段的最小支持度，具体包括：
6.根据...
【专利技术属性】
技术研发人员：王兴华，叶大伟，薛立俊，朱晓伟，方禺，李明，朱国亮，陶程英，章侠，庄二利，姚日浩，吴乐东，
申请(专利权)人：明度智云浙江科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。