基于XML 數(shù)據(jù)庫的制造異構(gòu)數(shù)據(jù)關(guān)聯(lián)規(guī)則分析與應(yīng)用

孫赫，劉蜜，2，劉林琳，2，丁成波

（1.上海威克鮑爾通信科技有限公司，貴州 貴陽 550000；2.貴州航天電器股份有限公司，貴州 貴陽 550000）

1 引言

“工業(yè)4.0”[1]和中國“兩化深度融合”[2]發(fā)展戰(zhàn)略的提出，是當(dāng)今世界制造業(yè)的發(fā)展趨勢和需求。在新一輪以信息技術(shù)為核心的制造業(yè)變革中，我國實(shí)施了“中國制造2025”戰(zhàn)略，并且提出了“互聯(lián)網(wǎng)+”技術(shù)。電子信息技術(shù)的發(fā)展，促進(jìn)了制造系統(tǒng)與信息系統(tǒng)的融合，“制造物聯(lián)”趨勢明顯[3]。在制造生產(chǎn)過程中，產(chǎn)生了海量的異構(gòu)數(shù)據(jù)，對工業(yè)數(shù)據(jù)的統(tǒng)一表達(dá)是對數(shù)據(jù)進(jìn)一步處理的迫切需求，對統(tǒng)一格式的數(shù)據(jù)挖掘是促進(jìn)產(chǎn)業(yè)變革，工業(yè)迅速發(fā)展的必由之路。面對產(chǎn)品制造與服務(wù)過程提升的需求，制造物聯(lián)數(shù)據(jù)的感知、處理等難題，攻克生產(chǎn)過程中信息感知、處理問題，將為生產(chǎn)過程優(yōu)化控制提供有效支持。

XML（eXtensible Markup Language，可擴(kuò)展標(biāo)記語言）是1998 年2 月由W3C 組織制定的一種通用語言規(guī)范，它被設(shè)計(jì)為混合語[4]。XML 的諸多優(yōu)點(diǎn)，使它為異構(gòu)的信息系統(tǒng)的數(shù)據(jù)交換格式提供了一個(gè)全新的思路。在XML 的發(fā)展過程中，產(chǎn)生諸多種XML 數(shù)據(jù)模式語言[5]。在這些模式語言中，最廣泛的是文檔類型定義DTD和W3C XML Schema，DTD 是Web 標(biāo) 準(zhǔn)，任何能 處理XML 文檔的瀏覽器都能對照DTD 模式來檢查文檔。XML Schema 是一種模式語言，它利用XML 語言規(guī)范定義，并且支持更廣泛的數(shù)據(jù)類型，可以通過特定映射機(jī)，實(shí)現(xiàn)更高層次的數(shù)據(jù)交換。

現(xiàn)階段基于數(shù)據(jù)庫的數(shù)據(jù)挖掘的相關(guān)研究主要有以下幾種[6-7]：蘭建鑫[8]等提出了一種基于深度遞歸與散列技術(shù)改進(jìn)的Apriori 算法，并對改進(jìn)算法進(jìn)行了分析；Liu T[9]基于Apriori 和gradient 算法，采用最優(yōu)解的迭代過程，達(dá)到提升全局收斂速度和計(jì)算速度的目的；Zhou Y[10]等提出一種基于Apriori 算法分析空間關(guān)聯(lián)模式在點(diǎn)和線功能描述的算法過程，并對相關(guān)數(shù)據(jù)進(jìn)行了空間概率和空間問題預(yù)測的分析。

本文針對海量制造異構(gòu)數(shù)據(jù)的統(tǒng)一表達(dá)及分析應(yīng)用的迫切需求，基于XML 對離散車間中的異構(gòu)數(shù)據(jù)統(tǒng)一表達(dá)，采用改進(jìn)的Carma-Apriori 關(guān)聯(lián)規(guī)則算法對XML 數(shù)據(jù)進(jìn)行關(guān)聯(lián)規(guī)則分析。

2 關(guān)聯(lián)規(guī)則算法

2.1 基本概念

2.2 Apriori 算法原理

算法基本描述如圖1 所示。

圖1 Apriori 算法基本描述

2.3 改進(jìn)的Carma-Apriori 算法

Apriori 算法是通過對數(shù)據(jù)庫多次掃描然后建立頻繁項(xiàng)集，Carma[12]算法相對于傳統(tǒng)的Ariori 算法而言的優(yōu)勢：①占用內(nèi)存更小，②可以處理在線連續(xù)數(shù)據(jù)，③掃描一次最多兩次可以構(gòu)造數(shù)據(jù)集，④允許算法執(zhí)行過程中按需設(shè)置支持度。本文采用改進(jìn)的Carma-Apriori 算法對XML 數(shù)據(jù)進(jìn)行分析實(shí)現(xiàn)，改進(jìn)的Carma-Apriori 算法分析過程如下。

（1）產(chǎn)生頻繁項(xiàng)集Lk1）從項(xiàng)目包含相對較多的子集開始判斷Lk的真子集，即

式中，beginTrans(n)表示n被插入Lk時(shí)所在的事務(wù)序號，count(n) 表示Lk中n在事務(wù)數(shù)據(jù)庫出現(xiàn)的次數(shù)，maxMissed(n)表示Lk中n已添加的事務(wù)個(gè)數(shù)，σi表示支持度閥值。

2）剪枝，每讀入一條剪枝一次，對小于最小支持度的maxSupport(n)，將其從Lk中移除。

（2）對頻繁項(xiàng)集Lk進(jìn)行去除得到結(jié)果集 通過第一步中找出的項(xiàng)集Lk和最后一個(gè)支持度σi；對于支持度小于σi的項(xiàng)集，將其去除出U；針對祛除的項(xiàng)集，將其相關(guān)集也同樣去除。采用Carma-Apriori 算法生成的關(guān)聯(lián)規(guī)需要滿足以下支持度條件：

3 XML 數(shù)據(jù)分析

3.1 XML 數(shù)據(jù)

XML 是一種基于文本的數(shù)據(jù)描述語言的通用標(biāo)準(zhǔn)，可用于定義數(shù)據(jù)的結(jié)構(gòu)、屬性、類型和格式的相關(guān)規(guī)范[13]。XML 為Internet 的通用語，其主要適用范圍有分布式和web 發(fā)布計(jì)算、數(shù)據(jù)交換，是web 的基礎(chǔ)。文中所分析的一種基于XML 制造信息的表述示意圖，如圖2 所示。

圖2 基于XML 制造信息的表述示意圖

XML 數(shù)據(jù)的結(jié)構(gòu)屬于半結(jié)構(gòu)化并且是易擴(kuò)展數(shù)據(jù)表示方法，針對離散制造車間中多源異構(gòu)數(shù)據(jù)采集與異構(gòu)數(shù)據(jù)同構(gòu)化，XML 數(shù)據(jù)可以做到映射轉(zhuǎn)換和結(jié)構(gòu)化的統(tǒng)一表達(dá)，文獻(xiàn)[14]采用Express-XML 可以完成對異構(gòu)數(shù)據(jù)繼承、聚合和屬性的統(tǒng)一描述。在生產(chǎn)制造過程中，通過傳感器網(wǎng)采集數(shù)據(jù)，并預(yù)處理之后采用關(guān)聯(lián)規(guī)則進(jìn)行數(shù)據(jù)分析與實(shí)現(xiàn)。

3.2 對XML 數(shù)據(jù)的算法描述

Carma-Apriori 算法對XML 數(shù)據(jù)的分析流程如圖3所示。

圖3 關(guān)聯(lián)規(guī)則挖掘過程

1）對XML 數(shù)據(jù)庫進(jìn)行掃描并提取出事務(wù)T 和相關(guān)集，產(chǎn)生候選項(xiàng)集的集合，構(gòu)成事務(wù)集合數(shù)據(jù)庫D。

2）計(jì)算最小支持度：maxSupport(n)=(maxMissed(n)+count(n))i，掃描數(shù)據(jù)庫，對候選項(xiàng)集的集合進(jìn)行統(tǒng)計(jì)，并去除小于最小支持度的項(xiàng)集，構(gòu)成集合L1。

3）通過Lk-1對自身作連接產(chǎn)生候選k-項(xiàng)集合。按照L1，L2，…Lk-1，Lk，…，Ln的次序?qū)ふ翌l繁項(xiàng)集可以避免對事務(wù)數(shù)據(jù)庫中不可能發(fā)生的項(xiàng)集所進(jìn)行的搜索和統(tǒng)計(jì)。連接l1和l2產(chǎn)生的結(jié)果項(xiàng)（l1[1]，l1[2]，…，l1[k-1]，l2[k-1]）。

4）頻繁k-項(xiàng)集的任何子集合必須是頻繁項(xiàng)集。由連接生成的集和真子集進(jìn)行驗(yàn)證，去除不滿足支持度的非頻繁k-項(xiàng)集。

5）通過候選（k+1）-項(xiàng)集的集合，對其不滿足最小支持度的項(xiàng)集去除，產(chǎn)生頻繁（k+1）-項(xiàng)集的集合Lk+1。

6）通過3）～5）的循環(huán)迭代運(yùn)算，直到頻繁項(xiàng)集Lk為空集，根據(jù)最小置信度產(chǎn)生強(qiáng)關(guān)聯(lián)規(guī)則。

3.3 數(shù)據(jù)分析流程

在離散制造車間中，制造數(shù)據(jù)感知環(huán)境包括有線和無線、傳感器網(wǎng)絡(luò)、現(xiàn)場總線網(wǎng)絡(luò)等，用于實(shí)時(shí)制造數(shù)據(jù)的感知。數(shù)據(jù)感知主要面向異構(gòu)傳感設(shè)備組成的傳感器群，進(jìn)行多源制造信息的采集及異構(gòu)傳感器的管理。通過無線網(wǎng)、互聯(lián)網(wǎng)、工業(yè)局域網(wǎng)、射頻、藍(lán)牙和紅外等感知采集的信息，實(shí)現(xiàn)多源制造信息的實(shí)時(shí)控制。然后通過XML 數(shù)據(jù)處理最后進(jìn)行關(guān)聯(lián)規(guī)則的分析與實(shí)現(xiàn)，其流程如圖4 所示。

圖4 數(shù)據(jù)感知處理流程

針對物聯(lián)制造過程產(chǎn)生的實(shí)時(shí)數(shù)據(jù)，采用關(guān)聯(lián)規(guī)則算法進(jìn)行分析，在XML 中經(jīng)過處理后的數(shù)據(jù)生成的數(shù)據(jù)內(nèi)容包含銷售商、地點(diǎn)、購買數(shù)量及在產(chǎn)品生產(chǎn)過程由傳感器獲取的生生產(chǎn)過程中壓力、溫度及時(shí)間等。基于XML 數(shù)據(jù)庫，本文對實(shí)際生產(chǎn)的數(shù)據(jù)包括不同溫度、壓力、時(shí)間下，生成的事務(wù)數(shù)據(jù)如圖5 所示，項(xiàng)目名稱如圖6 所示。

圖5 事務(wù)數(shù)據(jù)

圖6 項(xiàng)目名稱

強(qiáng)關(guān)聯(lián)規(guī)則的產(chǎn)生需要給定最小支持度minsup，這里設(shè)定最小支持度minsup=10%。找出支持度大于等于最小支持度的頻繁項(xiàng)集進(jìn)而找出關(guān)聯(lián)規(guī)則。carma-apriori 算法挖掘過程示意圖如圖7 所示。

圖7 算法挖掘過程示意圖

4 應(yīng)用實(shí)現(xiàn)

基于XML 整合的離散制造車間中由傳感器獲取的異構(gòu)數(shù)據(jù)同構(gòu)化處理，以某辣椒醬生產(chǎn)線數(shù)據(jù)感知及整個(gè)過程的匹配數(shù)據(jù)為例，其中包括溫度、壓力傳感器及整個(gè)生產(chǎn)過程的時(shí)間記錄，匹配數(shù)據(jù)包括供應(yīng)商、產(chǎn)品銷售數(shù)量及其出貨地址等。采用NVIDIA GeForce GTX960并運(yùn)用Modeler 軟件進(jìn)行數(shù)據(jù)挖掘的分析，Modeler[15]可以充分利用計(jì)算機(jī)系統(tǒng)的運(yùn)算處理能力，將方法、應(yīng)用于工具有機(jī)的融合一體，是解決數(shù)據(jù)挖掘的工具之一。設(shè)置支持度support=10%，置信度為confidence=40%，基于出傳統(tǒng)Apriori 和Carma-Apriori 算法的運(yùn)行結(jié)果及網(wǎng)格關(guān)聯(lián)如圖8、圖9 所示。

圖8 Apriori 數(shù)據(jù)分析結(jié)果

圖9 Carma-Apriori 數(shù)據(jù)分析結(jié)果

針對離散制造中，基于XML 統(tǒng)一表達(dá)的數(shù)據(jù)分析結(jié)果可以看出，以第一組關(guān)聯(lián)數(shù)據(jù)為例，溫度在40℃、壓力在101kPa、時(shí)間為4h 的強(qiáng)關(guān)聯(lián)規(guī)則中傳統(tǒng)Apriori 算法的數(shù)據(jù)支持度為16.683%，而Carma-Apriori 算法的支持度為18.453%，也就是說在生產(chǎn)過程中采用Apriori 算法的支持度比Carma-Apriori 算法的支持度要低，這是因?yàn)镃arma-Apriori 算法的支持度support=關(guān)聯(lián)規(guī)則產(chǎn)生的數(shù)據(jù)量/有效數(shù)據(jù)量，而傳統(tǒng)Apriori 算法的支持度support=關(guān)聯(lián)規(guī)則產(chǎn)生的數(shù)據(jù)量/全部數(shù)據(jù)量。以第二組數(shù)據(jù)為例，Apriori 產(chǎn)生的數(shù)據(jù)置信度為85.882%，Carma-Apriori 算法產(chǎn)生算法置信度為86.275%。

因?yàn)镃arma-Apriori 算法的置信度：

而傳統(tǒng)Apriori 算法的置信度：

式中，Consequent表示后項(xiàng)在數(shù)據(jù)中的pressure（101kPa），Antecedent表示前項(xiàng)在數(shù)據(jù)中包含的temperature（40℃）和time（4h），縱觀全部數(shù)據(jù)可以得出Apriori 算法的支持度比Carma-Apriori 算法的支持度要低，而置信度上進(jìn)行數(shù)據(jù)分析得出，Carma-Apriori 算法的置信度比Apriori算法的置信度要高。造成這樣的原因是因?yàn)樵趯χ圃爝^程數(shù)據(jù)的處理的過程中有些數(shù)據(jù)是無效的，Carma-Apriori算法直接將其祛除，而傳統(tǒng)的Apriori 算法將其保留并進(jìn)行預(yù)測計(jì)算，也就是說Carma-apriori 算法的計(jì)算數(shù)據(jù)的基數(shù)為全部有效數(shù)據(jù)，而Apriori 算法的數(shù)據(jù)基數(shù)中包含一些無效數(shù)據(jù)。另外在數(shù)據(jù)分析過程存在一個(gè)參數(shù)是rule support，即規(guī)則關(guān)聯(lián)度關(guān)聯(lián)支持度公式如下。

傳統(tǒng)Apriori 算法的規(guī)則支持度：

Carma-Apriori 算法的規(guī)則支持度：

在數(shù)據(jù)分析中，Apriori 的規(guī)則支持度比Carma-Apriori 的均要低，所以說Carma-Aprirori 算法對數(shù)據(jù)分析的關(guān)聯(lián)支持度要比Apriori 算法關(guān)聯(lián)支持度高，在數(shù)據(jù)處理方面更有效，準(zhǔn)確性與預(yù)測性比傳統(tǒng)的Apriori 算法要更加精確。

在此關(guān)聯(lián)規(guī)則中，基于XML 的面向離散制造的數(shù)據(jù)有supplier（供應(yīng)商）、value（價(jià)值）、總量（quality）、時(shí)間（time）、溫度（temperature）及壓力（pressure）等?；贑arma-Apriori 算法建立的數(shù)據(jù)網(wǎng)格為所有關(guān)聯(lián)規(guī)則的關(guān)聯(lián)線建立，將分析數(shù)據(jù)調(diào)制144～200，存在的關(guān)聯(lián)規(guī)則有temperature（50℃）關(guān)聯(lián)pressure（121kPa）、pressure（131kPa）關(guān)聯(lián)time（3h）及pressure（101kPa）與time（4h）、temperature（40℃）的關(guān)聯(lián)，在167～200的高頻區(qū)域，強(qiáng)關(guān)聯(lián)線為pressure（101kPa）與time（4h）、temperature（40℃）的關(guān)聯(lián)。在此數(shù)據(jù)分析中，關(guān)聯(lián)規(guī)則為生產(chǎn)過程針對供應(yīng)商提供的商品價(jià)格及銷售總量與物理參數(shù)相匹配形成的數(shù)據(jù)關(guān)聯(lián)。分析三種物理參數(shù)。得出的三條關(guān)聯(lián)規(guī)則是溫度在40℃、壓力在101kPa、時(shí)間為4h 的強(qiáng)關(guān)聯(lián)規(guī)則，其置信度在85%以上。也就是說在此物理常態(tài)下所生產(chǎn)的產(chǎn)品是需求最高的?；谒惴▽?shù)據(jù)分析建立的網(wǎng)狀圖，可以看出各個(gè)物理參數(shù)都存在關(guān)聯(lián)，但是在頻數(shù)較高的區(qū)域里溫度在40℃、壓力在101kPa、時(shí)間為4h 三個(gè)的關(guān)聯(lián)度最高，與Carma-Apriori算法的關(guān)聯(lián)規(guī)則的分析結(jié)果相一致。

5 結(jié)束語

本文基于XML 數(shù)據(jù)庫對物聯(lián)制造過程中產(chǎn)生的數(shù)據(jù)采用XML 數(shù)據(jù)模型首先做了統(tǒng)一表達(dá)，然后通過Carma-Apriori 對關(guān)聯(lián)數(shù)據(jù)進(jìn)行了分析，得出結(jié)果的置信度在85%以上。但是在實(shí)際生產(chǎn)過程中還有能量散失、損耗等問題，也就是說針對離散制造過程的實(shí)時(shí)數(shù)據(jù)采集量還略顯不足，只能在離散制造中做參考之用，研究工作上還要繼續(xù)深入?，F(xiàn)階段已經(jīng)對離散制造過程的數(shù)據(jù)包含UWB 定位數(shù)據(jù)及相關(guān)人員生產(chǎn)數(shù)據(jù)完成了系統(tǒng)界面，下一階段將針對生產(chǎn)過程中的實(shí)時(shí)數(shù)據(jù)分析集成在系統(tǒng)界面中，以便對生產(chǎn)過程數(shù)據(jù)實(shí)時(shí)進(jìn)行關(guān)聯(lián)分析處理，達(dá)到對生產(chǎn)過程的實(shí)時(shí)監(jiān)控與數(shù)據(jù)處理的目的。