焚烧炉工程项目数据分析与挖掘（工程管理）

1、泓域咨询/焚烧炉工程项目数据分析与挖掘焚烧炉工程项目数据分析与挖掘一、 swot分析法模型swot分析基于内外部竞争环境和竞争条件下的态势分析，就是将与研究对象密切相关的各种主要内部优势、劣势和外部的机会和威胁等，通过调查列举出来，并依照矩阵形式排列，然后用系统分析的思想，把各种因素相互匹配起来加以分析，从中得出一系列相应的结论。运用这种方法，可以对研究对象所处的情景进行全面、系统、准确的研究，从而根据研究结果制定相应的发展战略。根据优势、劣势与机会、威胁两两组合，swot分析可以形成so、wo、st、wt四种不同类型的组合战略。so战略（优势一机会）：是一种发展企业内部优势与利用外部机会的战

2、略，是种理想的战略模式。当企业具有特定方面的优势，而外部环境又为发挥这种优势提供有利机会时，可以采取该战略。wo战略（劣势一机会）：是利用外部机会来弥补内部劣势，使企业改劣势而获取优势的战略。存在外部机会，但由于企业存在一些内部劣势而妨碍其利用机会，可采取措施先克服这些劣势。st战略（优势一威胁）：是指企业利用自身优势，回避或减轻外部威胁所造成的影响。wt战略（劣势一威胁）：是一种旨在减少内部劣势，回避外部环境威胁的防御性技术。swot分析法在应用于企业发展战略制定时，首先应根据企业优劣势分析和机会威胁分析，画出swot分析图，然后根据swot分析结果，在swot分析图上找到企业相应的位置，从

3、而进行相应的战略选择。swot分析图划分为4个象限，根据企业所在的不同位置，应采取不同的战略。swot提供了4种战略选择：在右上角的企业拥有强大的内部优势和众多的机会，企业应采取增加投资、扩大生产、提高市场占有率的增长性战略；在右下角的企业尽管具有较大的内部优势，但必须面临严峻的外部挑战，应利用企业自身优势，开展多元化经营，避免或降低外部威胁的打击，分散风险，寻找新的发展机会；处于左上角的企业，面临外部机会，但自身内部缺乏条件，应采取扭转性战略，改变企业内部的不利条件；处于左下角的企业既面临外部威胁，自身条件也存在问题，应采取防御性战略，避开威胁，消除劣势。二、 项目概述（一）项目基本情况1、

4、项目名称：焚烧炉工程项目2、承办单位名称：xxx（集团）有限公司3、项目性质：扩建4、项目建设地点：xx（以选址意见书为准）5、项目联系人：付xx（二）主办单位基本情况公司满怀信心，发扬“正直、诚信、务实、创新”的企业精神和“追求卓越，回报社会” 的企业宗旨，以优良的产品服务、可靠的质量、一流的服务为客户提供更多更好的优质产品及服务。公司坚持提升企业素质，即“企业管理水平进一步提高，人力资源结构进一步优化，人员素质进一步提升，安全生产意识和社会责任意识进一步增强，诚信经营水平进一步提高”，培育一批具有工匠精神的高素质企业员工，企业品牌影响力不断提升。公司不断建设和完善企业信息化服务平台，实施“

5、互联网+”企业专项行动，推广适合企业需求的信息化产品和服务，促进互联网和信息技术在企业经营管理各个环节中的应用，业通过信息化提高效率和效益。搭建信息化服务平台，培育产业链，打造创新链，提升价值链，促进带动产业链上下游企业协同发展。公司在发展中始终坚持以创新为源动力，不断投入巨资引入先进研发设备，更新思想观念，依托优秀的人才、完善的信息、现代科技技术等优势，不断加大新产品的研发力度，以实现公司的永续经营和品牌发展。（三）项目建设选址及用地规模本期项目选址位于xx（以选址意见书为准），占地面积约71.00亩。项目拟定建设区域地理位置优越，交通便利，规划电力、给排水、通讯等公用设施条件完备，非常适宜

6、本期项目建设。三、 项目总投资及资金构成本期项目总投资包括建设投资、建设期利息和流动资金。根据谨慎财务估算，项目总投资29316.57万元，其中：建设投资23845.63万元，占项目总投资的81.34%；建设期利息630.68万元，占项目总投资的2.15%；流动资金4840.26万元，占项目总投资的16.51%。四、 资金筹措方案（一）项目资本金筹措方案项目总投资29316.57万元，根据资金筹措方案，xxx（集团）有限公司计划自筹资金（资本金）16445.56万元。（二）申请银行借款方案根据谨慎财务测算，本期工程项目申请银行借款总额12871.01万元。五、 项目预期经济效益规划目标1、项目

7、达产年预期营业收入（sp）：55600.00万元。2、年综合总成本费用（tc）：45852.37万元。3、项目达产年净利润（np）：7115.89万元。4、财务内部收益率（firr）：17.28%。5、全部投资回收期（pt）：6.35年（含建设期24个月）。6、达产年盈亏平衡点（bep）：24427.52万元（产值）。六、 项目建设进度规划项目计划从可行性研究报告的编制到工程竣工验收、投产运营共需24个月的时间。七、 项目背景分析在生态文明建设与新型城镇化建设不断推进的过程中，垃圾围城问题正日益严峻，垃圾焚烧炉是焚烧处理垃圾的设备，垃圾焚烧发电符合“无害化、减量化、资源化”，而且在国内历经20

8、多年的发展。国家统计局统计数据显示，2017年我国生活垃圾焚烧发电厂数量为286座，根据我国生活垃圾焚烧厂规模分类以及焚烧炉设置建议（标准出自生活垃圾焚烧处理工程技术规范），结合国内不同规模垃圾焚烧发电厂配置实际情况，保守估计2017年我国生活垃圾焚烧炉数量约为715台。据不完全统计,截至2018年4月,全国(除港澳台地区)已运行垃圾焚烧厂数量达359座，保守估计截至2018年4月，我国生活垃圾焚烧炉数量约为898座。根据“十三五”全国城镇生活垃圾无害化处理设施建设规划等政策提出的要求，到2020年底，城市生活垃圾焚烧处理能力占无害化处理总能力的50%以上，其中东部地区达到60%以上。作为政策

9、扶持性产业，垃圾焚烧发电的政策利好发酵，根据“十三五”全国城镇生活垃圾无害化处理设施建设规划：“十三五”期间全国城镇生活垃圾无害化处理设施建设总投资约2518.4亿元。其中，无害化处理设施建设投资1699.3亿元，垃圾发电设备中最核心的设备是垃圾焚烧锅炉，占整个垃圾发电厂设备投入资金的50%以上，因此保守估计到2020年我国垃圾焚烧炉投资约为850亿元，由此可见行业市场前景可喜。八、 数据统计分析数据分析重要的一类是对具有随机性质的数据进行分析，在多数情况下是用于预测。本段仅介绍统计分析。统计分析不仅是计算样本的数字特征（期望值、方差、相关系数、协方差、离散度、概率分布等），还应当建立适当的模

10、型，进而做出预测。统计分析一般有如下工作或阶段。1选择数字特征。统计分析，就是利用若干数字特征全面认识数据的统计规律。选择数字特征是统计分析研究问题的准备阶段，是统计过程的重要环节。数字特征应当：（1）能够客观地反映研究分析对象的性质、特点、内在联系和运动过程；（2）尽可能突出重点，反映分析对象的全貌；（3）应能反映分析对象的变化；（4）便于资料获取。2收集并整理数据。确定了需用的数字特征之后，就要收集并整理所需的数据。样本的容量与质量对统计结果影响极大。3计算数字特征。利用整理后的样本计算必要的数字特征。这项工作可以同下面的建模合在一起，利用适当的软件进行。4建立模型。计算出样本数字特征后，

11、应选择适合样本模式的模型。统计分析可用的模型很多，都有各自的特点及适用条件。选择模型时，应全面考虑研究对象与目的、到手的数据与资料、统计方法等各自的特点，以及咨询人员对方法的熟悉程度等。5检验模型误差。建模之后，可利用样本检验模型的误差，误差大小由样本与所选模型与方法所决定。根据经济学理论和研究对象的具体特点，分析和评价模型误差，以及模型和方法本身；若误差未达到要求，应改进模型与方法。6利用模型预测。预测是咨询结论和建议的基本依据之一，应成为咨询及决策人员的高质量信息。7评价统计与预测结果。对统计与预测结果进行评价的任务是对初步统计结果（如离散程度、影响、走势等）进行概括，并寻找它们之间的联系

12、。评价过程一般有：形成初步概念；对现象定性；提出主要观点；阐述所提观点的理由；提出论据；得出结论。咨询工程师在进行评价时，要在大局高度上全面、长远地看问题，多方面观察，不偏废任何一方；注意数据的衔接，当来源不同的数据矛盾时应弄清情况后再做取舍。九、 大数据系统和数据挖掘技术（一）数据挖掘概述1大数据大数据是指超过既往数据库系统规模、传输速度和处理能力，或者既往数据库系统结构无法容纳的数据。大数据常以万亿或eb衡量，且种类多、实时性强，蕴藏的商业价值大。很多现有的新或旧的信息基础设施、工具和技术可用来开发和利用大数据中蕴藏的价值。大数据有各种各样的来源：传感器、气候信息、公开的信息、如杂志、报纸

13、、文章、买卖记录、网络日志、病历、事监控、视频和图像档案，及大型电子商务。大数据是数据挖掘产生与生存发展的土壤。如今数据每五年翻一番，面对前所未有的海量数据，为了从中发现有用的信息必须进行数据挖掘。此外，计算机存储、处理大量数据，以及运算的能力大为增强，为数据挖掘创造了条件，使其成为一门独特的学科和技术。2数据挖掘与数据分析的区别数据挖掘与数据分析的主要区别在于：（1）处理工作量。数据分析的数据量可能并不大，而数据挖掘的数据量极大。（2）制约条件。数据分析是从某些假设出发，建立方程或模型，而数据挖掘不作假设，可以自动建立方程。（3）处理对象。数据分析往往是针对数字型数据，而数据挖掘对象类型繁多

14、，例如图像、声音、文本等。（4）处理结果。数据分析可以解释结果的含义；数据挖掘的结果不易解释，着眼于预测未来，并提出决策建议。想要从数据中发现规律（即认知），往往需将数据分析和数据挖掘结合起来。（二）数据挖掘步骤按挖掘对象，数据挖掘分为数据库与数据仓库挖掘和网络挖掘两种，各自步骤分述如下。1数据库与数据仓库挖掘数据挖掘一般有信息收集、数据集成、数据规约、数据清理、数据变换、数据挖掘、模式评估和知识表示8个步骤。（1）信息收集。从确定的挖掘对象中提取特征，然后选择合适的收集方法，将收集到的信息存入数据库。对于海量数据，必须选择合适的数据仓库。（2）数据集成。把来源、格式、特点、性质不同的数据按逻

15、辑或物理属性加以编排，以便以后使用。（3）数据规约。多数数据挖掘算法耗时很长，商业数据往往较多，数据挖掘更耗时间。数据规约就是简化已有可用数据集的表示，规约后数量大减，但仍能保持原数据的完整性，对规约数据的挖掘结果，与对规约前数据的挖掘结果相同或几乎相同。（4）数据清理。有些数据不完整（属性缺少属性值）、含噪声（属性值错误），不一致（同一信息有多种表示），需要清理，使其完整、正确、一致后存入数据仓库。（5）数据变换。将数据变换成适合数据挖掘的形式。实数型数据，可将其分层和离散化。（6）数据挖掘。根据数据格式、属性与特点，选择合适的处理工具，例如统计方法、事例推理、决策树、规则推理、模糊集，甚至

16、神经网络，取得有用的信息。（7）模式评估。由行业专家核实数据挖掘结果是否合理、是否可用。（8）知识表示。将数据挖掘得到的信息以可视方式交给用户，或作为新的知识存人知识库，供其他应用程序使用。并非所有的数据挖掘都要走上述的每一步。若只有一个数据源，则可以省略数据集成。数据规约、数据清理、数据变换合称数据预处理。数据挖掘至少60%的费用要花在信息收集阶段，而至少60%以上的精力和时间要花在数据预处理上。数据挖掘是一个反复多次的过程，若一次未满足要求或未得到有用结果，则需回到前面，经过调整后重新开始。2，网络挖掘网络挖掘可分为网络用户行为挖掘与网络信息挖掘。前者基本不在工程咨询人员关心之列。后者可理解为“从www中发现和分析有用的信息”。网络信息挖掘是在已知数据样本的基础上，通过归纳学习、机器学习、统计分析等发现挖掘对象间的内在关系与特性，进而在网络中提取用户感兴趣的信息，获得更高层次的知识和规律。网络信息挖掘沿用了robot，全文检索、人工智能的模式识别、神经网络等技