钢铁企业生产成本关键工序挖掘模型研究

收稿日期：－年－月－日；修回日期：－年－月－日.基金项目：国家自然科学基金支持，产品知识资源管理理论与方法研究（70471056）作者简介：宋旭东(1969－)，男，汉族，辽宁大连人，副教授，博士，从事数据挖掘与支持决策系统的研究，sxd@；程晓兰(1983-),女，汉族，湖北咸宁人，硕士，从事数据挖掘与支持决策系统的研究，8322402891@；刘晓冰(1956－)，男，汉族，吉林长春人，教授，博士生导师，从事CIMS、企业应用集成的研究，xbliu@。钢铁企业生产成本关键工序挖掘模型研究摘要：在钢铁企业的成本分析中，工艺路线关键工序消耗的分析和控制成为钢铁企业生产成本决策分析中首要的任务。通过以工艺路线为切入点，结合企业的成本分析项目，对生产成本工序进行数据仓库维度建模。采用基于抽样的C4.5算法对生产成本工序数据进行挖掘，挖掘出工艺路线中的关键工序和影响钢铁企业成本的分类规则，为企业的成本管理提供了科学依据。关键词：钢铁企业；成本分析；工艺路线；数据仓库；维度建模；数据挖据中图分类号：TP311文献标识码：AResearchonProductionCostKeyProcessesMiningModelforIron&SteelEnterprisesSONGXu-dong1，2，CHENGXiao-lan1，LIUXiao-bing2，Zhai-kun2DalianJiaotongUniversity,Dalian116028,China;2.DalianUniversityofTechnology,Dalian116024,China）Abstract：Incostanalysisofiron&steelenterprise,analysisandcontrolofconsumptionofthekeyprocessofprocessroutesbecomeprimarytaskforiron&steelenterprisesproductioncostdecision-making.Throughprocessroutesasthebreakthroughpoint,combiningthecostanalysisprojectsofenterprises,dodatawarehousemodelingforproductioncostprocesses.AdoptingimproveddecisiontreealgorithmC4.5usedforproductioncostdata,minethekeyprocessesinprocessroutesandtheclassificationrulesusedforcostsaffectofiron&steelenterprises.Itprovidesascientificbasisforthecostofmanagementforenterprises.Keywords：iron&steelenterprises;costanalysis;processroutes;datawarehouse;dimensionalmodeling;datamining1引言在传统的Purdue模型中，流程工业CIMS自下而上从功能上被分为五个层次，但这种分法在钢铁企业CIMS系统的设计和应用实践中遇到了较大的问题，于是将美国AMR(AdvancedManufacturingResearch)公司提出的制造业的ERP/MES/PCS三级模型引入进来，有效地解决了五层模型存在的问题。目前基于ERP/MES/PCS三级模型的钢铁企业成本分析的文献主要有[1，2]。文献[2]讨论到了钢铁企业中生产消耗高低主要体现在各工序的技术经济指标上。因此，加强对工艺路线关键工序消耗的分析和控制成为钢铁企业成本决策分析中首要的任务。本文就是基于以上的背景展开研究的。如何寻找工艺路线中的关键工序，对提高企业成本控制有重要的作用。本文将数据仓库维度建模和数据挖掘技术引入到钢铁生产成本管理领域，从大量钢铁生产成本历史数据中挖掘出工艺路线上的关键工序，为决策者在工业生产过程中提供更好的决策依据，以指导钢铁企业生产，降低产品成本。2钢铁企业生产成本工序维度建模工艺路线是说明各项自制件的加工顺序和标准工时定额的文件。工艺路线优化是实现计算机辅助工艺设计的关键技术之一。企业接到一份合同，如何根据合同的条件，选择最佳的工艺路线，以降低生产成本是企业非常关心的事情。目前在工艺路线的优化问题上，比较成功的研究方法有遗传算法[3]，有向图方法[4]等。本文从数据挖掘的角度出发，用数据挖掘算法来寻找工艺路线中的关键工序，加强关键工序消耗的分析与控制，为企业优化工艺路线提供决策依据。下面参考文献[5]的数据仓库维度建模设计过程，对生产成本工序进行维度建模。2.1选取要建模的业务处理过程在介绍要建模相关业务处理过程之前，先对涉及的业务术语进行定义。定义1：标准工序和成本工序在钢铁企业中根据业务的不同，工序一般分为标准工序和成本工序。标准工序是指各分厂在生产过程或生产系统中使用的标准的工序。因为这些工序用于指导生产、在生产计划和物料跟踪过程中使用，因此工序的划分十分细致。但是，在成本核算的过程中，费用的分配并不是以这些细致划分的工序为基础的。存在生产过程中的若干工序对资源的耗费是不可分割的情况，因此它们将作为一个成本工序来考虑。下面对要建模的业务处理流程进行描述。企业接收到合同后，首先是技术中心根据合同的要求来确定相应的工艺路线、工艺参数等等；以制定较好的工艺路线，使得中间库存量最小、加工时间最短。制定完的工艺路线需要经过人为的审核才能正式投入使用。审核的过程主要根据具体的实际情况确定是否实施工艺路线的某些工序，或是添加某些附加的工序，还有对某些工序的动态数据（如工序的实施分厂等）进行规定，实现人为的调整与灵活控制。然后各分厂进行生产计划的制定，根据合同的物料量和本分厂的库存情况进行提料，并根据日计划进行物料跟踪、转移、入库，同时为成本管理提供成本统计所需的产量、转移量、入库量、消耗量及工时信息。在成本的管理中，需要制定工艺步骤的成本，按照不同的工艺路线选择不同的生产设备和工时系统来分摊各种费用，以制定标准工艺步骤成本和费用。对于成本工序的费用，可按照炉号、钢号、规格、工艺路线等进行成本核算；可计算出每炉在每道工序实际消耗的步骤费用，根据定额计算的各种消耗的步骤费用；计算根据工时系数分摊各项消耗的步骤费用；计算工序步骤成本；计算每炉的实际成本、实际单价。2.2选定维度生产成本工序维度模型中确定的维度有：工艺路线维和成本工序维。其他相关维度包括：标准工序维、分厂维、钢号维、加工用途维、交货状态维、产品标准维和工艺类别维等。2.3确定事实生产成本工序维度建模的最后一步，在于仔细确定哪些事实要在事实表中出现。这里确定的事实有标准成本和实际成本。为了实施工序成本分析与控制，我们需要关注每个工序是否盈利，所以增加一个事实：工序盈利否。如果标准成本小于实际成本，则置“工序盈利否”字段值为“亏”，否则置“工序盈利否”字段值为“盈”。生产成本工序事实表采用雪花模型，如图1所示。其中生产成本工序事实表中的工艺路线ID对应工艺路线维表，生产成本工序事实表中的成本工序ID对应成本工序维表。工艺路线维工艺路线维工艺路线ID工艺路线工序ID序列交货状态ID产品标准ID工艺类别ID规格分厂ID钢号ID加工用途ID带料状态工艺路线名称工艺路线附加说明成本工序维成本工序ID标准工序ID标准成本工序名称分厂ID图1生产成本工序事实表雪花模型分厂维分厂ID分厂名称钢号维钢号ID钢号名称钢类ID钢类名称生产成本工序事实表工艺路线ID生产号成本工序ID钢号ID分厂ID炉号批次标准成本实际成本工序盈利否工艺类别维工艺类别ID工艺类别名称加工用途维加工用途ID加工用途名称产品标准维产品标准ID产品标准名称标准工序维标准工序ID工序名称工序提前期工时定额工序成材率工序工艺参数工序条件现场检查交货状态维交货状态ID交货状态名称工艺路线标准信息表工艺路线标准信息表月计划任务表抽取出研究工艺路线的工艺路线ID，工艺路线名称在月计划任务表中，选择与研究工艺路线相匹配的所有生产号，并抽取相应的标准工序ID、分厂ID、批次、钢号ID等信息物料跟踪业务表将抽取结果集按生产号、分厂ID、工序ID、批次、钢号ID与物料跟踪业务表按生产号、分厂ID、工序ID、批次、钢号ID匹配，将物料跟踪业务表中的炉号抽取出来将标准工序转换为成本工序，过滤掉不用进行成本核算的标准工序工序成本核算表物料跟踪事实表的炉号、钢号ID、批次分别与工序成本核算表按炉号、钢号ID、批次匹配，将工序成本核算表中的标准成本、实际成本抽取出来标准工序核算对照信息表生产成本工序事实表得到生产成本工序事实表的数据记录图2生产成本工序数据抽取-转换-装载过程3.钢铁生产成本工序数据仓库实现过程前面已经对钢铁企业的工艺路线及生产成本工序进行了建模。下面实施钢铁企业生产成本数据仓库实现过程，具体包括数据抽取、数据转换和数据装载等过程，整个过程如图2所示。3.1数据抽取可以依据企业决策专家建议，选择企业中比较重要的工艺路线进行分析。这里我们选择标准工序组合为“配料(单渣)*电炉冶炼*AOD炉冶炼*150方连铸*缓冷*连铸坯转移*退火*矫直*精整*磁粉探伤*钢坯修磨*转移”的工艺路线进行分析，我们称该条工艺路线为研究工艺路线。在进行工序成本核算时，并不是所有的标准工序在最后的成本核算中都会进行核算的，只有那些在标准工序核算对照信息表中声明要进行成本核算的标准工序才会转换为工序成本进行核算。在我们选定的研究工艺路线中，共有12个工序的研究工艺路线，只有电炉冶炼、AOD炉冶炼、150方连铸、缓冷、退火这5个工序进行成本核算。3.2数据转换数据转换是将数据转换为适合于数据挖据的形式。在工序盈利否字段实际存储时，分别用“0”或“1”代表“盈”或“亏”，这样可以提高数据存储和访问性能，提高关键工序挖掘的效率。3.3数据装载经过以上的数据抽取与转换，可以动态地生成基于某条工艺路线的生产成本工序事实表。数据装载就是将前面得到的事实表和维表导入到生产成本数据仓库中。4.钢铁企业生产成本关键工序数据挖掘4.1挖掘算法的选择在数据挖掘算法中，决策树算法具有速度快，容易转化成便于理解的分类规则，是一种简单但广泛使用的分类技术。Quinlan于1979年提出了著名的ID3算法，1993年提出的以ID3算法为蓝本的C4.5是一个能处理连续属性的算法。上面提到的ID3和C4.5等算法对于相对小的数据集是很有效的,当这些算法用于大数据集时，有效性和收缩性就出现了问题。随着数据库规模的增加，数据挖掘算法面临着对有效性和正确性更高的要求。对大数据集进行数据挖掘是一件非常费力的工作，需要消耗大量的时间和物理资源。抽样作为一种行之有效的方法被引入进来。文献[6]提出的基于抽样的决策树算法能在面临大数据集的情况下，利用统计的知识选取一个与原数据集相似分布的小初始样本集来进行学习，根据时间复杂度要求和正确度收敛标准来定义抽样的终止。该算法减少了计算量和I/O的复杂性，同时保持了产生树的正确性。本文采用基于抽样的C4.5算法对企业生产成本关键工序进行挖掘。4.2关键工序挖掘数据预处理为便于应用决策树算法，需对生产成本工序事实表进行预处理，将其转换为决策表，生成如图3所示的生产成本关键工序决策表。根据销售亏损事实表，可得到所有执行该条工艺路线的生产号是否盈利。如果该条工艺路线的生产号盈利则置工艺路线盈利否字段值为“1”，否则置工艺路线盈利否字段值为“0”。生产成本关键工序决策表电炉冶炼盈利否AOD炉冶炼盈利否150方连铸盈利否缓冷盈利否生产成本关键工序决策表电炉冶炼盈利否AOD炉冶炼盈利否150方连铸盈利否缓冷盈利否退火盈利否工艺路线盈利否图3生产成本关键工序决策表4.3应用基于抽样的C4.5算法进行关键工序挖掘本挖掘系统采用浏览器/服务器(B/S)架构，客户端负责确定挖掘主题，选取指定的工艺路线，即定义挖掘目标，设置因变量属性，选择基于抽样的C4.5算法生成决策树，提取规则，对规则进行的合理性进行检验，如规则合理即可输出，否则循环此过程，直到生成满意的决策树为止。基于抽样的C4.5算法方法请参考文献[6]。算法的信息增益比率公式：其中S是s个数据样本的集合。类别属性具有m个不同值Ci。si是类Ci中的样本数。pi是任意样本属于Ci的概率，并用si/s估计。非类别属性A具有v个不同值｛a1，a2，…，av｝。利用A将S划分为v个子集｛s1，s2，…，sv｝；其中sj包含S中在A上具有值aj的样本。sij是子集sj中类Ci的样本数。s1到s1是v个值的属性A分割S而形成的v个样本子集。实际上，分裂信息是S关于属性A的各值的熵。针对某钢铁企业，选择一条典型的工艺路线，2007年第二季度使用“配料(单渣)*电炉冶炼*AOD炉冶炼*150方连铸*缓冷*连铸坯转移*退火*矫直*精整*磁粉探伤*钢坯修磨*转移”这条工艺路线的生产号共有204000个，经过抽样后得到25100个。在本试验中，定义s=25100。分类属性值只有两个值：盈和亏。所以m=2。s1=23200，s2=1900，p1=0.92.4,p2=0.076。非类别属性，即条件属性有5个，这里以AOD炉冶炼盈利否这个条件属性为例，说明该属性的信息增益比率的计算方法。AOD炉冶炼盈利否有2个不同值{盈，亏}。所以v=2，a1=盈，a2=亏，s1=24100，s2=1000，s11=23200，s12=0,s21=900,s22=1000。类似地，GainRatio(电炉冶炼盈利否)=0.564，GainRatio(150方连铸盈利否)=0.107，GainRatio(缓冷盈利否)=0.021，GainRatio(退火盈利否)=0.011。运行基于抽样的C4.5分类算法得到的分类决策树见图4。其中分类属性后面的括号里表示分到该层的记录数。图4的分类规则为:IFAOD炉冶炼盈利否=盈AND电炉冶炼盈利否=盈THEN工艺路线盈利否=盈IFAOD炉冶炼盈利否=盈AND电炉冶炼盈利Foundationitem:ProjectsupportedbyNationalNaturalScienceFoundation.Researchonproductknowledgeresourcesmanagementtheoryandmethods（70471056）.否=亏AND150方连铸盈利否=盈THEN工艺路线盈利否=盈IFAOD炉冶炼盈利否=亏THEN工艺路线盈利否=亏IFAOD炉冶炼盈利否=盈AND电炉冶炼盈利否=亏AND150方连铸盈利否=亏THEN工艺路线盈利否=亏=盈=盈=盈=盈=亏=亏=亏AOD炉冶炼盈利否(25100)电炉冶炼盈利否(24100)150方连铸盈利否(2100)盈(22000)亏(900)盈(1200)亏(1000)图4分类决策树根据决策树结果，从对该工艺路线的影响来看，AOD炉冶炼的影响最大，其次是电炉冶炼和150方连铸。缓冷和退火对工艺路线的成本核算不起作用。因此，可以确定AOD炉冶炼是该工艺路线的关键工序，其次是电炉冶炼工序和150方连铸工序，加强这些关键工序的分析和控制是控制企业生产成本的关键所在。5结语本文将数据仓库维度建模和数据挖掘技术应用到企业生产成本关键工序挖掘上，是一个有益的尝试。通过一个典型的案例分析，找出影响钢铁企业成本亏盈的关键工序，并在企业中取得了良好效果，为数据挖掘技术在企业管理领域的应用提供了宝贵的经验。如何寻找工序与班组的最佳匹配成为下一步研究的任务。参考文献(References)[1]柴天佑,金以慧,任德祥,等.基于三层结构的流程工业现代集成制造系统[J].控制工程,2002,9(3):1-6.(CHAITianyou,JINYihui,RENDexiang,etal.ContemporaryIntegratedManufacturingSystemBasedonThree-layerStructureinProcessIndustry[J].BasicAutomation.2002,9(3):1-6)[2]刘威,初延刚,王冠,等.钢铁企业生产成本控制的体系结构[J].东北大学学报,2004,5(5),1708-1712.(LIUWei,CHUYangang,WANGGuan,etal.ProductionCostCo