淺析如何運用資料探勘論文技術對製造業裝置進行前期管理的論文
本篇資料探勘論文展開製造業裝置前期管理中網路資訊挖掘研究，以期推動企業裝置前提管理水平的提高。
1 前期管理是裝置管理的基礎
在企業管理中，裝置管理是重要的組成部分。由於裝置管理是對裝置整個生命週期的管理與控制，僅僅管理裝置使用的區域性過程已經無法滿足現代管理的需要。同時，對於全部裝置生命週期成本，裝置投資階段發揮著決定著作用，所以，應當透過裝置的前期管理降低其生命週期成本。另外，裝置管理的基礎就是裝置前期管理，該階段的投資決策關係到裝置的技術水平，也會影響到裝置的型別，進而對企業的產品質量和生產效率發揮不小的作用。
對於整個國民經濟和社會發展，製造業不僅是物質基礎，也體現著國家的綜合實力。目前，在我國GDP中，製造業工業總產值的比重在40%左右，我國製造業的.總體規模也位列世界前茅。不過，長期以來，我國製造業在裝置前期管理上存在諸多問題，尤其是裝置選型問題。廣泛的工業實踐表明，裝置前期管理對製造業的投資效益產生直接影響，也關係著製造業的長遠發展。所以，我國製造業不僅要加強裝置技術狀態監測與保養等中後期管理工作，也要對裝置前期管理這一階段給予充分的重視。
2 Internet對製造業裝置前期管理的影響
2015年2月3日，中國網際網路絡資訊中心（CNNIC）在京釋出第35次《中國網際網路絡發展狀況統計報告》（以下簡稱《報告》）。《報告》顯示，截至2014年12月，我國網民規模達6.49億，網際網路普及率為47.9%。同時在我國網名中，從事製造業的人最多，佔比在13%左右。WWW站點總數超過700萬個，獲取資訊也成為網名上網的主要目的。總的來說，網際網路已經成為我國發展速度最快的產業。對於裝置製造商和供應商，如果不能發展電子商務，積極利用網際網路的優勢，那麼在網路時代的發展必將受到限制。
同時，Interner的發展也打破了製造業裝置選擇中存在資訊不對稱問題。透過Internet搜尋，裝置使用者能夠了解全球各地的相關裝置生產商和供應商的資訊，包括裝置價格、品種、規格、效能等資訊，從而比較選擇自己的所需裝置，並獲取性比較相對最優的裝置。Internet的發展一方面改變了裝置使用者在選擇裝置中的不利地位，另一方面也為裝置使用者節約了調研費用，進而有助於裝置前期管理費用的降低。
3 WWW上的裝置資訊挖掘研究
3.1 網路資訊挖掘
對於網路資訊挖掘，一般要藉助於資料探勘技術，也即從網路文件、服務中自動發現和提取資訊的過程。網路資訊挖掘可以分為四個部分：首先就是發現資源，也就是對網路文件進行檢索；第二就是選擇資訊和預處理，自動挑選搜尋到的網路資訊，並對專門資訊預先處理；第三就是從多個斷點中尋找普遍模式；最後就是確認和解釋挖掘出的模式。
3.2 資料探勘的技術和方法
目前，普遍應用的資料探勘技術和方法包括以下幾種：
3.2.1 決策樹方法
該方法主要用在分類上。透過資訊增益來發現資料庫記憶體在最大資訊量的欄位，並構建決策樹的一個節點，再依據不同的欄位取值來設立樹的分支，以此重複。
3.2.2 遺傳演算法
類比生物進化流程是該方法的基本原理，每一代存在較多的種群個體，用適應性函式f（x）表示染色體的適應性，根據其對環境的適應力來保留或淘汰染色體。適應性函式在一般為目標函式的變種。
3.2.3 神經網路法
該方法的原理就是對人腦神經結構的模擬。透過MP模型和HEBB規則來構建三大類神經網路模式。透過挖掘神經網路資料的工具來對非線性資料快速建模，其挖掘過程首先就是資料聚類，其次是分類計算，並在網路連線的取值中體現神經網路的知識。
3.3 網路資訊挖掘系統的構成
對於網路資訊挖掘，可以認為是資料探勘技術在處理網路資訊上的運用。網路資訊挖掘系統通常包括特徵匹配、提取以及資訊收集等三個部分。
3.3.1 特徵匹配與目標表示
目標表示就是利用特徵項來表示目標資訊。在資訊挖掘中，布林邏輯型、機率型、向量型等是常用的目標表示模型。近年來，向量空間模型（VSM）的應用效果相對較好。藉助於該方法，可以用向量匹配問題來解決文件資訊的匹配問題，從而處理特徵匹配工作。
3.3.2 特徵提取
特徵提取主要指目標表示詞條T的選取及其取值，也是對目標共性與規則進行挖掘提取的過程。該工作選用策略的質量將對挖掘工具的效果產生重要影響。在對處理物件進行網路資訊挖掘時，通常會遇到HIML文件，該文件具有不少標記資訊，這些標記資訊具有較高的概況性，所以藉助於這些標記資訊可以促進特徵提取精度的提高。
3.3.3 採集源資訊
WWW在儲存資訊以及提供服務上主要利用到了超文字。在對WWW實行源資訊採集的過程中，一般利用Robot程式來實現。該程式順著Web頁面內的連結實行自動漫遊，並透過HTTP協議來下載到漫遊的頁面。WWW 作為網路結構的資訊空間，可以將其視作有向圖。也即把頁面作為節點，並以超連結作為其有向邊，從而透過有向圖遍歷演算法來實行遍歷。網路中存在巨大的資訊量，為了確保挖掘的效率，在採集源文件時需要過濾資訊源，同時執行Robot並採集文章。
4 結語
綜上所述，在裝置資訊挖掘中應用資料探勘技術的神經網路方法是一次探索，可以促進網路環境中獲取資料問題的解決，為裝置使用者提供充足的裝置資訊，改變裝置供應中的資訊不對稱狀況。在此基礎上，製造業可以提升其裝置投資水平，並推動裝置生命週期成本的降低。