[发明专利]一种基于异构系统集成的信息挖掘与进度预测方法

说明书

技术领域

本发明涉及一种基于异构系统集成的信息挖掘与进度预测方法。

背景技术

所谓“异构系统集成”，是指将不同数据库平台、不同厂商提供的系统，有机的集成在一起，实现信息的共享和相互通信。所谓“信息挖掘与进度估算”，是在异构系统集成的基础上挖掘出与一个项目或任务相关信息和数据，运用科学的数学模型估算出任务或项目的进展情况。

在工程应用中，广泛存在着基于异构系统集成的信息挖掘与进度估算需求。例如在产品设计和生产中，存在着各种软件，如CAPP（计算机辅助工艺系统）PDM（产品数据管理系统）、ERP（企业资源计划系统）、MES（制造执行系统）、WMS（库房管理系统），这些软件的信息量很大，结构非常复杂，因此需要用一套方法来挖掘出有用的信息，并用科学的数学模型将产品设计和生产的进度估算出来，而当前只是根据计划制定人员和生产人员的片面描述或者单个系统的片面数据估算来产品的进度的情况。在其他领域，如建筑、服装、各类办公等行业中，也在使用各种各样的异构软件系统，也存在着工程进度或任务进度的估算问题。

当前的多个异构系统下的项目或任务进度估算主要存在如下问题：①未实现异构系统的统一集成和信息共享。当前各个领域的异构系统（如产品设计生产中的ERP、MES、CAPP、WMS）等自成体系并相互孤立，很难实现多个系统的集成，故综合的挖掘进度信息相当困难。②对各个系统进度信息挖掘的深度不够。当前，各个行业中，并没有将各个异构系统集成起来对进度信息的挖掘，只是片面的获取某个或某几个系统的数据，这对于项目或任务进度的估算是不够准确的。例如零件的生产进度，需要通过对ERP、MES、CAPP、WMS系统中成百上千的流程信息、工序信息、入库信息等数据进行深入处理，这样才能最终得到项目或任务的进度信息。③没有一套完整的进度预测方法。当前各个行业的项目进度和任务进度都是一种大概的估计，没有一种科学的数学模型作为预测依据，本方法利用多元线性回归模型作为预测的办法，具有较高的准确性和实用性。

发明内容

本发明的目的是提供一种基于异构系统集成的信息挖掘与进度预测方法。

为实现上述目的，本发明采用的技术方案为：

一种基于异构系统集成的信息挖掘与进度预测方法，所述的方法如下：

（1）、首先连接异构系统的各个数据库，实现异构系统的集成，进而建立数据仓库；

（2）、通过数据挖掘得到相应的项目或任务进度信息；

（3）、将获取的进度信息代入多元线性回归模型，通过优化验证，得到准确的数学模型，将项目或任务的进度通过模型计算出来，

（4）、通过数据库底层技术以及C++Builder的可视化控件，将挖掘出来的进度相关数据直观的展示出来。

上述的步骤（1）中建立数据仓库，其建立的步骤方法和步骤如下如下：

1）收集和分析业务需求； 

2）建立数据模型和数据仓库的物理设计； 

3）定义数据源； 

4）选择数据仓库技术和平台； 

5）从操作型数据库中抽取、净化、和转换数据到数据仓库； 

6）选择访问和报表工具； 

7）选择数据库连接软件； 

8）选择数据分析和数据展示软件； 

9)更新数据仓库 。 

上述的步骤（2）中：运用数据挖掘的方法，从数据集成平台上获取与项目或任务进度估算相关的数据，对比一下获取的数据是否符合要求，如果不符合要求，需要重新获取数据，如果符合要求，则建立任务自动分解模板；

数据挖掘的算法方面，采用的是关联规则挖掘的Apriori算法，步骤如下：

1）  首先扫描数据库，对每个项目进行计数

2）  得到第1阶段的候选项目集，并判断是否大于最小支持度

3）  如果大于最小支持度，则生成第1阶段频繁项目集

4）  运用Apriori-Gen算法进行运算，得到第2阶段候选项目集

5）  扫描数据库，对每个项目进行计数，并判断是否大于最小支持度

6）  若大于最小支持度，则生成第2阶段频繁项目集；反之，则算法结束

7）  重复5）、6）步骤，生成第K+1阶段频繁项目集直至算法结束。