浦慧忠

(无锡城市职业技术学院 无锡 214153)



基于数据挖掘的一种聚类分析方法在PDM系统中的应用研究*

浦慧忠

(无锡城市职业技术学院 无锡 214153)

从企业产品数据管理需求的现状出发，针对数据挖掘中经典的k-means算法中存在的不足并考虑到PDM系统中存在的数据量相当大、数据类型复杂等现实问题，参考采用多次取样一次聚类寻找最优解的改进算法，并通过模拟系统实验验证该算法的稳定性及效果有显著的改善。

产品数据管理; 数据挖掘; 聚类分析; k-means 算法

Class Number TP393

1 引言

近年来，制造业信息化在很多企业得以应用，取得了明显效果。PDM的中文名称为产品数据管理(Product Data Management)是一门用来管理所有与产品相关信息(包括零件信息、配置、文档、CAD文件、结构、权限信息等)和所有与产品相关过程(包括过程定义和管理)的技术[1]。它可以提高生产效率，有利于对产品的全生命周期进行管理，加强对文档、图纸、数据的高效利用，使工作流程规范化。然而在这当中也暴露出诸多问题和困难，PDM 的迅猛发展需要企业采用分布式存储、异地协同设计、数据共享等先进技术，从而带来所存储的数据呈指数级别的增长，但这些庞大的数据背后所隐藏的知识并没有得到充分的挖掘利用，形成“数据丰富，知识贫乏”。如何能在企业积累的大量信息中及时发现有价值的信息或知识并为管理者的决策提供支持是一个亟待解决的问题。

数据挖掘是指从数据库中发现隐含的、新颖的、对决策有潜在价值的知识和规则的过程，已广泛地应用于制造业信息化中。……