褚艳丽

【摘要】本文对在录井生产物资管理方面应用大数据分析进行了探讨，针对物资管理的三个目标，结合录井生产物资管理的实际情况，构建了面向对象的物资管理数据模型，以及有效的大数据挖掘和预测方法。

【关键词】录井生产物资管理 大数据分析 数据挖掘

石油录井公司的物资管理涉及到生产物资的采购、入库、出库、各录井小队的物资领取和配发、物资库的日常维护、管理以及物资的回收和再利用，其中数据量大，数据类型复杂，特别对数据的可靠性和实时性提出了更高的要求。如今，一个大规模生产、分享和应用数据的时代正在开启，而发掘数据价值、征服数据海洋的“动力”就是云计算;以云计算为基础的信息存储、分享和挖掘手段，可以有效地将这些大量、高速、多变化的数据存储下来，并随时进行分析和计算。通过云计算对大数据进行分析、预测，会使得决策更为精准，释放出更多数据的隐藏价值。针对录井公司物资管理方面的大数据分析和预测，使用云计算要求有效的物资管理数据模型和其它相关数据模型，以及有针对性的大数据挖掘和知识发现方法，才能得到各种物资管理的规律。本文针对物资管理的三个目标，将以往的物资管理数据模型和其它相关大数据结合在一起，构建了新的大数据分析所需的数据模型，以及大数据挖掘方法。

1基于面向对象的物资管理数据模型

由于大数据分析预测产生的物资采购计划具体到某类物资，物资配发计划和回收物资再次配发计划具体到某个录井小队，因此采用面向对象思想，以某类物资ID或某个录井小队ID为建模对象，构建不同的物资管理数据模型。

在预测或预判各录井小队物资配发计划时，以各录井小队为具体预测对象，综合以往的物资领取情况（加入时间戳），并重点考虑物资的使用时间和报废期限，基于面向对象思想，构建物资管理数据模型：某录井小队={物资配发数据（t），物资配发数据（t-1），物资配发数据（t-2），…，物资配发数据（t-n）}+{物资使用时间数据（报废期限），甲方单位物资需求数据（t），录井小队所在工区数据（t），…}

物资配发数据为企业行为数据，而物资使用时间数据和甲方单位需求数据等为基础参考数据;为进行大数据分析，使用关系数据模式，将各类物资名称、编号，配送数量及使用期限数据作为从属关系表，加入到物资配发数据模型中。

在由大数据分析，制定回收物资在各录井小队再次配发计划时，综合考虑面向物资对象和录井小队对象模型，基于关系数据表模式，构建回收物资再次配发数据模型，如下表述：某类物资={再次配发数据（t），回收入库数据（t-1），…，（t-n），录井小队需求数据（t）}+{物资可再使用时间数据，录井小队工期数据，…}其中，回收入库数据和再次配发数据为企业行为数据，录井小队需求数据为指控数据，可再使用时间和小队工期数据为基础参考数据。

这三种物资管理数据模型之间相互联系，相互制约。在预测或预判各录井小队的物资配发计划中，要加入回收物资再配发的数据信息;而在回收物资再配发数据模型中，各录井小队的需求数据也要用各小队配发数据模型加以约束。最后，在预判物资采购计划时，物资采购数据模型也要考虑回收物资再配发数据和各小队的物资配发数据，用这些信息加以约束。

2基于时间序列的大数据分析与预测方法

从上面的物资管理数据模型中可以看到，数据模型中的单元都带有时间戳，因此将物资管理数据看作时间序列数据;通过时序数据分析与预测方法，从历史数据中获得时序数据行为规律知识，从而预测时间序列在未来的走向和趋势。

传统的时序数据分析和挖掘方法主要有自回归移动平均模型（ARMA），支持向量机（SVM），人工神经网络等。由于物资管理数据模型要综合考虑多个属性的时间序列，因此本文在基于粗糙集（Rough Set）的時序数据分析方法的基础上，构建了基于粗糙集的多类型时序数据集成分析与预测方法，充分发挥粗糙集理论对不同属性、类型数据强大的包容能力，以及处理不确定性、不完备问题的能力。

具体方法如下所述：首先通过物资管理数据库，形成各种类型的时间序列数据;计算其对应的趋势变化率时间序列，将该时间序列按照条件属性和决策属性的划分，转换为一信息决策系统，再由粗糙集理论，进行属性约简和规则知识提取;最后，将最近时间节点的趋势变化率子序列，逐条与提取的规则相匹配，按照规则的置信度大小，得到置信度最大的下一时间节点的趋势变化率，从而预测出下一时间节点的数据。

3结论与认识

本文重点对大数据分析在石油录井企业生产物资管理方面的应用作了探讨，结合物资管理实际情况，有针对性的构建物资管理数据模型和大数据分析与预测方法。实际应用表明，大数据分析能够发掘出数据集蕴含的规律性知识，预测或预判出下一时间节点的数据变化趋势，为物资管理人员制定物资采购、配发计划提供更有效的帮助。大数据分析是解决企业生产物资管理难题，节约企业运行成本，提升企业精细化管理水平的重要途径，也是未来企业物资管理的发展趋势。本文只是在这方面作了初步的探讨，今后对复杂物资管理进行大数据分析的应用研究将更加深入。

参考文献：

[1]钱赛.基于射频识别和无线网络的仓库物资管理系统研究[D].江苏大学，2010.

[2]盛杨燕，周涛.大数据时代—生活、工作与思维的大变革[M].浙江人民出版社，2013.

[3]林荣耀.大数据及在当代互联网应用中的研究[D].厦门大学，2014.