印刷企業(yè)生產(chǎn)數(shù)據(jù)的智能演化分析與應(yīng)用

劉永軍

（石家莊經(jīng)濟(jì)學(xué)院信息工程分院，河北石家莊 050031）

印刷企業(yè)生產(chǎn)數(shù)據(jù)的智能演化分析與應(yīng)用

劉永軍

（石家莊經(jīng)濟(jì)學(xué)院信息工程分院，河北石家莊 050031）

印刷生產(chǎn)企業(yè)的資源管理和生產(chǎn)流程管理基于ERP系統(tǒng)，但缺乏對大量數(shù)據(jù)的分析和挖掘。采用智能演化思想，運(yùn)用先進(jìn)的算法模型、MATLAB強(qiáng)大的數(shù)據(jù)處理能力及MATLAB相關(guān)工具箱的強(qiáng)大數(shù)據(jù)分析能力，建立數(shù)據(jù)挖掘的手段和分析的模型，進(jìn)行數(shù)據(jù)的演化和全局性直接搜索，在企業(yè)數(shù)據(jù)分析的宏觀層面和特定領(lǐng)域探索其良好的應(yīng)用，獲得了較好的方法和途徑。

ERP系統(tǒng)；數(shù)據(jù)分析；智能計(jì)算；全局搜索；遺傳算法專業(yè)工具箱

0 引言

印刷企業(yè)的企業(yè)資源計(jì)劃ERP在企業(yè)印刷業(yè)務(wù)管理方面為企業(yè)提供了現(xiàn)代化的信息管理手段，企業(yè)借助ERP系統(tǒng)實(shí)現(xiàn)生產(chǎn)信息管理的現(xiàn)代化，做到各類數(shù)據(jù)能夠及時、準(zhǔn)確的傳遞，大大減少人為主觀因素和人為差錯，并提高了企業(yè)生產(chǎn)率。ERP系統(tǒng)實(shí)現(xiàn)了企業(yè)生產(chǎn)信息的采集輸入、存儲、傳送、應(yīng)用等，使用多年并形成并積累了大量的歷史數(shù)據(jù)數(shù)據(jù)。

但利用ERP系統(tǒng)積累的數(shù)據(jù)進(jìn)行分析，發(fā)揮數(shù)據(jù)的更大作用，是對企業(yè)各種數(shù)據(jù)信息的進(jìn)一步應(yīng)用，通過企業(yè)大量數(shù)據(jù)的搜集形成數(shù)據(jù)倉庫，對各類歷史數(shù)據(jù)信息的智能化分析、挖掘、處理，找到數(shù)據(jù)信息內(nèi)在的關(guān)聯(lián)、變化，實(shí)現(xiàn)對企業(yè)的生產(chǎn)進(jìn)行更好地控制和管理，提高企業(yè)的生產(chǎn)能力、管理能力、決策水平、資金使用效率，減少生產(chǎn)的盲目性、主觀性，從而避免影響企業(yè)生產(chǎn)和效率的一些錯誤。

以遺傳算法為基礎(chǔ)的演化計(jì)算對數(shù)據(jù)的操作分析，并綜合運(yùn)用演化計(jì)算方法和傳統(tǒng)數(shù)據(jù)處理手段、人工經(jīng)驗(yàn)、Matlab平臺與專業(yè)工具箱等，實(shí)現(xiàn)數(shù)據(jù)挖掘和智能處理的目標(biāo)。

1 數(shù)據(jù)挖掘技術(shù)與遺傳演化方法

數(shù)據(jù)挖掘是從大量的、不完全的、有噪聲的、模糊的、隨機(jī)的實(shí)際應(yīng)用數(shù)據(jù)中，提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識的過程。數(shù)據(jù)的分析與挖掘主要側(cè)重分類、聚類、關(guān)聯(lián)、預(yù)測等問題的解決［1］。尤其在以數(shù)據(jù)庫為基礎(chǔ)的數(shù)據(jù)關(guān)聯(lián)和預(yù)測，用于把世界上的存在著內(nèi)在的某種關(guān)聯(lián)以及對未來數(shù)據(jù)趨勢的預(yù)測作為發(fā)現(xiàn)的重點(diǎn)。實(shí)現(xiàn)這些功能的技術(shù)有比較成功的經(jīng)驗(yàn)［2］，方法涉及關(guān)聯(lián)規(guī)則方法、MBR方法、聚集檢測、連接分析、決策樹和規(guī)則推理、神經(jīng)網(wǎng)絡(luò)、遺傳算法、多目標(biāo)線性規(guī)劃方法、支持向量機(jī)方法等。

遺傳算法是模仿自然界生物進(jìn)化機(jī)制發(fā)展起來的隨機(jī)全局搜索和優(yōu)化方法，其思想源于生物遺傳學(xué)和適者生存的自然規(guī)律，原理借鑒基因遺傳變異和自然選擇淘汰的生物進(jìn)化過程，是具有“生存+檢測”的迭代過程的搜索算法，用計(jì)算機(jī)模擬大自然的這一演化過程，特別是生物的進(jìn)化過程，來求解復(fù)雜問題的一類計(jì)算模型［3］。

1.1 遺傳算法的基本原理和過程

遺傳算法以一種群體中的所有個體為對象，并利用隨機(jī)化技術(shù)指導(dǎo)對一個被編碼的參數(shù)空間進(jìn)行高效搜索。其中，選擇、交叉和變異構(gòu)成了遺傳算法的遺傳操作；參數(shù)編碼、初始群體的設(shè)定、適應(yīng)度函數(shù)的設(shè)計(jì)、遺傳操作設(shè)計(jì)、控制參數(shù)設(shè)定等5個要素組成了遺傳算法的核心內(nèi)容［4］。

1.1.1 遺傳算法的基本過程

遺傳算法中有兩類運(yùn)算，即遺傳運(yùn)算（交叉和變異）；進(jìn)化運(yùn)算（淘汰和選擇）。運(yùn)用基本遺傳算法進(jìn)行問題求解的過程如下：

（1）編碼。在進(jìn)行搜索之前先將解空間的解數(shù)據(jù)表示成遺傳空間的基因型串結(jié)構(gòu)數(shù)據(jù)，這些串結(jié)構(gòu)數(shù)據(jù)的不同組合便構(gòu)成了不同的可行解。

（2）隨機(jī)產(chǎn)生初始群體。隨機(jī)產(chǎn)生N個串結(jié)構(gòu)數(shù)據(jù)，每個串結(jié)構(gòu)數(shù)據(jù)稱為一個個體，N個個體構(gòu)成了一個初始群體。

（3）適應(yīng)度評估檢測。針對特定問題定義適應(yīng)性函數(shù)，根據(jù)適應(yīng)性函數(shù)計(jì)算每個個體的適應(yīng)度。適應(yīng)度是反映個體或解的優(yōu)劣性，遺傳算法就是要尋得適應(yīng)度最大的個體［5］。

（4）選擇。通過選擇從當(dāng)前群體中選擇出優(yōu)良的個體，使它們有機(jī)會作為父代為下一代繁殖子孫，遺傳算法通過選擇算子作用于群體，進(jìn)行選擇的原則是適應(yīng)性強(qiáng)的個體為下一代貢獻(xiàn)一個或多個的概率大，體現(xiàn)了進(jìn)化論的適者生存原則。

（5）交叉。交叉操作體現(xiàn)了信息交換的思想，通常取值在0.85～0.95［6］；通過交叉算子操作得到新一代個體，新個體繼承了其父輩個體的特性。

（6）變異。變異操作是首先在群體中隨機(jī)選擇一個個體，對于選中的個體以一定的概率隨機(jī)地改變串結(jié)構(gòu)數(shù)據(jù)中某個位置的值，通常取值在0.001～0.05，這樣變異為新個體的產(chǎn)生提供了機(jī)會。

圖1 遺傳算法的一般步驟

1.1.2 遺傳算法的一般步驟

遺傳算法的一般步驟如圖1所示。遺傳算法模擬基因重組與進(jìn)化的自然過程，把待解決問題的參數(shù)編成二進(jìn)制或十進(jìn)制碼，即基因，若干基因組成一個染色體，許多染色體進(jìn)行類似于自然選擇、配對交叉和變異的運(yùn)算，經(jīng)過世代遺傳，即多次重復(fù)迭代，直至得到最后的優(yōu)化結(jié)果。

1.2 遺傳算法實(shí)現(xiàn)數(shù)據(jù)的分析處理

Matlab具有矩陣、數(shù)組等高效數(shù)據(jù)運(yùn)算、處理能力，加上Matlab優(yōu)化工具箱中的GA求解器和直接搜索工具箱，為演化設(shè)計(jì)提供了有力的支持。選擇庫存有關(guān)的訂單、入庫、出庫金額情況，并按月匯總，對生產(chǎn)數(shù)據(jù)運(yùn)用智能計(jì)算與分析的手段，在宏觀層面進(jìn)行企業(yè)資金有效利用方面的數(shù)據(jù)挖掘和決策支持。

（1）數(shù)據(jù)的讀取與規(guī)律分析。數(shù)據(jù)以ERP系統(tǒng)導(dǎo)出的出庫、入庫、訂單等金額信息數(shù)據(jù)為依據(jù)，使用三年的歷史數(shù)據(jù)作為分析對象，把第四年的數(shù)據(jù)作為分析結(jié)果的檢驗(yàn)、預(yù)測和比對。先把三年的歷史數(shù)據(jù)按月進(jìn)行清洗、匯總，把當(dāng)月各個單品材料或單個訂單的價值金額等數(shù)據(jù)作為演化分析的對象。

在用函數(shù)xlsread（）讀取數(shù)據(jù)基礎(chǔ)上，對入庫金額、出庫金額、訂單金額這些反應(yīng)整體情況的數(shù)據(jù)，及一些單品消耗材料的數(shù)據(jù)，如液化氣、扎捆繩、黑墨等進(jìn)行圖形化顯示分析，找到數(shù)據(jù)變化的規(guī)律。通過Matlab對各種數(shù)據(jù)進(jìn)行折線圖的繪制，如材料入庫、材料出庫、訂單、單品材料的出入庫等數(shù)據(jù)呈現(xiàn)一定的波動性和周期性，采用傅里葉級數(shù)函數(shù)能夠很好地反映這些數(shù)據(jù)的綜合特性。

（2）數(shù)據(jù)的擬合。傅里葉級數(shù)函數(shù)的三角函數(shù)表達(dá)式

對各種數(shù)據(jù)在Matlab上，運(yùn)用其函數(shù)編程分別對各種數(shù)據(jù)進(jìn)行分析、擬合等操作，得到其擬合圖形和表達(dá)式函數(shù)。

從式（1）計(jì)算得出2010年10個月的預(yù)測值，與實(shí)際發(fā)生的數(shù)值比較，平均誤差約為10%，對實(shí)際數(shù)據(jù)的偏差在預(yù)測的合理范圍，能夠有效指導(dǎo)企業(yè)生產(chǎn)計(jì)劃和活動。同樣方法可以得到其他數(shù)據(jù)不同參數(shù)的曲線、函數(shù)表達(dá)式以及相關(guān)的預(yù)測參考數(shù)據(jù)。擬合對應(yīng)的函數(shù)曲線如圖2所示，其中縱坐標(biāo)為函數(shù)值大小（單位，元），橫坐標(biāo)為2010年以前3年的月份順序。

圖2 材料入庫金額數(shù)據(jù)擬合曲線

2 智能演化分析

印刷加工企業(yè)合同訂貨和銷售、材料總出入庫以及各種單品材料的采購與使用等數(shù)據(jù)是相互關(guān)聯(lián)的，建立相應(yīng)的分析模型，便于分析資金的最優(yōu)使用和生產(chǎn)的規(guī)律。

2.1 數(shù)據(jù)的分析模型

斯塔科爾伯格（Stackelberg）均衡模型是一個領(lǐng)導(dǎo)者-跟隨者模型，領(lǐng)導(dǎo)者決定自己的數(shù)量，然后跟隨者可以觀察到這個數(shù)量，并根據(jù)觀察到的這個數(shù)量決定自己的數(shù)量，領(lǐng)導(dǎo)者決定自己的數(shù)量的時候，充分了解跟隨者會如何行動，即跟隨者的反映函數(shù)，因此，領(lǐng)導(dǎo)者自然會預(yù)期到自己的決定對跟隨者的影響。在

印刷企業(yè)的生成中涉及到的數(shù)據(jù)的實(shí)際，考慮以保障生產(chǎn)所需最佳庫存保障為優(yōu)化目標(biāo)，生產(chǎn)所需出庫（領(lǐng)導(dǎo)者）的函數(shù)f成為材料入庫反應(yīng)函數(shù)g的約束，從而得到庫存最優(yōu)資金占有的模型

式中，g和f是根據(jù)觀察的歷史數(shù)據(jù)擬合得到，找到使得E為最小值即為保障生產(chǎn)所需的最小庫存金額，是生產(chǎn)資金宏觀的最優(yōu)資金使用模式。當(dāng)然，根據(jù)具體問題的需要，也可以獲得其最大值，即傳統(tǒng)決策論中的“最小最大”準(zhǔn)則，最小最大定理所體現(xiàn)的基本思想是“抱最好的希望，做最壞的打算”。按照斯塔科爾伯格均衡模型，材料總庫存金額與出庫總金額關(guān)聯(lián)，得到總庫存分析模型

同樣可以得到其他數(shù)據(jù)的分析模型。

2.2 智能的演化

采用Matlab平臺上的遺傳算法直接搜索優(yōu)化工具箱模擬達(dá)爾文生物進(jìn)化論的自然選擇和遺傳學(xué)機(jī)理的操作，建立基于企業(yè)生產(chǎn)過程宏觀的數(shù)據(jù)分析的計(jì)算模型。在Matlab命令窗口輸入gatool，即可打開、進(jìn)入遺傳算法工具的GUI界面，針對解決的問題需要編寫待優(yōu)化函數(shù)的M文件，作為欲求最小值的目標(biāo)函數(shù)，在GA GUI界面中的適應(yīng)度函數(shù)文本框輸入＠目標(biāo)函數(shù)名后，輸入選擇變量個數(shù)以及各種演化參數(shù)，諸如種群的類型、尺度、創(chuàng)建函數(shù)、初始種群、初始得分、初始范圍，以及適應(yīng)度測量、選擇、復(fù)制、變異、交叉、遷移、混合函數(shù)、停止準(zhǔn)則、輸出函數(shù)、命令窗口顯示、向量化等，在相應(yīng)的窗格設(shè)置參數(shù)。

程序運(yùn)行得到結(jié)果如下：演化代數(shù)100；種群規(guī)模50；交叉概率0.900；變異概率0.050；找到的最大值［x，f（x）］為［17.254 0，16 972 043.025 6］；演化時間6.046 s。

編程實(shí)現(xiàn)對演化過程和結(jié)果的圖形化顯示，如染色體初始位置、染色體最終位置、以及最優(yōu)、平均函數(shù)值變化趨勢等信息，如圖3所示，其中（a）和（b）縱坐標(biāo)為函數(shù)值大?。ㄔ瑱M坐標(biāo)為2010年以前3年的月份順序，（c）縱坐標(biāo)為函數(shù)值大?。ㄔ?，橫坐標(biāo)為演化代數(shù)。

圖3（a）顯示了演化初始時隨機(jī)生成的50個種群染色體的位置，按照程序和參數(shù)的設(shè)置進(jìn)行100代演化，動態(tài)變化形成圖3（b）的演化最終位置，得到最優(yōu)的結(jié)果，從圖3（c）觀察到目標(biāo)函數(shù)值隨演化的進(jìn)行的平均值變化趨勢和逐步趨于穩(wěn)定的最優(yōu)值。

如果把表達(dá)式取反進(jìn)行相同的演化，所得結(jié)果再取反就可以得到最小值。程序運(yùn)行得到結(jié)果：演化代數(shù)100；種群規(guī)模50；交叉概率0.900；變異概率0.050；找到的最小值［x，f（x）］為［1.563 8，1 258 927.665 5］；演化時間6.129 s。

所得結(jié)果［1 258 927.665 5，16 972 043.025 6］為F訂-入（x）＝F訂貨（x）-F總?cè)耄▁）的最值范圍，是當(dāng)月合同訂貨金額與材料總?cè)霂旖痤~差的范圍，為當(dāng)月生產(chǎn)的計(jì)算利潤范圍。采用同樣方法，根據(jù)其他數(shù)據(jù)的分析模型，可以得到庫存情況、單品材料情況、采購、資金利用等結(jié)果，為宏觀決策提供一定的依據(jù)。

圖3 GA程序執(zhí)行的過程與圖形輸出結(jié)果窗口

3 結(jié)語

針對印刷企業(yè)的管理數(shù)據(jù)信息，提出遺傳算法分析手段，結(jié)合Matlab專業(yè)工具箱和經(jīng)濟(jì)領(lǐng)域的模型理論等對目標(biāo)函數(shù)有很好的分析功能，結(jié)合經(jīng)濟(jì)領(lǐng)域的斯塔科爾伯格模型形成的關(guān)于印刷企業(yè)各種數(shù)據(jù)模型的關(guān)聯(lián)，在材料采購、材料的使用、資金的準(zhǔn)備、利用、庫存的狀態(tài)、合同的履行及生產(chǎn)組織等等方面可以有很好的應(yīng)用，為企業(yè)的宏觀管理、決策角度實(shí)現(xiàn)合同訂貨、材料總采購入庫、材料總出庫、合同交貨間的關(guān)聯(lián)和制約，材料總采購入庫、單品材料的入庫、單品材料的出庫、材料總出庫之間的關(guān)聯(lián)和制約，而庫存占用資金、生產(chǎn)資金、各單品材料資金占用形成相應(yīng)的關(guān)聯(lián)和制約。

［1］邵峰晶.數(shù)據(jù)挖掘原理與算法［M］.北京：科學(xué)出版社，2009：55-103.

［2］David MSmith.MATLAB工程計(jì)算［M］.北京：清華大學(xué)出版社，2008：30-46.

［3］黃競偉，朱福喜，康立山.計(jì)算智能［M］.北京：科學(xué)出版社，2010：20-48.

［4］張軍，詹志輝.計(jì)算智能［M］.北京：清華大學(xué)出版社，2009：10-33.

［5］A Baykasoglu.Gene expression programming basedmata-modelling approach to production lin design［J］.International Journal of Computer Integrated Manufacturing，2008，21（6）：657-665.

［6］Adil Baykasoglu.MEPAR-miner：Multi-expression programming for classification rulemining［J］.European Journal of Operational Research，2007，183：767-784.

Analysis and App lication of Intelligent Evolution in Printing Production Data

Liu Yongjun

（The Department of Information Engineering，Shijiazhuang University of Economcs，Shijiazhuang 050031，China）

Print production enterprise resource management and the management of the production process based on the ERP system，but the lack of large amounts of data analysis and datamining，this paper adopts the intelligent evolution of thinking，the use of advanced algorithmsmodel of MATLAB powerful data processing capability and MATLAB related to the toolbox of powerful dataanalysis capabilities and datamining tools and analyticalmodels，the evolution of the data and global direct search，and explore its application in the analysis of themacro level and in specific areas of the enterprise data，better ways and means.

ERP system；data analysis；computational intelligence；global search；genetic algorithm professional toolbox

TP311.11

A文章編號：2095 0373（2014）01 0095 05

（責(zé)任編輯 劉憲福）

10.13319／j.cnki.sjztddxxbzrb.2014.01.19

2013 01 07

劉永軍 男 1970年出生 副教授

石家莊市科技局科技攻關(guān)項(xiàng)目（1011335A）；河北省科技支撐計(jì)劃項(xiàng)目（14211810D）