基于数据挖掘的港口设备管理决策研究

【摘要】：改革开放三十多年来,中国与世界各国之间的贸易量飞速增长,港口作为对外经济的重要窗口,在促进我国经济发展中起到了非常重要的作用。设备是港口生产作业的主要载体,成功的设备管理是港口安全有效生产和降低成本的关键点,也是港口提高竞争力的重大课题。 论文叙述了国内外设备管理理论的发展状况,分析了港口设备的特点和港口设备的管理现状,特别是实际存在的问题,并阐述了数据挖掘理论应用于港口设备管理中的可行性。结合现代设备全寿命周期管理的理念,即从设备的选型购置管理,经过设备使用和维修管理,到最后的报废管理,将设备的全生命周期费用进行分解,提出了各项费用的估算与预测方法,并介绍了基于LCC理论关于设备选型与设备更新的决策方法。根据研究的需要,实地进行了设备运行数据的收集,并使用SQL Server2008实现了本机数据仓库的建立。然后通过使用Visual Studio中的商业智能项目解决方法发现设备运行数据中的知识,为港口设备管理提供了决策依据。 本文对港口设备管理过程中的数据挖掘环节进行了重点分析：利用Microsoft时序算法预测设备的未来运行数据,通过设备经济效费比对设备选型进行分析；采用线性回归算法,得到设备的劣化指数,求得设备经济寿命周期帮助决策者决定设备更新时机；使用神经网络算法,通过预测设备故障次数,来调整设备的日常保养策略。以上挖掘结果对港口设备管理提供有力的决策支撑,证明了数据挖掘技术在港口设备管理上有着良好的应用前景。