Využitie dolovania dát v riadení výrobných

procesov

Školiteľ: Doc. Ing. Peter Schreiber, CSc.

Doktorand: Ing. Michal Kebísek

Obsah prezentácie

• proces KDD,

• dolovanie dát,

• metódy dolovania dát,

• techniky dolovania dát,

• problémy implementácie dolovania dát,

• využitie dolovania dát v praxi,

• tézy dizertačnej práce

Definícia KDD

Netriviálny proces identifikácie platných,

nových, doteraz neznámych, potenciálne

použiteľných a dobre pochopiteľných

znalostí v dátach.Fayyad, Piatetski-Shapiro, Smyth 1996

Proces KDD

definíciaproblému

zber a výber dát

transformácia dát

čistenie a skúmanie dát

dolovanie dát

interpretácia a vyhodnotenie

Dolovanie dát

Jedna z fáz procesu KDD,v rámci ktorej sa pomocou rôznych techník a pri daných obmedzeniach hľadajú skryté vzory alebo modely

v dátach.

Proces dolovania dát

1. preskúmanie dát,

2. nájdenie vzorov alebo súvislostí,

3. overenie zostaveného modelu.

Ciele procesu dolovania dát

• verifikácia,

• explorácia • deskripcia,

• predikcia.

Metódy dolovania dát

Podľa vyhľadávanej znalosti rozdeľujeme metódy na:• sumarizáciu a generalizáciu,• hľadanie závislostí,• klasifikáciu a zhlukovanie,• štatistickú analýzu (predovšetkým regresiu),• detekcia zmien a odchýlok,• vyhľadávanie podobností v časových, resp.

časopriestorových databázach …

Metódy dolovania dát

• klasifikácia, • regresia, • zhlukovanie (segmentácia), • sumarizácia (a generalizácia),• modelovanie závislostí (asociácie), • detekcia zmien a odchýlok,• metódy založené na príkladoch,• predpovedanie podľa časových radov,• symbolické metódy,• objavovanie postupností,• vyhľadávanie podobností…

Metódy dolovania dát

Vzorový príklad

Metódy dolovania dát

Jednoduchá lineárna klasifikácia

Metódy dolovania dát

Jednoduchá lineárna regresia

Metódy dolovania dát

Zhlukovanie (Clustering, Segmentácia)

Metódy dolovania dát

Symbolické metódy (prahové rozdelenie)

Metódy dolovania dát

Subsymbolické metódy (nelineárny klasifikátor)

Metódy dolovania dát

Metódy založené na príkladoch

Metódy dolovania dát

Vyhľadávanie podobností

Techniky dolovania dát

• rozhodovacie stromy,

• asociačné pravidlá,

• neurónové siete,

• genetické algoritmy,

• zhluková analýza,

• regresná analýza ...

Porovnanie techník dolovania dát R

ozh

od

. strom

y

Aso

ciač

. prav

idlá

Neu

rón

. siete

Gen

tické algo

rit.Kvalita vstupu

spracovávanie veľkého objemu dát + +spracovávanie veľkého množstva atribútov + - -spracovávanie numerických atribútov + - + -spracovávanie textových reťazcov - -K

valita výstupu

zobrazenie spôsobu nájdenia pravidla

inkrementálne učenie

odhad štatistickej významnosti

Výkon pri učení

záťaž disku

záťaž CPU + +V

ýkon pri použití

záťaž disku - - -

záťaž CPU - -

Dovrtěl, 1999

Požiadavky kladené na DM• možnosť práce s rôznymi typmi dát,• efektívnosť a škálovateľnosť

dolovacích algoritmov,• zrozumiteľná prezentácia výsledkov,• interaktívnosť dolovania na rôznych

úrovniach abstrakcie,• dolovanie z rôznych zdrojov dát,• ochrana súkromia a utajenia dát.

Problémy implementácie v praxi (1)

• zväčšovanie databáz,

• veľkorozmernosť,

• overfitting,

• stanovenie štatistickej významnosti,

• zrozumiteľnosť a jednoduchá pochopiteľnosť získaných znalostí,

Problémy implementácie v praxi (2)

• chýbajúce alebo zašumené dáta,

• komplexné vzťahy medzi položkami,

• premenlivosť dát a znalostí,

• interakcia užívateľa a predchádzajúcich znalostí,

• interakcia s ostatnými systémami.

Využitie DM v praxi (1)

• segmentácia zákazníkov pre cielené marketingové kampane,

• zisťovanie podvodov v bankovníctve a poistovníctve,

• analýzy nákupných košíkov,• zisťovanie náchylnosti zákazníkov na

odchod ku konkurencii (telekomunikácie),

Využitie DM v praxi (2)

• predpovedanie chovania zákazníkov,

• diagnostický nástroj v medicíne,

• overovanie pravosti podpisov,

• vyhodnocovanie zachytených radarových kontaktov (armáda),

• klasifikácia hviezd v astronómii ...

Informačné a riadiace systémy

Tézy dizertačnej práce (1)

• výber reálnej databázy priemyselného podniku v Trnavskom resp. Bratislavskom regióne,• oboznámenie sa s výrobným procesom vybraného priemyselného podniku, s jeho databázou a so spôsobom ukladania dát do databázy,• vytipovanie problému vhodného na riešenie pomocou dolovania dát,• v prípade potreby úprava dát uložených v databáze pre efektívnejšie využívanie v procese dolovania dát,

Tézy dizertačnej práce (2)

• výber konkrétnych metód dolovania dát pre potreby riadenia na úrovni výrobného procesu,• aplikácia vybraných metód,• s ohľadom na získané výsledky upravovanie použitých metód s dôrazom na špecifické vlastnosti vybranej aplikačnej oblasti,• zo získaných znalostí vytvorenie bázy poznatkov využiteľných ako systém odporúčaní pre riadenie konkrétneho výrobného procesu.

Ďakujem za pozornosť!

Otázky a odpovede