吳紹華1，李少波2，侯稀垟1，陳金坤1
（1. 貴州大學 計算機科學與技術學院，貴州 貴陽 550025;2. 貴州大學 機械工程學院，貴州 貴陽 550025）
摘要：隨著制造業(yè)領域工藝技術的不斷進步，大量感知設備如同人體器官一樣，被部署到制造過程中的各個重要節(jié)點，產生著海量制造過程數(shù)據(jù)。針對這些海量制造過程數(shù)據(jù)，制造業(yè)領域越來越需要科學、敏捷、高效的數(shù)據(jù)分析平臺，為制造過程數(shù)據(jù)的分析提供智力支持和決策支持。針對這種需求，文章采用高維數(shù)據(jù)聚類技術結合Spring、Mybatis等成熟的敏捷開發(fā)框架，開發(fā)了制造過程數(shù)據(jù)分析平臺。該設計不僅可以針對歷史數(shù)據(jù)進行分析，還可以實時監(jiān)控生產線上的動態(tài)流程數(shù)據(jù)，提高數(shù)據(jù)分析和決策效率。
關鍵詞：高維數(shù)據(jù)；聚類；Bootstrap；Spring；Mybatis
中圖分類號：TP311.13文獻標識碼：ADOI： 10.19358/j.issn.1674-7720.2017.01.026
引用格式：吳紹華，李少波，侯稀垟，等. 基于高維數(shù)據(jù)聚類的制造過程數(shù)據(jù)分析平臺［J］.微型機與應用，2017,36（1）：86-88,92
0引言
隨著制造過程的不斷復雜化、精確化，制造過程中生產的線管理和監(jiān)控消耗了大量的人力和財力；而且對于生產線產生的海量實時高維數(shù)據(jù)只是進行了簡單的預處理和存儲，沒有進行有效的數(shù)據(jù)分析，并將分析結論應用于制造過程的決策，造成了數(shù)據(jù)浪費［1］。為提高和完善制造過程中的工藝流程、生產參數(shù)，以及對制造過程異常進行輔助決策，進一步提升產品質量，以滿足實際需求，開發(fā)了該平臺，實現(xiàn)制造過程信息化和規(guī)范化。平臺服務端采用Spring、Mybatis框架，方便代碼的開發(fā)、復用、移植、擴展和維護；平臺整體采用MVC設計思想［2］，通過依賴注入降低Model、View和Controler之間的耦合度，使代碼高內聚低耦合，彼此保持相對獨立，減少模塊間依賴程度。在平臺安全性上，采用了攔截器技術，以此來保證平臺安全，其次采取了平臺權限策略，對于不同的用戶身份，給予不同的訪問權限，對制造過程涉密數(shù)據(jù)進行保護。
1主要相關技術簡介
1.1高維數(shù)據(jù)聚類
隨著制造業(yè)及相關學科的飛速發(fā)展，對于制造過程中產生的海量數(shù)據(jù)的觀察角度和分析深度亦在逐步擴大和加深。于是，針對生產過程這一對象，將生產過程中的各個要素數(shù)據(jù)抽象成高維數(shù)據(jù)。在有效存儲這些海量高維數(shù)據(jù)的同時，需要對這些數(shù)據(jù)進行有效的分析，然后利用分析結論來輔助決策和指導生產［3］。
在高維數(shù)據(jù)分析領域，一個很重要的分析手段就是高維數(shù)據(jù)聚類。高維數(shù)據(jù)聚類方法又大致可以分為基于降維的聚類、基于超圖的聚類、子空間聚類、聯(lián)合聚類［4］和基于樣本加權的集成聚類算法。因為在制造業(yè)生產過程中每類數(shù)據(jù)對制造過程影響的程度是不同的，而且存在噪聲點，所以本文采用的是基于樣本加權的集成聚類算法［56］。
對于海量高維數(shù)據(jù)聚類，數(shù)據(jù)往往包含相異度較高的屬性，直接使用歐式距離這一相似度量屬性不再具有很高的可行性，基于經典kmeans算法不再能產生高質量的聚類結果。而加權的kmeans聚類方法解決了傳統(tǒng)聚類樣本對聚類中心影響都是等價的這一缺點，充分考慮到用戶對每個對象或屬性看重程度不同，通過權重分配，對樣本一次性賦權值，在聚類算法計算過程中，將樣本分配到最合適的簇中，進而提高聚類結果的質量。
1.2平臺框架
平臺采用B/S架構。在前端使用技術比較成熟的Bootstrap前端框架。首先，Bootstrap有非常完備的代碼規(guī)范，在其基礎之上創(chuàng)建項目，后期的代碼維護會十分簡單清晰；第二，基于Less、Mixin輔助完成簡單語義化的布局，這樣的CSS預處理技術大大增加了代碼可讀性；第三，Bootstrap提供了大量的、復用性強的前端組件和插件，大大提升了開發(fā)效率，豐富了平臺UI。在服務器端，采用Spring框架，使用Spring的IOC容器［7］，對象的管理完全交給Spring，減少了組件之間的關聯(lián)性和耦合度，使開發(fā)人員更專注于主要的業(yè)務邏輯；Spring的AOP功能可以實現(xiàn)面向切面編程，在本平臺中，其主要用于登錄日志和異常日志的記錄和管理，增加了程序健壯性；Spring屬于輕量級服務器框架，對代碼的污染度和侵入性都很低，這種高度的代碼開放性，并不強制依賴于Spring，可以根據(jù)平臺需求，自由選擇需要的功能［8］。在數(shù)據(jù)持久層開發(fā)上，選擇了輕量級、穩(wěn)定性高的Mybatis。Mybatis將SQL語句放在XML文件中，方便了SQL語句的管理，減少了SQL語句和程序代碼的耦合度［7］；Mybatis支持動態(tài)SQL，大大簡化了動態(tài)查詢過程，降低了查詢代碼量；Mybatis提供標簽映射，支持對象與數(shù)據(jù)庫的ORM字段關系映射；Mybatis以接口方式被服務層代碼調用，使持久層代碼的開發(fā)也更加面向對象，大大地方便了程序的開發(fā)和整個軟件開發(fā)周期內的代碼維護。在數(shù)據(jù)庫選擇上，采用MySQL數(shù)據(jù)庫，它是支持多平臺、免費開源的數(shù)據(jù)庫，具有很好的安全性和并發(fā)性，十分適用于平臺開發(fā)。
2高維數(shù)據(jù)聚類模塊與Spring、Mybatis框架整合的平臺結構
2.1平臺整體架構
該平臺選擇Eclipse作為開發(fā)IDE，選擇Bootstrap作為前端開發(fā)框架，結合jQuery等開發(fā)技術，采用Spring和Mybatis作為服務端開發(fā)框架，數(shù)據(jù)庫采用MySQL。在業(yè)務邏輯上分為表現(xiàn)層、業(yè)務邏輯層和數(shù)據(jù)持久化層。在業(yè)務邏輯層中采用加權的高維數(shù)據(jù)聚類技術［9］，對制造過程高維數(shù)據(jù)進行分析，在表現(xiàn)層對數(shù)據(jù)進行可視化，展現(xiàn)給用戶。平臺的總體結構如圖1所示。
2.2平臺設計原理
該平臺采用三層架構，自上而下分別是可視化表現(xiàn)層、業(yè)務邏輯層、數(shù)據(jù)持久化層。可視化表現(xiàn)層主要應用了Bootstrap、jQuery和Cascading Style Sheets，當瀏覽器向服務端發(fā)出請求，請求會交給前端控制器DispacherServlet處理，DispacherServlet控制器通過HandlerMapping找到相應的Controller組件處理請求，執(zhí)行Controller組件相應的模塊，其中最主要的模塊之一就是高維數(shù)據(jù)聚類模塊，在此部分完成對制造過程高維數(shù)據(jù)的聚類操作，在執(zhí)行完相應模塊的業(yè)務之后，模塊可以返回一個ModelAndView對象，該對象封裝了視圖名稱信息和處理結果數(shù)據(jù)集，控制器接收到ModelAndView以后，調用ViewResolver組件定位View并傳遞信息，生成需要返回的響應界面。
3數(shù)據(jù)分析平臺的實現(xiàn)
3.1平臺核心工作流程設計
本節(jié)主要介紹平臺的核心模塊——制造過程數(shù)據(jù)聚類模塊的工作流程。首先啟動平臺，該模塊讀取數(shù)據(jù)庫已經存儲的高維數(shù)據(jù)和生產線產生的實時制造過程高維數(shù)據(jù)；對于這些數(shù)據(jù)，進行一次性分配權重，隨機生成k個類中心，每個類中心對應一個簇；分配每條數(shù)據(jù)樣本到其最近的加權類中心，生成新的加權類中心，然后不斷迭代這個過程，直到所有類中心穩(wěn)定，或者達到平臺規(guī)定的迭代次數(shù)（避免陷入死循環(huán)），一次聚類過程到此完成［5］。具體流程圖見圖2。
3.2平臺所采用的聚類算法
在高維數(shù)據(jù)聚類模塊中，生成基聚類的算法主要是經典的kmeans聚類算法。另一個主要的算法是計算加權中心。其中X={x1,x2,...,xn}，X={xT1,xT2,...,xTn}∈Rn×d為其矩陣表示形式， d是每一個數(shù)據(jù)樣本維度，n為數(shù)據(jù)樣本的個數(shù)。C={Cr1,Cr2,...,Crk}是具有R個聚類解的集合，Cr={Cr1,Cr2,...,Crk}為每一個聚類，r=1，2，…R，即算法將數(shù)據(jù)集合X劃分為k個不相交的簇，每一次迭代中分配樣本至離樣本最近的簇，然后計算加權之后的聚類中心，計算加權中心公式如下：
其中wi為權重，xi為第i個樣本［9］。
4結論
本設計主要以高維數(shù)據(jù)聚類算法為核心，針對制造過程數(shù)據(jù)的高維稀疏性和不適定性［10］，對高維數(shù)據(jù)采用了加權聚類的方式，彌補了傳統(tǒng)制造過程聚類方法聚類效果缺乏魯棒性和聚類效果不理想的缺點，一定程度上改善了聚類效果；該平臺集成了Bootstrap、Spring、Mybatis這幾種輕量級框架，采用了經典的MVC服務器設計思想，在平臺架構上，使模型層、視圖層、控制層這三者相對獨立［11］，提高了平臺的內聚性，降低了平臺的耦合度，便于開發(fā)人員并行開發(fā)，提升了開發(fā)效率，提高了平臺可擴展性和可維護性。
參考文獻
［1］ 包洋. 面向制造業(yè)的數(shù)據(jù)挖掘技術研究與應用［D］.上海：東華大學,2006.
［2］ 李剛.輕量級Java EE企業(yè)應用實戰(zhàn)［M］.北京: 電子工業(yè)出版社，2011.