制造业SAPR语言数据挖掘之备件物料货架管理

本文主要是介绍制造业SAPR语言数据挖掘之备件物料货架管理，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

我所在的铅酸企业设备种类多，有国外的国内的，有新设备有老设备；总之设备管理是比较头疼的问题，这也是所有制造业的通病。设备管理中五金备件的管理也是很重要的一块，其涉及到维修保养的及时性、实物管理、成本积压等方面，如何通过数据挖掘改善五金备件的管理是本文主题。

经过与仓管员的访谈发现，五金备件管理中存在如下问题：五金库房很大，车间工人来领备件的时候要找很久（最久的要找半个小时）

解决此问题有两个方面：

一、精确的货架管理：将每一个五金物料号与其货架号收集起来，导入MES系统中

二、根据SAP的领用记录，分析货架上的五金备件的关联规则（即每次领用A物料的同时也会领用B物料），参考“啤酒和尿布”案例，合理布局货架位置

实施步骤一

1、我和仓管员用了十天时间，将所有在货架上的物料卡片信息和货架信息抄下来并记录成EXCEL，一共970条

2、将清单导入MES系统

改进点：

仓管员或领料员先在MES系统里查询物料的货架位置，再直接去相应位置取得实物，可以节约很多时间

实施步骤二

1、将清单中970个物料号对应的领料记录导出来（SAP系统）

2、将EXCEL处理成TXT文本格式

3、通过R语言apriori算法，生成关联规则

R代码如下：

library(Matrix)
library(arules)
setwd('E:/')
Trans <- read.transactions(file ="./123.txt" ,format="basket",sep=",",encoding = "UTF-8") #从EXCEL转成TXT之前，把表里的特殊符号全删掉；导出TXT之后另存为UTF-8
str(Trans)
rules <- apriori(data=Trans,parameter=list(support =0.002,confidence =0.2,minlen =4,target="rules"))
inspect(rules)

生成规则如下：

4、生成频繁项集

R代码如下：

library(arules)
library(Matrix)
setwd('E:/')
Trans <- read.transactions(file ="./五金对应领料单.txt" ,format="single",header=TRUE,cols=c("TID","ITEMS"),sep="",encoding = "UTF-8") #从EXCEL转成TXT之前，把表里的特殊符号全删掉；导出TXT之后另存为UTF-8
str(Trans)
rules <- apriori(data=Trans,parameter=list(support =0.005,confidence =0.1,minlen =1,target="frequent itemsets"))
inspect(rules)

R分析结果如下：