基于模糊聚类与关联分析的备件分类与预测研究——以某半导体封装测试公司为例

摘要

我国拥有全球最大半导体市场，在智能终端、消费电子、云计算、大数据、物联网等新兴产业的刺激下，半导体的市场需求将持续的增长。但是由于半导体产业发展水平与先进国家相比仍然存在较大差距，半导体产品大部分依赖进口，超过石油与大宗商品成为第一大进口商品。　　近年来随着市场需求的推动和国家政策的支持，半导体产业发展迅速，其中半导体封装测试行业由于其IC设计的技术壁垒和晶圆制造的资金壁垒成为发展的重点，占半导体产业总产值40％以上。半导体封装测试行业的投资中有大部分的资金用以购买设备，设备的正常运转是生产企业连续有序生产活动的保障。在设备维护、维修的过程中，需要用完好的备件更换损坏的备件，因此设备备件的重要性不言而喻。科学的备件管理可以在保证备件及时供应的同时，降低库存成本，减少资金占用和避免不必要的浪费，进而提升企业在复杂商业环境中的竞争力。　　本文在总结已有研究成果的基础之上，首先简单介绍了数据挖掘的概念与应用、流程模型以及相关算法研究。接着，结合某半导体封装测试企业的实例，分析其备件管理在备件分类和需求预测两方面存在的问题:其中备件分类考虑因素单一，无法全面反映备件的特性;另外，需求预测缺乏科学的分析，主观性较强。于是基于数据挖掘思想，提出了备件管理的数据挖掘分析模型，采用考虑多维度指标的模糊聚类方法对备件进行分类，采用关联规则挖掘分析对备件需求进行预测。然后，以某半导体封装测试企业备件数据为例，考虑备件经济性、供应性、需求性指标，应用FCM算法对备件进行模糊聚类分为四个类别。在备件分类的基础上，依据历史需求时间序列数据，应用Apriori算法对备件需求进行关联规则分析，并结合GM(1,1)等预测模型对备件需求进行预测。最后，基于MATLAB与ASP.net实现了备件管理系统的数据挖掘分析模块，可以为管理者的决策提供及时有效的支持。

目录

声明

摘要

第1章 绪论

1．1 研究背景与意义

1．2 国内外研究现状

1．2．1 备件分类相关研究

1．2．2 需求预测相关研究

1．3 论文内容与框架

1．3．1 研究内容

1．3．2 研究框架

第2章 数据挖掘相关技术概述

2．1 数据挖掘相关理论

2．1．1 数据挖掘的概念

2．1．2 数据挖掘的功能

2．1．3 数据挖掘的过程模型

2．2 基于FCM的模糊聚类分析

2．2．1 模糊聚类的概念

2．2．2 FCM算法的步骤

2．3 基于Apriori的关联规则分析

2．3．1 关联分析的概念

2．3．2 Apriori算法的步骤

第3章 封装测试企业备件管理的数据挖掘业务分析

3．1 半导体封装测试简介

3．1．1 半导体封装测试工艺流程分析

3．1．2 半导体封装测试设备备件特点介绍

3．2 封装测试企业备件管理业务分析

3．2．1 管理流程分析

3．2．2 管理方法分析

3．2．3 存在问题分析

3．3 数据挖掘流程设计

第4章 T公司备件管理的数据挖掘过程研究

4．1 T公司备件管理系统的数据组织与预处理

4．1．1 数据组织

4．1．2 数据预处理

4．2 T公司备件的模糊聚类分析

4．2．1 聚类指标选取

4．2．2 聚类趋势判定

4．2．3 聚类参数设定

4．2．4 FCM在MATLAB中的实现

4．2．5 聚类结果分析

4．3 T公司备件的需求预测分析

4．3．1 预测方法选择

4．3．2 连续型需求的预测

4．3．3 间断型需求的预测

第5章 备件管理信息系统数据挖掘模块的设计与开发

5．1 系统分析与设计

5．1．1 系统概述

5．1．2 系统功能设计

5．1．3 数据表设计

5．2 系统功能开发

5．2．1 系统的技术架构

5．2．2 开发环境介绍

结论

致谢

参考文献

附录