基于深度挖掘技術(shù)的ERP 系統(tǒng)數(shù)據(jù)錄入誤差檢測方法

孫利民

（河鋼集團(tuán)有限公司，河北石家莊 050000）

ERP 是一種先進(jìn)的集成計(jì)算機(jī)信息系統(tǒng)，在ERP 環(huán)境下，通過深度挖掘可以實(shí)現(xiàn)對內(nèi)部控制系統(tǒng)的深入分析。ERP 按照國內(nèi)通用標(biāo)準(zhǔn)能夠控制和計(jì)算誤差檢測，但內(nèi)部通用控制標(biāo)準(zhǔn)、控制方式需提前制定。然后通過數(shù)據(jù)控制中心和應(yīng)用程序系統(tǒng)的嵌入模式設(shè)置，可進(jìn)一步實(shí)現(xiàn)對數(shù)據(jù)信息的實(shí)時(shí)控制[1-2]。

目前，相關(guān)學(xué)者提出的數(shù)據(jù)深度函數(shù)種類較多，主要有空間深度、單純深度等。在這些深度計(jì)算函數(shù)中，空間深度由于在計(jì)算方面較為復(fù)雜而在ERP系統(tǒng)中被廣泛應(yīng)用。在單純深度中，數(shù)據(jù)深度不會(huì)隨著數(shù)據(jù)值的增大而增大，此時(shí)就必須注意數(shù)據(jù)錄入誤差等問題。

為此，該文基于深度挖掘技術(shù)研究了一種新的ERP 系統(tǒng)數(shù)據(jù)錄入誤差檢測方法。在ERP 系統(tǒng)中定義數(shù)據(jù)參數(shù)值時(shí)，聚類數(shù)量、聚類中心屬性維數(shù)及樣本數(shù)據(jù)節(jié)點(diǎn)采用標(biāo)準(zhǔn)的計(jì)算方法，聚類對比采用云分析的采樣方式，ERP 系統(tǒng)中每一個(gè)類簇的點(diǎn)數(shù)據(jù)在不能使用的情況下可進(jìn)行自適應(yīng)匹配，在ERP 環(huán)境下，數(shù)據(jù)控制系統(tǒng)分析處理數(shù)據(jù)的作用日益突出，因此，應(yīng)注重信息控制系統(tǒng)的有效性、可靠性和實(shí)時(shí)性。同時(shí)，在深入挖掘過程中，控制中心需及時(shí)地將關(guān)鍵信息輸入云端數(shù)據(jù)庫[3]。ERP 系統(tǒng)通過系統(tǒng)本身的數(shù)據(jù)分析儀和集中控制器對數(shù)據(jù)進(jìn)行自動(dòng)校驗(yàn)、核對、判斷和監(jiān)控，從而完成對深入挖掘誤差數(shù)據(jù)的實(shí)時(shí)跟蹤和控制。

1 ERP系統(tǒng)數(shù)據(jù)分類

在ERP 工作環(huán)境下，決策者和執(zhí)行者能夠快速交流深度挖掘的系統(tǒng)程序，使挖掘過程中存在的控制層級(jí)減少，降低施工以及數(shù)據(jù)計(jì)算的難度[4]。

ERP 工作環(huán)境下的深度挖掘過程如圖1 所示。

圖1 ERP工作環(huán)境下的深度挖掘過程

在傳統(tǒng)的數(shù)據(jù)誤差檢測方法中，通常由ERP 環(huán)境中的信息處理系統(tǒng)自帶的功能所控制[5-6]。但觀察圖1 可知，ERP 工作環(huán)境下的深度挖掘過程減少了重復(fù)性的工作量。

在ERP 環(huán)境下，深度挖掘的整個(gè)挖掘流程以及數(shù)據(jù)檢測流程通常是實(shí)時(shí)控制的核心，在很大程度上控制系統(tǒng)做到了對整個(gè)工作流程的實(shí)時(shí)控制。在ERP 作用下，深度挖掘技術(shù)的存在方式發(fā)生了變化，從而使得ERP 的信息處理系統(tǒng)與數(shù)據(jù)錄入系統(tǒng)高度融合[7-8]。

信息處理和數(shù)據(jù)錄入的融合過程如圖2 所示。

圖2 信息處理和數(shù)據(jù)錄入的融合過程

在ERP 系統(tǒng)中，控制數(shù)據(jù)在深度挖掘數(shù)據(jù)檢測過程的自動(dòng)化控制中起到了關(guān)鍵性的作用。根據(jù)數(shù)據(jù)處理中心控制過程的實(shí)現(xiàn)方式，數(shù)據(jù)檢測的自動(dòng)化控制通常由程序編碼固化控制和數(shù)據(jù)參數(shù)控制構(gòu)成，程序編碼固化控制將挖掘數(shù)據(jù)嵌入到控制系統(tǒng)源程序代碼中，數(shù)據(jù)參數(shù)控制在ERP 系統(tǒng)運(yùn)行過程中對數(shù)據(jù)匹配方式和信息系統(tǒng)進(jìn)行統(tǒng)一控制，然后對比程序編碼控制。數(shù)據(jù)參數(shù)集中控制在操作上更方便、靈活，是廣泛采用的一種控制系統(tǒng)，其在數(shù)據(jù)參數(shù)控制以及處理信息方面扮演了重要的角色[9-10]。

數(shù)據(jù)參數(shù)集中控制過程如圖3 所示。

圖3 數(shù)據(jù)參數(shù)集中控制過程

觀察圖3 可知，ERP 系統(tǒng)在操作過程中可對深度挖掘誤差數(shù)據(jù)進(jìn)行集中設(shè)置，也可以在運(yùn)行過程中進(jìn)行部分調(diào)整和取舍。

根據(jù)誤差數(shù)值的大小，ERP 系統(tǒng)數(shù)據(jù)可分為布局級(jí)控制數(shù)據(jù)、分級(jí)控制數(shù)據(jù)和分?jǐn)?shù)級(jí)控制數(shù)據(jù)。其中，布局級(jí)控制數(shù)據(jù)適合深度挖掘中遇到的可控性問題，這影響著ERP 系統(tǒng)用戶權(quán)限實(shí)現(xiàn)的全過程，這種控制數(shù)據(jù)通常穩(wěn)定性較好且數(shù)據(jù)較完整，布局級(jí)控制數(shù)據(jù)被設(shè)置后，深度挖掘過程中的執(zhí)行人員必須按照指令執(zhí)行，其設(shè)置的權(quán)限通常在ERP 系統(tǒng)的中心管理層[11-12]。分級(jí)控制數(shù)據(jù)主要是對ERP 系統(tǒng)進(jìn)行有針對性的設(shè)置，這種控制數(shù)據(jù)通常很多，并且在具體執(zhí)行過程中不會(huì)被輕易修改[13-14]。分?jǐn)?shù)級(jí)控制數(shù)據(jù)主要對ERP 中的基礎(chǔ)誤差數(shù)據(jù)進(jìn)行設(shè)置，這種控制數(shù)據(jù)需要深度挖掘?qū)嵤┲械南嚓P(guān)資料，但其操作通常較簡單。

2 ERP系統(tǒng)數(shù)據(jù)聚類

ERP 系統(tǒng)在應(yīng)用時(shí)，物體處理中會(huì)形成散斑，通過對系統(tǒng)的信息處理使其具有光屬性的像素點(diǎn)。但在深度挖掘數(shù)據(jù)誤差過程中，ERP 難以在中心系統(tǒng)中形成散斑，所以在運(yùn)行過程中也就難以獲得該系統(tǒng)中心點(diǎn)的數(shù)據(jù)參數(shù)。

一般情況下，深度挖掘中采集到的數(shù)據(jù)點(diǎn)通過測量將會(huì)得到深度值為1。根據(jù)數(shù)據(jù)變換關(guān)系從而計(jì)算出他們的具體數(shù)值，在采集中心數(shù)據(jù)時(shí)，把測量值為0 的點(diǎn)統(tǒng)稱為噪點(diǎn)。ERP 系統(tǒng)數(shù)據(jù)聚類如圖4所示。

圖4 ERP系統(tǒng)數(shù)據(jù)聚類

當(dāng)采集云端數(shù)據(jù)參數(shù)時(shí)，大部分?jǐn)?shù)據(jù)參數(shù)在分布時(shí)采用多種方式密集分布，ERP 系統(tǒng)的離散點(diǎn)在云端數(shù)據(jù)庫中可形成原始的排列場景，原始的誤差數(shù)據(jù)經(jīng)過預(yù)處理后可采用立體投影的方式將二維數(shù)據(jù)轉(zhuǎn)換為三維數(shù)據(jù)，之后可對二維數(shù)據(jù)的分布進(jìn)行聚類。當(dāng)ERP 系統(tǒng)聚類時(shí)，集中點(diǎn)的高度要在深度挖掘的最大值和最小值之間，使二維數(shù)據(jù)能更好地篩選、保存[15]。

ERP 系統(tǒng)的聚類是把深度數(shù)據(jù)參數(shù)通過集中處理嵌入到另一個(gè)深度數(shù)據(jù)參數(shù)中，統(tǒng)一劃分，其分類方式多樣，目前應(yīng)用較為廣泛的是以測量值為測算條件的方法。

在此基礎(chǔ)上，數(shù)據(jù)參數(shù)的選擇可通過數(shù)據(jù)分散分析和數(shù)據(jù)特征分析來實(shí)現(xiàn)，然后對其進(jìn)行相似性判定，以此分析兩種特征數(shù)據(jù)參數(shù)的聚類方式。

在ERP 系統(tǒng)聚類分析中，采集節(jié)點(diǎn)采集到的深度挖掘數(shù)據(jù)參數(shù)范圍廣，挖掘中障礙物的有效識(shí)別采用ERP 聚類的方式，所以聚類方式可根據(jù)二維數(shù)據(jù)特性進(jìn)行密度和距離的分布設(shè)置。分布方式可由KMYIU 來代表類簇?cái)?shù)量，類簇中含有所要測量的深度挖掘數(shù)據(jù)參數(shù)，采集過程中又可根據(jù)點(diǎn)云數(shù)據(jù)類簇進(jìn)行數(shù)據(jù)重疊，ERP 系統(tǒng)根據(jù)數(shù)據(jù)參數(shù)個(gè)數(shù)N和參數(shù)K的數(shù)量選擇有效的數(shù)據(jù)特征聚類中心，在將數(shù)據(jù)點(diǎn)分配的平均值調(diào)整為距離最小的聚類數(shù)據(jù)點(diǎn)的誤差平方[16]。這種聚類算法可廣泛應(yīng)用到深度數(shù)據(jù)挖掘中，其設(shè)定的密度值可歸為點(diǎn)集中的同一類簇，根據(jù)最大密度相連集合的屬性，可對ERP 系統(tǒng)的數(shù)據(jù)對象進(jìn)行概念和參數(shù)的算法集合。

聚類后的數(shù)據(jù)簇如圖5 所示。

圖5 聚類后的數(shù)據(jù)簇

3 ERP系統(tǒng)數(shù)據(jù)錄入誤差檢測

在ERP 系統(tǒng)待測樣本中，通過深度模型來計(jì)量誤差，深度模型如式（1）所示：

其中，F(xiàn)為總體累計(jì)函數(shù)，Σ 為平均值向量，在計(jì)算數(shù)據(jù)錄入誤差檢測中可采用樣本的協(xié)方差矩陣計(jì)算方式，樣本的深度值趨于穩(wěn)定時(shí)，總體的均值向量μ處取最大深度2，x為待測樣本。深度值的大小由待測樣本點(diǎn)中的累計(jì)方向量決定。對于二維數(shù)據(jù)樣本，深度值在一定程度上代表真實(shí)數(shù)據(jù)的偏離屬性。因此，綜合考慮距離差異，引用常用的高斯徑向幾何函數(shù)，可得到樣本形式的單純深度，數(shù)據(jù)深度體現(xiàn)出待測樣本與深度值的非參數(shù)特性，深度值越小說明錄入數(shù)據(jù)誤差越小。深度模型的分布方式如圖6所示。

圖6 深度模型的分布方式

所測的樣本點(diǎn)不是故障樣本，可利用參數(shù)統(tǒng)計(jì)量的相關(guān)性質(zhì)來計(jì)算，核空間深度為Di,征集樣本的深度值從大到小可排序?yàn)镈(n)≥…≥D(2)≥D(1)，定義i=1,2,…,R,…,n，可以得到R的取值服從樣本離散分布，線性統(tǒng)計(jì)量接近正態(tài)性，根據(jù)深度挖掘的數(shù)據(jù)建立函數(shù)深度模型，獲得正常運(yùn)行過程中的數(shù)據(jù)誤差值，代入模型空間深度值中，以此來確定相應(yīng)深度函數(shù)的最大值σ。計(jì)算公式為：

利用樣本空間深度代替內(nèi)積，得到樣本點(diǎn)對應(yīng)的秩，此時(shí)R的取值有n種可能，通過近似公式得到數(shù)據(jù)檢測的誤差總值。

4 實(shí)驗(yàn)研究

為了驗(yàn)證該研究提出的基于深度挖掘技術(shù)的ERP 系統(tǒng)數(shù)據(jù)錄入誤差檢測方法的有效性，設(shè)計(jì)實(shí)驗(yàn)將其與傳統(tǒng)方法展開性能對比。

實(shí)驗(yàn)參數(shù)如表1 所示。

表1 實(shí)驗(yàn)參數(shù)

根據(jù)上述參數(shù)，選用該文提出的方法和傳統(tǒng)的方法進(jìn)行實(shí)驗(yàn)對比，得到不同方法的存儲(chǔ)數(shù)據(jù)量如圖7 所示。誤差檢測對比結(jié)果如圖8 所示。

圖7 不同方法檢測數(shù)據(jù)量對比結(jié)果

圖8 誤差檢測對比結(jié)果

分析實(shí)驗(yàn)結(jié)果可知，相比于傳統(tǒng)方法，基于深度挖掘技術(shù)的ERP 系統(tǒng)數(shù)據(jù)錄入誤差檢測方法可存儲(chǔ)的數(shù)據(jù)量更大、誤差檢測準(zhǔn)確率更高，證明其是一種更為先進(jìn)的方法。產(chǎn)生這一結(jié)果的原因在于該方法通過分析流程尋找ERP 各個(gè)環(huán)節(jié)節(jié)點(diǎn)的關(guān)鍵控制點(diǎn)，從根本上提高了檢測關(guān)鍵控制節(jié)點(diǎn)的內(nèi)部控制有效性。同時(shí)，在ERP 環(huán)境下，將深度挖掘技術(shù)的內(nèi)部控制標(biāo)準(zhǔn)嵌入到系統(tǒng)的應(yīng)用程序或數(shù)據(jù)設(shè)置中，成為數(shù)據(jù)誤差檢測的重要手段，該手段可在系統(tǒng)功能設(shè)置中進(jìn)行設(shè)定與配置。在相關(guān)設(shè)置界面中可查看結(jié)果，錄入的誤差數(shù)據(jù)保存在云端數(shù)據(jù)庫中，可實(shí)時(shí)查詢。結(jié)合數(shù)據(jù)中的性能參數(shù)可提高深度挖掘的有效率，降低檢測過程中發(fā)生錯(cuò)誤的概率，將數(shù)據(jù)誤差檢測結(jié)果控制在最小范圍，從而大大提高了數(shù)據(jù)誤差檢測工作的效率。

5 結(jié)束語

ERP 系統(tǒng)中的控制數(shù)據(jù)意義重大。為此，該研究基于深度挖掘技術(shù)設(shè)計(jì)了一種ERP 系統(tǒng)數(shù)據(jù)錄入誤差檢測方法。檢查錄入數(shù)據(jù)的誤差及準(zhǔn)確性是ERP 系統(tǒng)中控制測試測量過程準(zhǔn)確性的重要手段，能夠幫助發(fā)現(xiàn)誤差數(shù)據(jù)以及其中的微小測量值，從而解決普遍存在的批量性問題。