对数据挖掘在烟草行业质量管理中的应用进行分析论文
在竞争日益激烈的背景下，能够立足于市场环境中得到企业无论在自身技术应用水平或产品质量方面都应成为企业提高综合实力的关键内容。以烟草行业为典型代表，其在面临国外产品进入中国市场的冲击下，需做好资源的优化配置以及管理水平的提高。但我国当前烟草行业中对产品的质量管理仍采用较为传统的统计方式，难以充分分析与挖掘其中的数据信息。因此，对质量管理过程中数据挖掘技术的应用分析具有十分重要的意义。
1 数据挖掘技术的基本概述
对数据挖掘的概念，根据以往学者对其研究可总结为从较为模糊且大量的数据中，将隐含的并具有潜在价值的数据信息提取出来，其在一定程度上与当前其他许多数据技术如数据融合或数据库知识发现较为相似。从数据挖掘的'任务角度，该技术的应用更侧重于做好关联与聚类的分析，并在完成数据信息的整理与分类后进行未来数据的相关预测，同时也会利用偏差分析方法将数据库中的异常数据问题做出分析。常用的数据挖掘方法主要包括神经网络法、遗传算法、决策树法、统计分析以及模糊集方法等。具体应用流程首先需对业务问题进行定义，明确数据挖掘目标;其次做好数据准备工作，包括在数据库中选择目标数据集并检查数据是否存在缺失或无效等情况;再次进行数据挖掘与分析，在整理数据集的基础上落实数据挖掘技术并对所得出的结果解释与评价，使其成为为用户所理解的信息内容;最后，在业务信息系统中将分析的最后信息内容融入其中。
2 烟草行业现行质量管理存在的弊端
烟草行业目前发展过程中更注重坚持提质减害的路线，引入较多的检测方式与设备，并不断积累许多数据信息。而相关的质量数据便产生于卷烟生产的全过程中，能够成为研发新产品以及改进产品质量的参考内容，但如何对如此多的数据分析与整理成为烟草行业中管理统计面临的一大难题。当前质量管理过程中仍存在一定的局限性，无法有效的提高质量管理水平。具体体现在：
第一，质量管理方式主要依托于传统数理统计相关知识，使质量管理人员面临较大的工作量并具备一定的专业技能。
第二，烟草行业中进行质量管理采用的方式大多集中在滞后分析方面，不具备较高的实时性且难以根据数据信息进行预测，在产品质量存在问题且造成一定后果的前提下才进行分析，导致产品品牌以及整体经济效益都受到不同程度的影响。
第三，质量管理中缺少反馈内容，使烟草行业无法及时发现其中存在的问题并做好相应对策以及改进与预防工作。
第四，传统质量管理更侧重于某个生产环节，忽视全局管理，而烟草行业本身规模较大且在不同地域中都涉及较多的质量管理部门，很多质量信息需在较长时间内完成流通。对此，便需引入数据挖掘中的关联与聚类分析，其中的关联规则可将数据项关联关系充分挖掘出来，在质量管理中更集中体现在产品质量预期特性值之间的关系。而聚类分析则能够对具有相似特征的产品质量特性进行分析。二者与质量管理的结合可充分提高烟草行业的质量管理水平。
3 数据挖掘技术在质量管理中的具体应用
3.1 从对供应商的评价角度由于烟草行业在实际生产中需采购许多原辅材料，产品质量很大程度上受原料质量影响。所以需做好供应商评价工作并保持与供应商间的良好合作关系。通常烟草企业会将供应商许多相关信息存储，但在评价过程中所考虑的内容主要为合格率方面。对此利用数据挖掘中的关联规则，可根据同一原材料对所有供应商在质量方面的相关信息进行挖掘，这样在实际材料采购过程中便可合理选择供应商。
3.2 从质量反馈角度质量反馈可理解为客户在使用产品或服务后的总体评价，以往国内外学者曾进行实验分析，得出在能够创造同样价值的基础上，新客户发展涉及的成本往往是维持与老客户关系涉及的成本的五倍，但若由老客户将企业口碑向新客户传递将获得更大的竞争优势，所以企业发展中维持老客户的关键在于使顾客满意度得以提高。因此可利用数据挖掘中的管理技术对数据库中顾客反馈信息进行分析，从中发现客户对产品质量的意见以及不满意的原因，以此为依据制定相应的策略。
3.3 数据挖掘在生产过程中的应用卷烟生产过程中常考虑到烟丝质量问题，其不仅受自身化学成分影响，也与生产加工工艺存在一定的关系。但通常制丝过程中涉及较多的工序，并考虑到叶组配方以及含杂量多少等，相关数据都应在数据库中保存。烟草企业所存储的数据大多未经过分析处理，需要利用数据挖掘中的人工神经网络方法寻找对烟丝质量的影响因素以及工序间关系，并在此基础上优化与控制工艺参数。而卷烟内在质量也需充分利用聚类分析以及关联技术挖掘其中质量问题与加工过程的关系，这样可使卷烟内在质量提高。
4 结束语
烟草行业利用数据挖掘技术是提高质量管理水平的重要途径。在实际应用过程中需充分认识数据挖掘技术的基本内涵、具体操作流程与方法，立足于企业当前质量管理存在的局限性，将数据挖掘渗透在评价供应商、分析质量反馈、生产全过程等工作中，这样才可保证卷烟产品质量的进一步提高。
【对数据挖掘在烟草行业质量管理中的应用进行分析论文】相关文章：