Maximal Association Rules를 이용한 제조공정에서의 불량 검출 방법

Abstract

최근에 부각되고 있는 데이터 마이닝은 대용량의 자료로부터 의사결정을 돕는 유용한 정보를 찾아내는 일련의 분석과정이라 할 수 있다. 데이터 마이닝의 기법으로는 연관규칙(association rules), 군집화(clustering), 분류(classification)등이 주로 사용되고 있다. 이 중 연관규칙(association rules)은 대량의 데이터 집합 사이에서 유용한 연관성과 상관관계를 찾는 방법이며 이에 대한 연구가 활발하게 진행 되고 있다. 그러나 오늘날의 실세계 데이터베이스는 방대한 크기로 증가하였으며 이로 인하여 데이터 간의 연관성을 찾아내는데 있어서 잃어버리게 되는 부분이 많이 존재하게 된다. 본 논문에서는 데이터베이스에서 잃어버릴 수 있는 유용한 규칙들을 효과적으로 찾기 위해 Maximal association rules를 이용한 탐색 방법을 제안한다. Maximal association rules는 빈발 항목 집합으로 발견되었음에도 불구하고 룰로써 뽑혀지지 않는 항목 집합 중 단일항목에서 동시에 발생되어지는 항목집합을 발견하여 연관 규칙을 탐색하는 방법이다. 실험 예제는 기존의 알고리듬 보다 제안하는 알고리듬이 보다 정확한 연관규칙을 찾아낸다는 것을 보여주고 있다.; Data mining is a kind of analysis process of searching useful informations, then helping decision-making from huge amounts of data. Association rules, clustering and classification have used mainly for technique of data mining. Among the techniques, association rules seek useful relations and inter-relations in the large dataset. Moreover, its study has been processing at a good pace. However, nowadays database have increased enormously, thus missing parts exist to seek relations with data by that reason. In this paper, we propose a searching method by Maximal association rules to effectively find association rules from missing data. Maximal association rules allow us to discover associations pertaining to items that most often do not appear alone, but rather together with closely related items, and hence associations relevant only to these items tend to obtain low confidence. We provide a formal description of maximal association rules and efficient algorithms to discover all such associations. Example experiments show that proposal algorithms find association rules more exactly than existing algorithms. Discovery of useful association rules help to execute exact system organization for enterprises more quickly.