单晶炉工程项目数据分析与挖掘（完整版）.docx

《单晶炉工程项目数据分析与挖掘（完整版）.docx》由会员分享，可在线阅读，更多相关《单晶炉工程项目数据分析与挖掘（完整版）.docx（15页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、泓域咨询/单晶炉工程项目数据分析与挖掘单晶炉工程项目数据分析与挖掘xxx集团有限公司一、 项目背景分析单晶炉是一种在惰性气体（氮气、氦气为主）环境中,用石墨加热器将多晶硅等多晶材料熔化,用直拉法生长无错位单晶的设备。单晶炉在硅片制造过程中发挥着最为重要的作用，其中拉晶过程主要在单晶炉内进行，单晶炉可提供惰性气体（氮气、氦气为主）的制备环境，通过石墨加热器将多晶硅等多晶材料熔化，用直拉法、垂直提拉法等多种方法生长单晶体。单晶直径在生长过程中可受到温度，提拉速度与转速，坩埚跟踪速度与转速，保护气体的流速等因素的影响。其中温度主要决定能否成晶，而速度将直接影响到晶体的内在质量，而这种影响却只能在单晶

2、拉出后通过检测才能获知。温度分布合适的热场，不仅单晶生长顺利，而且品质较高；如果热场的温度分布不是很合理,生长单晶的过程中容易产生各种缺陷,影响质量，情况严重的出现变晶现象生长不出来单晶。因此在投资单晶生长企业的前期，一定要根据生长设备，配置出最合理的热场，从而保证生产出来的单晶的品质。二、 项目名称及投资人（一）项目名称单晶炉工程项目（二）项目投资人xxx集团有限公司（三）建设地点本期项目选址位于xx（待定）。三、 结论分析（一）项目选址本期项目选址位于xx（待定），占地面积约83.00亩。（二）项目实施进度本期项目建设期限规划12个月。（三）投资估算本期项目总投资包括建设投资、建设期利息和

3、流动资金。根据谨慎财务估算，项目总投资36628.48万元，其中：建设投资29316.84万元，占项目总投资的80.04%；建设期利息325.32万元，占项目总投资的0.89%；流动资金6986.32万元，占项目总投资的19.07%。（四）资金筹措项目总投资36628.48万元，根据资金筹措方案，xxx集团有限公司计划自筹资金（资本金）23350.05万元。根据谨慎财务测算，本期工程项目申请银行借款总额13278.43万元。（五）经济评价1、项目达产年预期营业收入（SP）：80600.00万元。2、年综合总成本费用（TC）：65288.76万元。3、项目达产年净利润（NP）：11188.59万

4、元。4、财务内部收益率（FIRR）：23.41%。5、全部投资回收期（Pt）：5.36年（含建设期12个月）。6、达产年盈亏平衡点（BEP）：30497.69万元（产值）。（六）主要经济技术指标主要经济指标一览表序号项目单位指标备注1占地面积55333.00约83.00亩1.1总建筑面积101673.19容积率1.841.2基底面积31539.81建筑系数57.00%1.3投资强度万元/亩339.592总投资万元36628.482.1建设投资万元29316.842.1.1工程费用万元25535.492.1.2工程建设其他费用万元2985.412.1.3预备费万元795.942.2建设期利息万元

5、325.322.3流动资金万元6986.323资金筹措万元36628.483.1自筹资金万元23350.053.2银行贷款万元13278.434营业收入万元80600.00正常运营年份5总成本费用万元65288.766利润总额万元14918.127净利润万元11188.598所得税万元3729.539增值税万元3275.9410税金及附加万元393.1211纳税总额万元7398.5912工业增加值万元25215.4013盈亏平衡点万元30497.69产值14回收期年5.36含建设期12个月15财务内部收益率23.41%所得税后16财务净现值万元14553.56所得税后四、 大数据系统和数据挖掘

6、技术（一）数据挖掘概述1大数据大数据是指超过既往数据库系统规模、传输速度和处理能力，或者既往数据库系统结构无法容纳的数据。大数据常以万亿或EB衡量，且种类多、实时性强，蕴藏的商业价值大。很多现有的新或旧的信息基础设施、工具和技术可用来开发和利用大数据中蕴藏的价值。大数据有各种各样的来源：传感器、气候信息、公开的信息、如杂志、报纸、文章、买卖记录、网络日志、病历、事监控、视频和图像档案，及大型电子商务。大数据是数据挖掘产生与生存发展的土壤。如今数据每五年翻一番，面对前所未有的海量数据，为了从中发现有用的信息必须进行数据挖掘。此外，计算机存储、处理大量数据，以及运算的能力大为增强，为数据挖掘创造了

7、条件，使其成为一门独特的学科和技术。2数据挖掘与数据分析的区别数据挖掘与数据分析的主要区别在于：（1）处理工作量。数据分析的数据量可能并不大，而数据挖掘的数据量极大。（2）制约条件。数据分析是从某些假设出发，建立方程或模型，而数据挖掘不作假设，可以自动建立方程。（3）处理对象。数据分析往往是针对数字型数据，而数据挖掘对象类型繁多，例如图像、声音、文本等。（4）处理结果。数据分析可以解释结果的含义；数据挖掘的结果不易解释，着眼于预测未来，并提出决策建议。想要从数据中发现规律（即认知），往往需将数据分析和数据挖掘结合起来。（二）数据挖掘步骤按挖掘对象，数据挖掘分为数据库与数据仓库挖掘和网络挖掘两种

8、，各自步骤分述如下。1数据库与数据仓库挖掘数据挖掘一般有信息收集、数据集成、数据规约、数据清理、数据变换、数据挖掘、模式评估和知识表示8个步骤。（1）信息收集。从确定的挖掘对象中提取特征，然后选择合适的收集方法，将收集到的信息存入数据库。对于海量数据，必须选择合适的数据仓库。（2）数据集成。把来源、格式、特点、性质不同的数据按逻辑或物理属性加以编排，以便以后使用。（3）数据规约。多数数据挖掘算法耗时很长，商业数据往往较多，数据挖掘更耗时间。数据规约就是简化已有可用数据集的表示，规约后数量大减，但仍能保持原数据的完整性，对规约数据的挖掘结果，与对规约前数据的挖掘结果相同或几乎相同。（4）数据清理

9、。有些数据不完整（属性缺少属性值）、含噪声（属性值错误），不一致（同一信息有多种表示），需要清理，使其完整、正确、一致后存入数据仓库。（5）数据变换。将数据变换成适合数据挖掘的形式。实数型数据，可将其分层和离散化。（6）数据挖掘。根据数据格式、属性与特点，选择合适的处理工具，例如统计方法、事例推理、决策树、规则推理、模糊集，甚至神经网络，取得有用的信息。（7）模式评估。由行业专家核实数据挖掘结果是否合理、是否可用。（8）知识表示。将数据挖掘得到的信息以可视方式交给用户，或作为新的知识存人知识库，供其他应用程序使用。并非所有的数据挖掘都要走上述的每一步。若只有一个数据源，则可以省略数据集成。数据

10、规约、数据清理、数据变换合称数据预处理。数据挖掘至少60%的费用要花在信息收集阶段，而至少60%以上的精力和时间要花在数据预处理上。数据挖掘是一个反复多次的过程，若一次未满足要求或未得到有用结果，则需回到前面，经过调整后重新开始。2，网络挖掘网络挖掘可分为网络用户行为挖掘与网络信息挖掘。前者基本不在工程咨询人员关心之列。后者可理解为“从WWW中发现和分析有用的信息”。网络信息挖掘是在已知数据样本的基础上，通过归纳学习、机器学习、统计分析等发现挖掘对象间的内在关系与特性，进而在网络中提取用户感兴趣的信息，获得更高层次的知识和规律。网络信息挖掘沿用了Robot，全文检索、人工智能的模式识别、神经网

11、络等技术。现在的搜索引擎使用了这些技术，能够在网页或网站数据库中为用户搜寻有用信息。网络信息挖掘具体步骤如下：（1）确立目标样本。由用户选择目标文本，提取特征信息。（2）提取特征信息。根据目标样本的词频分布，从统计词典中提取挖掘目标的特征向量并计算出相应的权值。（3）网络信息获取。先利用搜索引擎站点选择待采集站点，再利用Robot程序采集静态Web页面，最后获取被访问站点网络数据库中的动态信息，生成WWW资源索引库。（4）信息特征匹配。提取索引库中的源信息特征向量，并与目标样本的特征向量对照，将符合要求的信息交给用户。五、 时间数据分析方法（一）时间数据时间数据也称时间序列（Timeserie

12、s）或动态数据，是按时序排列的一组来自同一现象的观察值。时间序列可按日、月、季度、年等收集，有些呈现很强的季节性，建模时应给予反映。气象、水文、生态环境、经济及社会活动都能观察到周期性时间序列。实际观测并记录的时间序列，实际上是随机过程的样本，即，在产生时间序列的实际过程的每一时点上，人们看到的只是该时点随机变量的样本，并不能观察到母体。时间序列可分为平稳和非平稳序列，还可以分成线性和非线性时间序列。（二）时间序列分析1概述时间序列分析是根据随机过程理论，研究时间序列的统计规律。时间序列分析广泛应用于信息压缩、利用卫星照片识别地球资源、石油勘探、经营管理、预测（气象、水文、地震、地下水位、农作

13、物病虫灾害）、控制（环境污染、生态平衡）（天文学和海洋学）等方面。时间序列预测的基本依据是：（1）客观过程是连续的，有惯性，现在是过去的继续，过去的信息会传递到现在与未来，利用过去的数据或信息能推测未来。（2）偶然因素会影响到客观过程，使其行为与模式有随机性。预测要利用时间序列各时点随机量的相关关系。时间序列的趋势与波动称为“模式”，时间序列分析首要要识别其模式，然后用适当的曲线拟合。拟合模式的各种参数根据按“最优预测”原则估算出的时间序列数字特征（期望值、方差、协方差、自相关函数）等确定。2.时间序列成分时间序列常含有4种成分：趋势、季节变动、规则波动和不规则波动。所谓趋势，是长期持续向上或

14、持续向下的倾向。季节变动，是实际过程受气候、市场状况、节假日或风俗习惯等影响而呈现的周期性波动。规则波动，是周期不等的变动，呈涨落交替之状。波动的周期可能很长，但与趋势不同。不规则波动，是时间序列除去趋势、季节变动和周期波动之后的波动。不规则波动总是夹杂在时间序列中，致使时间序列产生一种波浪形或震荡式的变动。时间序列经常是各种周期成分的叠加，例如地震或人工地震波的记录。这样的序列要做频域分析。频域分析确定时间序列各周期成分称为“谱”或“功率谱”的能量分布形态。频域分析又称谱分析。谱分析的重要内容就是通过序列的周期图（）的极值点寻找各种分量的周期。3时间序列建模时间序列建模一般有如下几个步骤（1

15、）取得时间序列样本。（2）将样本点画成图，进行相关分析。时间序列图形可显示出变化趋势和周期，并发现离群点和转折点。若离群点确实为观测值，建模时应加以考虑，若非，应加以调整。转折点指时间序列趋势突变的点。如果发现转折拐点，则在建模时须分段用不同的模型拟合时间序列，例如用门限回归模型。（3）模式识别与拟合。时间序列模式众多。小样本可用趋势模型、季节模型加上随机误差拟合。对于样本容量（即观测值个数）大于50的平稳时间序列，可用ARMA（自回归移动平均）模型拟合。非平稳时间序列可经差分化为平稳时间序列，再用ARMA模型拟合。（4）预测未来。利用建成的模型预测时间序列未来值。4时间序列常用模型（1）AR

16、MA模型（2）回归模型六、 现代工程咨询方法的特点现代工程咨询方法的特点是，定性分析和定量分析相结合，重视定量分析；静态分析与动态分析相结合，重视动态分析；统计分析与预测分析相结合，重视预测分析。定性分析与定量分析1定性分析定性分析是通过研究事物构成要素间的相互联系来揭示事物本质的方法，它是在逻辑分析、判断推理的基础上，对客观事物进行分析与综合，从而找出事物发展内在规律性，确定事物的本质。在工程咨询研究中，许多难以用计量表达的场合，定性分析方法可以发挥重要作用。2定量分析定量分析是依据统计数据，选择建立合适的数学模型，计算出分析对象的各项指标及其数值的一种方法。它是通过反映一定质的事物量的关系

17、来揭示事物内在规律的方法，在数学、统计学、运筹学、计量学、计算机等学科基础之上，通过方程、数学图表和模型等方式来研究事物的本质。在工程咨询工作中采用定量分析的方法，对复杂事物进行数据处理，进行比较分析，可以使问题更为清晰，解决方案更精确。静态分析与动态分析1静态分析静态分析是观测和评价事物某一时点状态的一种方法。如项目评价中通过计算静态投资回收期、总投资收益率、资本金净利润率等指标，可以对项目的财务效益得出初步的判断。2动态分析在工程咨询服务的各个阶段，特别是在项目决策评价阶段，要树立动态观念，如考虑资金时间价值、市场供求变化、技术发展变化、社会经济环境的变化等。现代项目财务评价一般以动态分析

18、为主，主要进行项目现金流量分析，计算财务净现值、内部收益率等指标，并进行风险概率分析等。统计分析与预测分析1统计分析统计分析是对分析对象过去和现在的信息进行收集、整理、统计和分析。在现代工程决策研究咨询中经常需要采取多种方法和渠道，收集大量的统计数据，包括行业、区域、市场、技术、企业等的统计资料和信息，从而分析、归纳和总结事物的发展规律，把握发展动向；在项目执行阶段，也需要对项目的执行情况进行监控，对投资、质量、进度等进行统计分析，并与计划进行比较，判断项目的进展情况，以便采取有针对性的应对措施，促进项目的顺利进行。2预测分析预测分析是依据分析对象过去和现在的信息，采用一定的方法，对事物未来发展趋势进行分析、推测、判断的方法。预测分析是现代工程咨询的重要方法，尤其是在投资前期决策阶段，预测分析是项目咨询的重要工作。投资项目决策是建立在对未来预测的基础上的，需要对未来的社会经济环境、产业政策走向、技术发展趋势、市场需求变化、原材料供应、配套条件约束、资金市场等进行预测。