Использование подходов Data Mining в развитии систем ЛИМС

Информационные технологии необходимы, прежде всего, там, где имеется большой объем ручной рутинной работы. В лабораториях предприятий производится огромное число испытаний, результаты которых обрабатываются и записываются в журналы. Полная или частичная автоматизация лабораторий обеспечивается системами ЛИМС (Лабораторные Информационные Системы). В функции ЛИМС входят разнообразные задачи, автоматизирующие процессы лаборатории, начиная от планирования работы лаборатории и регистрации проб в системе до формирования паспорта продукции, включая все промежуточные задачи [1]. Кроме того, часто эти системы интегрируются в общее информационное пространство предприятия. Со временем эксплуатации системы накапливается большой объем данных, к которым могут применяться алгоритмы исследования данных и поиск скрытых закономерностей Data Mining [2, 3]. В статье рассмотрена одна из задач Data Mining - классификация химических проб на основе обучающей выборки, то есть определение класса неизвестной пробы по значениям некоторых атрибутов. Необходимость в решении такой задачи была сформулирована заводской лабораторией, занимающейся анализом химических проб. Наряду с анализом проб на предмет соответствия требованиям качества, в лабораторию поступали и неизвестные пробы для определения принадлежности к тому или иному классу. При этом в большинстве случаев работники лаборатории вспоминали, что какое-то время назад им приходилось анализировать похожие пробы, но точного результата они не могли вспомнить