卡丁车构造图解汇总Word文档格式.docx
《卡丁车构造图解汇总Word文档格式.docx》由会员分享，可在线阅读，更多相关《卡丁车构造图解汇总Word文档格式.docx（66页珍藏版）》请在冰豆网上搜索。
=Byte（$00）;
WriteBuffer[5]:
=Byte（$30）;
//读48个字节数据
WriteBuffer[6]:
WriteBuffer[7]:
=Byte
$02）;
//延时2秒
WriteBuffer[8]:
=Byte（$ff）;
WriteBuffer[9]:
//连续读标识命令字
执行持续读标识命令后，程序以WriteBuffer数组写串口，RFID读写器执行此命令，并返回响应数据（见图5）。
图5持续读标识命令执行结果
从图54个字节AAODFFFF就是LRP830读写器对持续读命令的确认信息，然后是数据报文头AAOD和标识中48个字节的数据（每字节数据前加00FFFF。
5结束语
本文介绍了可编程控制器及微机与RFIDPLC通过串行
通讯协议与RFID读写器实现串行通讯，PC通过Windows多线程技术与RFID读写器实现串行通讯。
本文所述方法具有通用性，对于其它厂家的PLC和RFID系统也有一定的参考价值。
RFID射频识别技术在我国工业自动化等领域的应用才刚刚开始，前景非常广阔。
本文对于促进该技术的推广应用具有一定的积极意义。
FRAMEASSEMBLY（G）
车架总成（D、F）
FRAMEASSEMBLY（D、F）
编号
NO
配件名称
CHINESE
英文名称
ENGLISH
配套
SCHEME
单件价格
PRICE
单车用量
NUM
单位
UNIT
单价
RMB
美元
USD
2000
车架总成
Frameassembly
2001
车架
Frame
1
个
3200
470
2002
上护栏
The upper protectioncolumn
120
18
2003
上护栏螺丝M6
The upper protectioncolumnboltM6
4
0.1
2004
上护栏弹簧垫
Springwasherofthe upper protectioncolumn
2005
上护栏螺母
Nutofthe upper protectioncolumn
2006
后防护罩
Rearprotectioncover
340
50
2007
防护罩巨型圈
Countersunkwasherofrearprotectioncover
2
10
1.5
2008
防护罩螺丝
Boltofrearprotectioncover
2009
防护罩螺母
Nutofrearprotectioncover
2010
脚蹬
Pedal
2011
脚蹬螺栓M8
BoltM8ofpedal
2012
脚蹬垫片
Washerofpedal
8
2013
脚蹬螺母M8
NutM8ofpedal
2014
脚蹬回位簧
Retracting spring ofpedal
2015
脚蹬限位螺丝
FittingboltforPedal
3
2016
脚蹬限位螺母
FittingnutforPedal
6
2017
链条护板
Protectionforchain
160
24
2018
底板
Floortray
块
260
38
2019
螺丝M6
ScrewM6
2020
橡胶垫片
Rubberwasher
2021
螺母
Nut
2022
管塞
Closingplug
2023
油门安全弹簧
Safetyspring
只
2024
座椅螺栓M8*50
BoltforseatM8*50
0.4
2025
座椅螺栓M8*25
BoltforseatM8*25
0.3
2026
座椅螺帽
Nutforseat
2027
座椅铝垫圈
Washer（aluminiumofseat
2028
安全带垫片
Safetybeltwasher
2029
安全带固定螺丝M10
Boltforsafetybelt
2030
安全带固定螺母M10
Nutforsafetybelt
2031
链条护板支撑架
Bumperforchain
2032
支撑架固定螺丝
Fixingboltforbumper
2033
支撑架固定螺母
Fixingnutforbumper
2034
后标志牌上支撑
Uppersupportofbearfaring
20
2035
后标志牌下支撑
Belowsupportofbearfaring
橡塑件
RUBBER&
PLASTICSASSEMBLY
NO
SCHEME
单车
用量
3001
座椅
Seat
280
41
3002
侧防撞箱
Sidefairing
3003
前标志牌
Frontfairing
140
3004
后标志牌
Rearfairing
7.4
3005
缓冲胶垫
Countersunkwasher
13
15
3006
前轮胎
（10×
4.50—5）
Fronttire
4.50—5
条
21
3007
后轮胎
（11×
7.10—5）
Reartire
7.10—5
180
27
3008
安全带
Safetybelt
运动系统
RUNNINGSYSTEM
编号
4001
后轴
Rearaxle
根
360
53
4002
后轮毂
Rearwheelhub
240
35
4003
前轮毂
Frontwheelhub
220
32
4004
轮毂固定螺丝M8
ScrewM8forWheelhubjoint
4005
前轮轴承
Axleoffrontwheelhub
4006
平键
Keyspecialaxle
4007
后轴轴承架
Rearbearingshell
套
90
4008
后轴轴承
Rearbearingaxle
40
4009
后轴轴承固定螺栓M10
StudboltM10
forRearbearingaxle
9
4010
后轴轴承定位螺丝垫片
Washerforsecurity
4011
后轴轴承固定螺丝垫圈
Studscrewwasher
4012
后轴轴承固定螺母M10
StudnutM10forRearbearingaxle
4013
刹车盘接毂
Frictionliningcarrier
4014
刹车盘
Brakedisc
4015
刹车盘接毂螺栓M8
StudboltM8forbrakedisccarrier
4016
刹车盘接毂垫片
Washerforfrictionliningcarrier
4017
刹车盘接毂螺母M8
NutM8forbrakedisccarrier
4018
链条
Chain
80
12
4019
链轮接毂
Sprocketcarrier
4020
链轮
Sprocket
4021
链轮接毂螺栓M8
thescrewM8
forsprocketcarrier
4022
链轮接毂垫片
Washerforsprocketcarrier
4023
链轮接毂螺母M8
NutM8forsprocketcarrier
4024
轮毂接头
Wheelhubjoint
4025
轮毂接头紧固螺栓M8
BoltM8forWheelhubjoint
１．１ 数据挖掘在保险行业ＣＲＭ中的应用分析客户生命周期理论将客户生命周期分为三个阶段：
获得客户、提高客户的价值及保持效益客户．如果将数据挖掘结合在ＣＲＭ中或者作为一个独立的应用程序来实施，数据挖掘技术可以在每一个阶段都提高企业的收益．
１）在客户识别方面，通过数据挖掘技术可以进行客户特征的细分，识别潜在客户，然后将他们转变成真正的客户．数据挖掘技术的概念／类描述可以用简捷汇总的形式描述给定的任务相关数据集，提供客户数据的一般特征．此外，分类和聚类
也可用于客户评级和分类．
［５］
２）在客户保持方面，挖掘的应用包括客户忠诚度分析和客户流失警示分析．通过数据挖掘，对客户历史交易行为的分析，警示客户异常行为，并提出相应的对策建议．
３）在提高客户价值方面，首先，数据挖掘可以提供客户购买行为模式分析，进行客户细分，从而提供更具针对性的个性化服务；
其次，数据挖掘支持客户盈利能力分析，预测客户盈利能力变动以增强客户盈利能力；
此外，通过有效的交叉营销，向现有的客户提供新的产品和服务，可以实现购买推荐和升级销售．１．２ ＣＲＭ数据挖掘的系统结构
和技术创建描述和预测客户行为的模型ＣＲＭ中的数据挖掘就是利用数据挖掘理论，以有效
实现企业的客户关系管理．
图１ ＣＲＭ挖掘系统结构图
当今的技术可以使挖掘过程自动化，把数据
挖掘与数据仓库紧密集成，并使用可视化和知识表示技术，向商业用户提供挖掘的知识．在ＣＲＭ数据挖掘的系统结构中，底层为数据源，包括交易历史、客户数据库、产品数据库及其他外部数据等，通过ＥＴＬ工具提取数据形成数据仓库和数
据集市，以形成面向全局的数据视图，从而形成整个系统的数据基础ＯＬＡＭ．在此基础上，用于实现企业客户关系管理中的商业智能和决策服务器支持数据分析处理通过，并将分析结果ＯＬＡＰ和支持．
本案例中使用数据仓库及关联规则挖掘技术，分析客户数据中隐藏的购买行为知识．系统采用ＳＱＬＳｅｒｖｅｒ２００５数据库和ＶｉｓｕａｌＣ＋＋语言开发工具．挖掘系统结构如图１所示．
２ ＣＲＭ中客户行为模式挖掘的案例研究
客户行为模式的分析是数据挖掘在保险业ＣＲＭ果通过挖掘得到规则知识中提高客户价值的典型应用之一，发现购买了寿险的客．例如，如户中有很大比例也同时购买了投资型产品，则对于那些购买了寿险的客户，可以同时向其推荐投资型险种．产品营销中二次销售的成本往往比开拓新客户要低，通过发现客户购买险种之间的关联性，通过有针对性地推荐老客户继续购买新的保险品种和服务，实现销售升级，提高销售投资回
报率．［９］
关联分析是商业分析中应用最广泛的一种挖掘模式ｐ用关联规则挖掘模式对客户购买行为的分析和挖ｏｒｔ）和置信度，它用来发现满足最小支持度（Ｃｏｎｆｉｄｅｎｃｅ）要求的关联事务（Ｓｕｐ．
运‐
掘，能够发现客户的行为偏好，从而提供更具个性化的服务．
下面以实例对客户行为模式挖掘的过程与方法进行分析，文中数据来源于辽宁省某保险公司的销售数据库．２．１ 数据预处理
公司数据库系统中存在大量的数据字典和数据表，表目繁多，数据繁杂．其中和挖掘密切相关的数据表有客户基本信息表、保险销售记录表等．
中采集的数据不存在对多数据源和跨数据库系统的数据集成问题，数据预处理过程中需要主要考虑的问题有如下几个．（１）数据集成．主要将多文件或多数据库运行环境中的异构数据进行合并处理，解决数据的冲突问题，以及数据的不一致问题．原始数据库表最终集成为一张表．（２）维归约．客户基本信息库中用于数据分析的数据包含
数以十计的属性，其中大部分与挖掘数据不相关，是冗余的．去除不相关的属性减少数据量是首先要完成的工作．（３）概念分层．年龄、职业、信用度等按类别分为不同等级，对每个不同的等级进行概念分层．例如信用等级中，１级为风险最小，２级居中，３级次之．（４）空值项处理．根据具体情况对空值进行处理．表１是予处理后的客户购买信息表结构．
表１ 予处理后的库表结构
客户号地域级职业类性别年龄段购买保险别代码别代码代码代码类别代码
０７００３４０１１０１０２Ａ０７００３５０２２０１０３Ｂ……
……
２．２ 数据仓库
如前所述，数据仓库有利于高效的数据挖掘．数据仓库可以把事务数据库中原始混乱的数据集成转化成数据仓库中规范的数据，方便用户的分析和查询，进而辅助企业决策．数据仓库提供联机分析处理（ＯＬＡＰ）工具，用于各种多维数据分
析．［３］
例如，管理者可能希望按职业、按地区、按收入、以及按其他因素查看保险销售的变动情况，同时希望能提供诸如最大、最小、总和、平均和其他统计信息．
多维数据模型可以以星型模式﹑雪花模式或事实星座模式存在，其中最常见的模式是星型模式．图２是以三维角度观察公司销售数据的数据仓库的星型模式，三个维属性分别是地区类别﹑职业类别和产品类别．有了数据仓库的统计数据，既可以直接做为联机分析，也使得以之为基础的挖掘效率大大提高．２．３ Ａｐｒｉｏｒｉ算法及改进
挖掘算法分解为两个子问题Ａｇｒａｗａｌ等提出的Ａｐｒｉｏｒｉ：
算法将关联规则１）找到所有支持度大于最小支持度的项集（ＩｔｅｍｓｅｔＩｔｅｍｓｅｔ），这些项集称为频繁项集（Ｆｒｅｑｕｅｎｔ法的关键）．提高频繁项集的求解效率是．
Ａｐｒｉｏｒｉ算２）使用第１步找到的频繁项集
，产生期望的
图２ 保险销售数据的３—Ｄ立方体表示（单位：
万元）
规则，这些产生的规则必须满足最小支持度和最小置信度要求．
在由频繁项集产生关联规则的过程中，系统挖掘会产生类似如下的规则：
［购买保险类别］．意外伤害＝＞［性别］．男
很显然这类信息对我们无用的，［２］
原因是［购买保险类别］属性出现在规则左侧，但它们能满足最小支持度和置信度要求．对于这类问题，在各类挖掘中经常会遇到．原因是支持度能够删去无趣的规则，但置信度不足以删除无趣的规则．我们可以对属性出现在规则左右的位置加以限定．由频繁项集产生关联规则对于规则中属性位置的约束，体现在算法中由频繁项集生成关联规则的部分．案例实现中，对每一个属性项设置一个位置参
数．［２］对算法程序加以改动，保证了输出规则是有
意义的．
２．４ 挖掘结果及决策意义
通过挖掘，我们得到许多有意义的关联知识．例如，与我们常识了解相符的，城镇居民购买养老金和医疗保险的比率很大，二者组合购买的支持度也极高；
寿险和重疾的支持率也较高，分别达到４７％和４２％．此外，还有一些有价值的信息被发掘出来，例如，购买了寿险的客户中有５７％也购买了投资型产品（Ｃｏｎｆｉｄｅｎｃｅ＝５７％），这意味着，对于那些购买了寿险的客户，可以同时向其推荐投资型险种来提高销售业绩．
３ 结论
客户关系管理（ＣＲＭ）：
是数据挖掘的重要应
用领域．将数据挖掘结合在保险业ＣＲＭ中或者作为一个独立的应用程序来实施，可以帮助保险公司在客户生命周期的各个阶段充分挖掘客户的价值以及客户可能带来的潜在价值．实践证明，数据挖掘在保险业ＣＲＭ中的应用，可以帮助保险公司提高管理和决策水平，为保险企业和用户创造更高的投资回报率．参考
文
献
［８］
［４］ ＲａｋｅｓｈＡｇｒａｗａｌ，ｅｔａｌ．ＭｉｎｉｎｇＡｓｓｏｃｉａｔｉｏｎＲｕｌｅｓ
ｂｅｔｗｅｅｎＳｅｔｓｏｆＩｔｅｍｓｉｎＬａｒｇｅＤａｔａｂａｓｅｓ［Ｃ］．ＳＩＧ‐［５］ Ｈｕｉ，Ｓ．Ｃ．，Ｇ．Ｊｈａ．Ｄａｔａｍｉｎｉｎｇｆｏｒｃｕｓｔｏｍｅｒｓｅｒｖｉｃｅ
ｓｕｐｐｏｒｔ［Ｊ］．Ｉｎｆｏｒｍａｔｉｏｎ＆Ｍａｎａｇｅｍｅｎｔ，２０００，３８（１）：
１－１３．
［６］ 付红玲．保险信息化的新目标［Ｊ］．软件世界．２００７，
５：
７０．
［７］ 陈 艳．数据挖掘技术在保险客户信用评估中的运
用［Ｊ］．计算机技术与发展，２００８，１８（５）：
７．［８］ 张 吉，常桂然，黄小原．数据挖掘技术在ＣＲＭ中
的应用［Ｊ］．中国管理科学，２００３，１１（２）：
５３－６０．［９］ 张 君．论我国保险公司的风险管理［Ｊ］．保险研究，
２００３，（２３）３：
１０－１２．
ＭＯＤＣｏｎｆｅｒｅｎｃｅ，１９９３：
２０７－２１６．
ＪｏｈｎＷｉｌｅｙ＆Ｓｏｎｓ，Ｍａｒｃｈ，１９９６：
４５－７１．
［１］ ＨａｎＪｉａｗｅｉ，ＫａｍｂｅｒＭ．．ＤａｔａＭｉｎｉｎｇ：
ｃｏｎｃｅｐｔｓ
ａｎｄｔｅｃｈｎｉｑｕｅｓ［Ｍ］．ＳａｎＦｒａｎｓｉｓｃｏ：
ＭｏｒｇａｎＫａｕｆ‐［２］ ＲａｋｅｓｈＡｇｒａｗａｌ，ｅｔａｌ．Ｆａｓｔａｌｇｏｒｉｔｈｍｓｆｏｒｍｉｎｉｎｇ
ａｓｓｏｃｉａｔｉｏｎｒｕｌｅｓｉｎｌａｒｇｅｄａｔａｂａｓｅｓ［Ｊ］．Ｐｒｏｃ．ｏｆ［３］ Ｗ．Ｈ．Ｉｎｍｏｎ．ＢｕｉｌｄｉｎｇｔｈｅＤａｔａＷａｒｅｈｏｕｓｅ［Ｍ］．
ＶＬＤＢ，Ｓａｎｔｉａｇｏ．１９９４：
４８７－４９９．ｍａｎｎＰｕｂｌｉｓｈｅｒｓ．２００１：
１８８－２２８．
ＲｅｓｅａｒｃｈｏｎｔｈｅＡｐｐｌｉｃａｔｉｏｎｏｆＤａｔａｍｉｎｉｎｇＴｅｃｈｎｏｌｏｇｙｉｎＩｎｓｕｒａｎｃｅＣＲＭ
升级会员 