基于商務智能的航天器總裝數據中心系統建設研究

袁 坤 李曼麗

基于商務智能的航天器總裝數據中心系統建設研究

袁 坤 李曼麗

（北京衛星環境工程研究所，北京 100094）

為了解決航天器總裝數據無法高效利用問題，通過梳理裝配過程多維度數據，利用商務智能技術對總裝過程信息進行收集、處理和分析，建設總裝數據中心系統，把離散繁雜信息轉變成為輔助決策的簡潔圖表，將處理后形成的經驗知識呈現于用戶面前，對航天器總裝過程的全面管理和優化控制起到良好的改進效果。

商務智能；航天器；總裝；數據中心

1 引言

裝配是制造過程中的最為重要的環節之一。目前我國航天器裝配任務日益繁重，隨著航天器總裝生產模式的持續改進以及總裝生產執行系統（MES）建設的不斷完善，裝配過程中會產生海量多維度數據[1～3]，這些數據離散繁雜，數據量大，難以高效直接利用。在資源有限的情況下，如何采用信息化手段從中挖掘內部潛力、展現總裝過程實際狀況、輔助決策，進而提高工作效率及協調效率，成為目前航天器總裝過程中需要解決的一個重要問題。

商務智能（Business Intelligence，BI）作為對商務信息的搜集、管理和分析的有效手段，近年來被廣泛應用于在機械制造、鋼鐵、電力、礦業、銀行、證券等行業，為各級決策者提供知識或洞察力[4～7]。在機械制造領域，王暉等人基于河源西可MES 系統建立了商務智能系統，實現了MES、ERP、HR系統的數據匯總展示[8]；商中新將商務智能技術應用于國內民用大型客機的研制過程中，將設計、制造、質量、供應鏈管理等多個系統信息整合，幫助管理者做出科學合理的決策[9]。

作為一種嘗試，本文首先通過分析航天器總裝業務的現狀，梳理了總裝過程生成的各維度過程數據，結合不同角色用戶在生產過程當中所關注的重點方面，通過運用商務智能技術搭建數據倉庫，對總裝全過程數據進行分類、匯總、統計、分析，經過數據整合與挖掘后形成支撐總裝各類角色業務亟需的統計報表與分析圖，在此基礎上建立了航天器總裝數據中心系統，促進形成“數據自下而上，決策自上而下”的協調運作機制[10]。

2 航天器總裝業務現狀與數據分析

2.1 航天器總裝過程業務現狀

航天器總裝過程的業務流程主要涉及三大類，分別是主工作流程、物料準備流程和技術問題處理流程。主工作流程包括工藝人員編制工藝文件，調度人員編制計劃流程并進行計劃的下發排產，班組長分解任務，操作人員根據工藝規程進行操作，檢驗人員對操作人員的操作結果進行檢驗，質量人員監督跟產等過程；物料準備流程包括各類物料的驗收、入庫、登記和齊套等過程；技術問題處理流程包括技術問題分析，工藝完善（工藝劃改、臨時工藝、工藝更改）等過程。

航天器總裝過程通過多年努力建立了總裝看板生產管理系統，基本覆蓋了航天器總裝業務的以上三個流程，涉及領導、調度、質量、設計、工藝、庫房、裝配人員、檢驗、系統管理等角色，有著較復雜的業務功能以及龐大的數據量。航天器總裝生產系統自實施多年以來，有效地解決了生產中的任務下達、物料準備、生產裝配、質量檢驗、技術問題處理、工藝更改、數據歸檔等問題，實現了總裝一體化生產，獲得了良好的應用效果[11～13]。該系統在實際的使用過程中，已經積累了大量寶貴的過程數據，其中包含大量可用于指導生產的業務經驗數據、資源數據等。

2.2 航天器總裝過程數據分析

基于航天器總裝過程的三個主要業務流程，總裝數據可分為工藝數據、資源數據、生產數據、質量數據等。工藝數據包含工藝規程信息、配套明細信息、執行記錄信息等信息，是整個總裝過程的核心與依據；資源數據包含人力資源信息、物料資源信息、工位資源信息，是總裝生產的基礎；生產數據包含生產路線信息、階段目標信息、計劃節點信息等生產過程數據，是總裝生產進度的重要管理信息；質量數據包括操作記錄、檢驗實測信息、問題處理信息、文件更改信息等，是總裝生產過程的重要保障。

以上四類數據是總裝生產過程直接產生的元數據，交叉保存在業務數據庫中，存在內部數據關聯，在業務信息系統中離散展示。系統中一般只能進行同種類型數據的簡單查詢，不能跨多種數據類型匯總查詢與顯示。如展示“張三在2012年6月1日～6月30日之間作為操作工人一崗簽署的工種為鉗工的工序內容、操作結果、檢驗人姓名”，此類信息往往是決策者在實際生產中十分迫切需要的信息，但是由于數據類型較復雜，只能通過熟悉數據庫結構的信息化人員運用數據庫語句聯表查詢的手段獲得，大大降低了總裝數據的利用效率。

同時，總裝生產元數據是一系列原始基礎維度數據，沒有經過處理與加工，導向意義不明確，無法直接使用。這時就需要將四類元數據經過統計分析生成各類衍生指標數據，如能力數據、經驗數據、基準數據等，“完工比例”、“返修率”、“參考比”即就屬于衍生數據，它可以衡量生產工作中各方維度面的進行程度與健康指數，是高級決策者關注的重點數據?？傃b數據分析如圖1所示。

圖1 總裝過程數據分析圖

3 基于商務智能的航天器總裝數據中心

3.1 建設思路

航天器總裝數據中心應用商務智能（Business Intelligence）技術，對總裝信息收集、管理和分析，將數據倉庫、聯機分析處理（OLAP）和數據挖掘等結合起來應用，具體過程為從總裝業務數據源收集數據，經過抽取、清洗、轉換和加載，送入到數據倉庫，然后使用優化的查詢與分析工具對信息進行處理，將信息轉變成為輔助決策的經驗報表，最后將結果呈現于用戶面前，使企業的各級決策者獲得知識或洞察力，幫助他們作出對企業更有利的管理與決策[14]。

3.1.1 建立數據倉庫

總裝業務系統在運行中數據讀取、存儲頻繁，業務數據庫自身壓力較大，不宜在業務數據庫中直接對數據進行操作，以盡量減少對于業務系統正常運行時的沖擊。商務智能類系統普遍采用的數據處理模式是搭建數據倉庫。數據倉庫與業務數據庫不同，它通過數據庫表重構，將面向各個主題的分析決策用數據分類存儲，實現原業務系統數據結構整合和優化，海量的裝配過程歷史數據經優化后規范有序，便于復雜的數據檢索，數據查詢效率大幅提高[15]。簡單的說，數據倉庫就是一個優化過的大容器，存放著我們需要處理的信息。總裝數據中心通過建立獨立的數據倉庫，將從業務數據源整合后采集的有效四類總裝業務數據填充至數據倉庫，全部的數據處理操作與業務數據庫完全獨立，避免了數據間的相互影響，成為總裝數據中心商務智能管理的基礎數據處理平臺，如圖2所示。

圖2 總裝數據倉庫原理圖

3.1.2 數據整合

總裝過程產生的業務數據種類繁雜，并非所有數據類型都是用戶關注的有效信息，因此首先應對數據源中收集的各類數據進行抽取、轉換和加載處理，篩選之后清洗掉不符合邏輯的錯誤信息，精簡得到需要的數據并將其轉換成符合要求的格式，最后存放到數據倉庫中，作為數據分析的原始基礎數據。由于航天器總裝過程是一個復雜的生產過程，對實時數據的要求并不迫切，綜合考慮性能與及時性，系統每天定時進行數據整合操作。因此，總裝數據中心所得到的結果并不是實時的，根據數據整合頻率會產生相應的延遲性。

3.1.3 數據挖掘

數據整合后進入數據倉庫的是總裝生產過程生成的原始基礎維度數據，屬于元數據，很多數據粗糙無明顯意義，并不能被用戶直接理解。根據元數據的類型和特點選擇相應的算法，在凈化和轉換過的數據倉庫中進行數據挖掘，經數據再加工后形成衍生指標數據，最終轉換成為能夠最終被用戶理解的知識。數據挖掘后形成有實際意義信息，可直接面向用戶展示，成為用戶理解裝配過程各個維度的重要指標。

3.1.4 報表展示

商務智能的最終目的是為用戶快捷高效地表達出希望獲得的信息，在總裝數據中心中展示的內容主要包括定制報表和自定義查詢報表兩種形式。定制報表面向各類用戶角色已明確的具體數據需求，逐一生成針對性的固定樣式的統計報表，顯示元數據和衍生指標數據，主要進行數據分析和匯總，并輔助柱狀、雷達、餅圖等類型專用分析圖，用戶可了解宏觀生產情況。此類報表中的數據是可由下到上多層構建的，用戶根據自己關注的切入點逐級鉆取，查看具體的底層明細。自定義查詢報表是一種更加靈活的報表方式，依托于數據倉庫中已經建立關聯的各類主題元數據，完全由用戶自己設計報表樣式及查詢條件，主要應對臨時性需要，快速展示用戶需要的各種信息，用戶可隨時掌握局部生產細節。

3.2 系統架構

圖3 總裝數據中心架構圖

總裝數據中心總體架構如圖3所示，各層架構如下。

SRC層：SRC（Self Reference Criterion）層，即數據接口層，是數據中心自身的數據存放層，它依托于Oracle數據庫，將數據源頭的總裝MES數據庫、庫房數據庫中總裝過程數據導入到數據中心自身數據庫中，以便于后續的數據處理；

ELT數據整合：ELT（Extract Load Transform）層即數據抽取、裝載、轉換的過程，是構建總裝過程數據倉庫的重要一環，系統將SRC層數據經過數據清洗，最終按照預先定義好的數據模型，通過Oracle存儲過程將數據加載到數據倉庫中去；

DW層：DW（Data Warehouse）層即數據倉庫層，是面向裝配過程數據的集成、相對穩定、反映歷史變化的數據集合，其本質是面向主題、結構優化的數據庫表環境[16]，大部分總裝元數據經處理后進入DW層，數據更新頻繁；

MD層：MD（Master Data）層即主數據層，主數據為多系統間共享數據，如型號信息、人員信息等，數據變化緩慢，波動較小，DW層之外的總裝元數據經分離后進入MD層，數據基本穩定；

DM層：DM（Data Mining）層即數據挖掘層，通過統計分析、神經網絡、決策樹、遺傳算法等建模方法，從大量有噪聲的總裝模糊數據中，提取隱含其中的潛在有用信息和知識的過程，總裝數據在此進行集中處理，通過IBM Cognos工具的Framework模塊建模實現；

數據應用層：數據應用層將數據挖掘出來的各類關聯數據通過報表與分析圖的形式進行展現，通過IBM Cognos工具的Report Studio和Query Studio模塊實現[17]，是用戶直接與數據中心交互的部分。

3.3 系統實現

航天器總裝數據中心系統采用了全新的系統門戶平臺工具Info Portal 8.0，包含用戶管理、權限管理、資源管理和系統管理模塊，組成了整個系統的大框架。同時數據中心將核心的IBM Cognos報表展示頁面進行嵌入式顯示，用戶的展示報表與生成分析圖等操作均基于Cognos設計實現，報表可導出為Excel文件，系統界面如圖4所示。本系統通過與看板生產管理系統集成，實現了組織機構、人員、權限的同源一致，用戶可在看板系統中一鍵登錄到數據中心。

圖4 總裝數據中心系統界面

系統采用B/S 模式，無需分布式部署即可實現用戶的快捷使用，用戶操作簡化。系統遵循標準J2EE 結構，利用Java 語言開發，符合軟件規范要求的系統設計，具有較強的移植性和擴展性。后臺數據庫采用功能強大的Oracle 數據庫平臺，在安全性和可靠性方面都對系統提供了較為強大的支撐。

3.4 系統應用實例

航天器總裝過程中，質量人員會在操作現場定期對各型號進行點檢，依據點檢表格對某型號的某項操作過程進行質量評價并打分，點檢表格式為二維表格，具體如圖5所示。點檢信息可從側面體現航天器總裝現場的質量狀態，若想了解某段時間的航天器總裝現場的整體概況，需要查看關注型號這段時間內的所有點檢表格，費時費力而不直觀。數據中心系統通過建立點檢數據模型，對總裝現場點檢信息在數據倉庫中進行處理，基于歷史所有點檢數據動態建立各平臺工作習慣質量基線，通過每周型號點檢信息與基線的比對，對工作習慣進行統計分析，運用可視化手段圖表直觀展示總裝現場各型號質量情況的縱向變化趨勢與具體指標，如圖6所示。點檢數據模型中多級數據關系，通過時間、點檢要素、平臺向下級鉆取，指標維度可以對某一指標類型進行統計，或在多個維度上進行切片、切塊、旋轉等操作，各級管理人員可進一步向下鉆取獲得各型號的某一點檢要素的橫向對比情況與具體指標，如圖7所示，最終快速分析生產現場的薄弱環節，為質量預警與快速決策提供數據支持，實現生產工作習慣持續改進的目標。

圖6 點檢結果分析

圖7 點檢要素分析

4 結束語

航天器總裝數據中心系統經過三期建設，已完成關于科研生產進度監控、產品保證質量管理、生產成本管控和人力資源統計四個主題的60余張定制圖表，內容涉及平臺行型號進度總攬、進度影響因素偏差分析、關鍵過程數據和技術狀態變更匯總、簽署和技術狀態監控、技術狀態控制與偏離分析、物料庫存與質量成本查詢、人員工作負荷統計和人員型號工作量分布等方面。同時系統關聯所有指標和維度數據，形成統一的總裝自定義查詢模塊，總裝各類人員根據自己的實際需求快速自助式查詢系統已定義數據，簡單靈活快捷，數據利用效率大幅提高。

航天器總裝數據中心系統搭建了一個航天器總裝特色的商務智能平臺，把總裝業務過程中需要的數據和信息集中管控，統一處理，在此基礎上進行多角度、全方位的統計、分析和查詢，從而提升總裝過程監控能力與型號裝配效率，增強企業的競爭力。本系統已經在航天器總裝過程中得到了深入應用，并在產品狀態控制、生產進度分析和質量監測預警方面取得了良好的效果，對航天器監控總裝全過程和輔助領導層進行決策具有很強的現實意義。

1 劉檢華，丁向峰，袁丁，等. 復雜產品計算機輔助裝配過程控制與管理系統[J]. 計算機集成制造系統，2010，16(8)：1622～1633

2 張佳朋，劉檢華，寧汝新，等. 面向離散型裝配的過程和數據集成管理技術[J]. 計算機集成制造系統，2011，17(4)：716～725

3 肖海朋，李華，徐增光，等. 航天產品全生命周期信息系統集成模型研究[J]. 航天制造技術，2014(6)：60～64

4 Turban E, Sharda R, Delen D, et a1. Business intelligence: a managerial approach[M]. New Jersey, USA: Prentice Hall. 2010

5 劉立恒．基于SOA的商業智能平臺的研究與設計口[J]. 計算機工程，2008，34(3)：75～77，80

6 宋鑫，郭駿，尹壽垚，等. 商務智能在電網調度控制系統數據分析中的應用[J]. 電力系統自動化，2015，39(12)：93～96

7 葉瓊偉，宋光興，譚繼江. 商務智能（BI）在電子商務企業中應用的實證研究——以YNYY藥業連鎖企業為例[J]. 科技進步與對策，2010，27(21)：112～115

8 王暉，鄧濤，劉喜微. 基于西可MES中MES Lite系統與商務智能（BI）的應用探索[J]. 中國新通信，2016，18(8)：40

9 商中新. 商務智能技術在大型客機研制中的應用研究[J]. 裝備制造技術，2015(9)：91～93

10 侯杰，胡乃聯，李國清，等. 基于商務智能的礦業集團運營決策系統解決方案[J]. 計算機集成制造系統，2016，22(1)：202～212

11 李曼麗，閆少光，張滿，等. 航天器總裝看板生產管理系統研究[J]. 航天器環境工程，2006，23(4)：244

12 韓興龍，李曼麗，趙永平，等. 航天器總裝MES系統的設計及關鍵技術[J]. 航天制造技術，2015(4)：55～59

13 趙佳琪，朱朝暉，焦云雷，等. 基于TC和MES的航天產品數字化制造技術[J]. 航天制造技術，2017(1)：65～69

14 夏國恩，金煒東，張葛樣. 商務智能在中國的現狀和發展研究[J]. 科技進步與對策，2006(1)：173～176

15 黃帆. 對提高企業級數據倉庫數據即時性的研究[D]. 上海：陳昊鵬，2009：5～6

16 王劉楊．企業BI系統設計實踐[J]. 計算機光盤軟件與應用，2012(18)：19～21

17 張雪松. 基于Cognos的商業智能系統設計和實現[J]. 計算機光盤軟件與應用，2010(4)：148

Spacecraft’s Assembling Data Center System Based on Business Intelligence

Yuan Kun Li Manli

(Beijing Institute of Spacecraft Environment Engineering, Beijing 100094)

To solve the problem of spacecraft assembly data not being utilized efficiently, constructs the assembling data center system by assort the multiple dimensional data of the assembly process and collecting, processing and analyzing the assembly process data with the help of business intelligence technology. The system transforms discrete and complex information into simple charts which can assist with decision-making, and presents the processed experience and knowledge to the users. The system improves the all-around management and optimized control of the spacecraft assembly process.

business intelligence；spacecraft；assemble；data center

袁坤（1984），工程師，機械制造專業；研究方向：航天器AIT信息化建設。

2017-12-26