設備數據治理在鋼鐵行業的應用

首鋼京唐鋼鐵聯合有限責任公司 戴昭穎 郭亮 孫歡

鋼鐵行業作為制造業的支柱產業，其設備數據來源不一、種類較多、結構復雜，導致數據質量差，這就需要依托數據治理手段提高數據管理水平，以便更好地實現數字化轉型。本文依據首鋼京唐公司設備數據治理的項目經驗，介紹了一種鋼鐵行業數據治理的實施方法，闡述了取得的成效，為讀者提供一些數據治理的思路。

首鋼京唐鋼鐵聯合有限責任公司（以下簡稱京唐公司）在飛速發展的過程中，隨著IT 系統規模的擴大，業務范圍的拓展，公司面臨市場不斷變化的需求和挑戰。對外生成用戶畫像、分析用戶行為等業務，對內提高設備運行效率、保證產品質量等目標使得京唐公司業務系統之間跨系統、跨領域的交互更加頻繁，數據間的耦合性大大增加。因此，通過一套高效的數據治理體系去梳理、建設現有數據的內容、結構、模式、數據屬性、數據質量等重要的內容，對已有IT 系統診斷，指導今后IT 系統建設和輔助領導作出正確決策是非常必要的。

“大數據”作為一種新興的IT 實現工具，在深刻影響信息化變革的同時，也為鋼鐵行業帶來了新的發展和機遇。京唐公司擁有大量的設備專業數據，若弄清數據背后的含義，合理梳理并且管理好這些數據，用數據指導設備運行和生產，并將這些數據與京唐公司的業務相結合，能獲得較好的收益。為了進一步完善和細化京唐公司數據治理體系，提供正確、準確的數據和指標，充分發揮數據作用，支撐公司重大決策，以此開啟了設備主題的數據治理工作。

1 實施策略

首鋼京唐設備主題數據治理工作為加強人員設備主題數據管控，對相關系統進行數據標準梳理，通過采集元數據、數據關系，進行元數據關聯性分析、影響分析、血緣分析。通過接口協助運營平臺管理數據標準變更、元數據變更、相關配置變更等，預防變更產生的風險。根據數據標準及檢核規則，對業務數據進行質量檢核，以提升數據質量。可視化平臺從數據分布情況、數據使用情況、數據質量分析等維度展示數據治理情況。平臺建設階段主要工作圍繞構造四大體系進行，四大體系分別是構建企業數據地圖、建立元數據管理模塊、建立數據標準管理模塊、建立數據質量管理模塊[1]。

1.1 構建企業數據地圖體系

在數據治理平臺中，數據地圖是一個非常重要的組成部分，其也是最直觀的、最直接地反映客戶資產的可視化工具。首先創建系統層次，梳理和設備系統有交互的同等級系統，例如采購系統等，然后維護系統與數據庫之間的關系，之后等待定時任務將數據關系匯總即可在數據地圖中展現鏈路，如圖1 所示，展示了設備系統的數據地圖，該地圖可以下鉆到其他與之有交互的業務系統的數據庫表。幫助用戶分析出海量元數據之間的關系，可視化展現出京唐公司設備專業數據資產全貌和數據之間的流向。

圖1 設備系統數據地圖下鉆示意圖Fig.1 Schematic diagram of device system data map drilling down

1.2 建立元數據管理體系

無論是公司的信息化部門還是業務部門，完整地拿出一套企業各項數據的業務含義、口徑、技術標準、分布情況等的說明是很困難的，為了自動獲取整個公司的數據業務含義，增加分析的敏捷性，幫助理解數據，使用元數據管理是不錯的選擇，如圖2 所示為元數據管理框架圖。

圖2 元數據管理框架圖Fig.2 Metadata management framework diagram

在建立元數據管理體系時項目團隊對設備主題的數據及相關系統范圍、分布情況進行調研與梳理，確定元數據需要采集的系統，申請數據庫權限，并在數據資產管理平臺數據庫建好DBLINK。從定義—獲取—分析三個階段進行元數據梳理，梳理結果作為基線，納入平臺管理。

1.3 建立數據標準體系

為了技術人員、業務人員在提到一個詞的時候有規范的含義，數據標準提供了一整套規范。數據標準地制定要適應技術和業務的發展要求，優先解決急需的、普遍的問題。經過詳細的數據調研、討論、設計、評審等流程，開發數據標準以業務數據為出發點，遵循“循序漸進、不斷完善”的原則，支撐完整的數據標準創建過程、確保每一條數據標準都和企業需求一一對應，做到數據標準有據可查，有理可依，也可作為數據質量發現問題的依據。公司設備專業的數據標準主要從基礎標準、指標標準、代碼標準三個方面進行規范[2]。

（1）設備基礎標準包含了基準人員信息、基準信息、機旁物流管理信息、檢修信息、點檢標準信息、狀態管理信息和設備折舊七大方面54 個元數據的基本信息、業務屬性、管理屬性、技術屬性，如圖3 所示為設備基礎標準示例。

圖3 設備基礎標準示例Fig.3 Example of equipment foundation standards

（2）指標標準從檢修管理、點檢管理、物料管理、特種設備管理、狀態管理五個方面26 個指標進行定義，例如物料管理中的機旁備件上機率，業務屬性計算邏輯為備件到機旁庫后90 日內實際上機金額/當期到機旁備件總金額。

（3）代碼標準完成了事故級別、停機類別、入庫單號等34 項指標的定義，例如停機類別，描述為停機信息的分類，分為計劃停機、計劃檢修、生產準備、生產操作故障停機、計劃待料停機、設備故障停機、其他工序引起停機、其他單體設備停機、待料、換輥等，如圖4所示為設備代碼標準示例。

圖4 設備代碼標準示例Fig.4 Example of equipment code standard

1.4 建立數據質量管理體系

數據質量管理體系設計是本次項目的一項重點工作，建立了質量管理的機制才能使數據質量提升。數據質量是指數據在業務環境下，為了符合業務人員的使用要求，能夠滿足業務場景具體需求的程度。

本次數據質量設計方法主要包括業務規則設計、技術規則設計、檢查點設計、質量報告設計四個方面。通過這四個方面的質量設計方法，兼顧了基礎數據的技術規則和指標數據的業務規則，數據質量檢查點全面覆蓋部署的所有數據流程。

（1）業務規則設計：根據設備專業業務邏輯、計算公式等提煉業務相關的數據質量規則，重點關注數據的及時性、數據值比較關系、數據值一致性、數據值對計算公式的滿足情況。

（2）技術規則設計：主要關注數據完整性、規范性、唯一性、有效性等，為上層計算打好基礎。

（3）檢查點設計：貫穿數據全流程，識別數據質量檢查點，確定應執行的檢查規則、執行觸發條件等，覆蓋事前、事中、事后建立數據質量稽核模型。

（4）質量報告設計：設計數據質量報告展示方案、用戶，及時直觀地洞察數據質量問題，通知相關用戶。

2 效果

設備專業數據治理工作共制定了設備專業數據標準99 個，數據校驗規則15 個，其中8 條用于數據質量問題檢核，6 條用于輔助明細分析，協助進行專業管理。

功能上線后問題數據量顯著減少，問題數據占比呈下降趨勢。數據一致性方面，優化設備系統與采購系統間同步機制，保持物料代碼和設備編碼的一致性；數據準確性方面，實現問題數據精準定位到責任人、問題字段，以此指導點檢員主動完善基礎數據；標準有效性方面，重點關注點檢標準和檢修標準項目執行有效性以及異常聯絡單質量。針對周期不合理、長期未調用項目和異常閉環路徑不合理的現象，系統篩查和現場檢查相結合，發現問題，杜絕造假，指導標準優化。

3 結語

在鋼鐵行業的設備數據治理過程中，要注重數據標準化環節，確保數據規范一致性，要基于行業模式、行業標準等積累完整、準確的內外部數據以保證數據合規性，進而規避風險。對于一個擁有大量數據資產的企業，保障信息的交互、流動，擁有良好的采集、運用以及保持數據活力增長，決定其核心競爭力。數據治理是一項長期的工作，不可能一蹴而就，需要一個循序漸進的過程分階段進行，更需做好充分的作戰準備，加強業務人員對數據的合規操作，嚴格遵守數據治理實施標準，才能不斷地提高企業數據質量。通過有效的數據治理工作，結合良好的業務應用，不僅能使數據保值增值，還會給企業帶來更大的經濟效益和社會效益。

引用

[1] 祝守宇,蔡春久.數據治理工業企業數字化轉型之道[M].北京:電子工業出版社,2020.

[2] 段效亮.企業數據治理那些事[M].北京:機械工業出版社,2020.