基于商务智能的航天器总装数据中心系统建设研究

袁 坤 李曼丽

基于商务智能的航天器总装数据中心系统建设研究

袁 坤 李曼丽

（北京卫星环境工程研究所，北京 100094）

为了解决航天器总装数据无法高效利用问题，通过梳理装配过程多维度数据，利用商务智能技术对总装过程信息进行收集、处理和分析，建设总装数据中心系统，把离散繁杂信息转变成为辅助决策的简洁图表，将处理后形成的经验知识呈现于用户面前，对航天器总装过程的全面管理和优化控制起到良好的改进效果。

商务智能；航天器；总装；数据中心

1 引言

装配是制造过程中的最为重要的环节之一。目前我国航天器装配任务日益繁重，随着航天器总装生产模式的持续改进以及总装生产执行系统（MES）建设的不断完善，装配过程中会产生海量多维度数据[1～3]，这些数据离散繁杂，数据量大，难以高效直接利用。在资源有限的情况下，如何采用信息化手段从中挖掘内部潜力、展现总装过程实际状况、辅助决策，进而提高工作效率及协调效率，成为目前航天器总装过程中需要解决的一个重要问题。

商务智能（Business Intelligence，BI）作为对商务信息的搜集、管理和分析的有效手段，近年来被广泛应用于在机械制造、钢铁、电力、矿业、银行、证券等行业，为各级决策者提供知识或洞察力[4～7]。在机械制造领域，王晖等人基于河源西可MES 系统建立了商务智能系统，实现了MES、ERP、HR系统的数据汇总展示[8]；商中新将商务智能技术应用于国内民用大型客机的研制过程中，将设计、制造、质量、供应链管理等多个系统信息整合，帮助管理者做出科学合理的决策[9]。

作为一种尝试，本文首先通过分析航天器总装业务的现状，梳理了总装过程生成的各维度过程数据，结合不同角色用户在生产过程当中所关注的重点方面，通过运用商务智能技术搭建数据仓库，对总装全过程数据进行分类、汇总、统计、分析，经过数据整合与挖掘后形成支撑总装各类角色业务亟需的统计报表与分析图，在此基础上建立了航天器总装数据中心系统，促进形成“数据自下而上，决策自上而下”的协调运作机制[10]。

2 航天器总装业务现状与数据分析

2.1 航天器总装过程业务现状

航天器总装过程的业务流程主要涉及三大类，分别是主工作流程、物料准备流程和技术问题处理流程。主工作流程包括工艺人员编制工艺文件，调度人员编制计划流程并进行计划的下发排产，班组长分解任务，操作人员根据工艺规程进行操作，检验人员对操作人员的操作结果进行检验，质量人员监督跟产等过程；物料准备流程包括各类物料的验收、入库、登记和齐套等过程；技术问题处理流程包括技术问题分析，工艺完善（工艺划改、临时工艺、工艺更改）等过程。

航天器总装过程通过多年努力建立了总装看板生产管理系统，基本覆盖了航天器总装业务的以上三个流程，涉及领导、调度、质量、设计、工艺、库房、装配人员、检验、系统管理等角色，有着较复杂的业务功能以及庞大的数据量。航天器总装生产系统自实施多年以来，有效地解决了生产中的任务下达、物料准备、生产装配、质量检验、技术问题处理、工艺更改、数据归档等问题，实现了总装一体化生产，获得了良好的应用效果[11～13]。该系统在实际的使用过程中，已经积累了大量宝贵的过程数据，其中包含大量可用于指导生产的业务经验数据、资源数据等。

2.2 航天器总装过程数据分析

基于航天器总装过程的三个主要业务流程，总装数据可分为工艺数据、资源数据、生产数据、质量数据等。工艺数据包含工艺规程信息、配套明细信息、执行记录信息等信息，是整个总装过程的核心与依据；资源数据包含人力资源信息、物料资源信息、工位资源信息，是总装生产的基础；生产数据包含生产路线信息、阶段目标信息、计划节点信息等生产过程数据，是总装生产进度的重要管理信息；质量数据包括操作记录、检验实测信息、问题处理信息、文件更改信息等，是总装生产过程的重要保障。

以上四类数据是总装生产过程直接产生的元数据，交叉保存在业务数据库中，存在内部数据关联，在业务信息系统中离散展示。系统中一般只能进行同种类型数据的简单查询，不能跨多种数据类型汇总查询与显示。如展示“张三在2012年6月1日～6月30日之间作为操作工人一岗签署的工种为钳工的工序内容、操作结果、检验人姓名”，此类信息往往是决策者在实际生产中十分迫切需要的信息，但是由于数据类型较复杂，只能通过熟悉数据库结构的信息化人员运用数据库语句联表查询的手段获得，大大降低了总装数据的利用效率。

同时，总装生产元数据是一系列原始基础维度数据，没有经过处理与加工，导向意义不明确，无法直接使用。这时就需要将四类元数据经过统计分析生成各类衍生指标数据，如能力数据、经验数据、基准数据等，“完工比例”、“返修率”、“参考比”即就属于衍生数据，它可以衡量生产工作中各方维度面的进行程度与健康指数，是高级决策者关注的重点数据。总装数据分析如图1所示。

图1 总装过程数据分析图

3 基于商务智能的航天器总装数据中心

3.1 建设思路

航天器总装数据中心应用商务智能（Business Intelligence）技术，对总装信息收集、管理和分析，将数据仓库、联机分析处理（OLAP）和数据挖掘等结合起来应用，具体过程为从总装业务数据源收集数据，经过抽取、清洗、转换和加载，送入到数据仓库，然后使用优化的查询与分析工具对信息进行处理，将信息转变成为辅助决策的经验报表，最后将结果呈现于用户面前，使企业的各级决策者获得知识或洞察力，帮助他们作出对企业更有利的管理与决策[14]。

3.1.1 建立数据仓库

总装业务系统在运行中数据读取、存储频繁，业务数据库自身压力较大，不宜在业务数据库中直接对数据进行操作，以尽量减少对于业务系统正常运行时的冲击。商务智能类系统普遍采用的数据处理模式是搭建数据仓库。数据仓库与业务数据库不同，它通过数据库表重构，将面向各个主题的分析决策用数据分类存储，实现原业务系统数据结构整合和优化，海量的装配过程历史数据经优化后规范有序，便于复杂的数据检索，数据查询效率大幅提高[15]。简单的说，数据仓库就是一个优化过的大容器，存放着我们需要处理的信息。总装数据中心通过建立独立的数据仓库，将从业务数据源整合后采集的有效四类总装业务数据填充至数据仓库，全部的数据处理操作与业务数据库完全独立，避免了数据间的相互影响，成为总装数据中心商务智能管理的基础数据处理平台，如图2所示。

图2 总装数据仓库原理图

3.1.2 数据整合

总装过程产生的业务数据种类繁杂，并非所有数据类型都是用户关注的有效信息，因此首先应对数据源中收集的各类数据进行抽取、转换和加载处理，筛选之后清洗掉不符合逻辑的错误信息，精简得到需要的数据并将其转换成符合要求的格式，最后存放到数据仓库中，作为数据分析的原始基础数据。由于航天器总装过程是一个复杂的生产过程，对实时数据的要求并不迫切，综合考虑性能与及时性，系统每天定时进行数据整合操作。因此，总装数据中心所得到的结果并不是实时的，根据数据整合频率会产生相应的延迟性。

3.1.3 数据挖掘

数据整合后进入数据仓库的是总装生产过程生成的原始基础维度数据，属于元数据，很多数据粗糙无明显意义，并不能被用户直接理解。根据元数据的类型和特点选择相应的算法，在净化和转换过的数据仓库中进行数据挖掘，经数据再加工后形成衍生指标数据，最终转换成为能够最终被用户理解的知识。数据挖掘后形成有实际意义信息，可直接面向用户展示，成为用户理解装配过程各个维度的重要指标。

3.1.4 报表展示

商务智能的最终目的是为用户快捷高效地表达出希望获得的信息，在总装数据中心中展示的内容主要包括定制报表和自定义查询报表两种形式。定制报表面向各类用户角色已明确的具体数据需求，逐一生成针对性的固定样式的统计报表，显示元数据和衍生指标数据，主要进行数据分析和汇总，并辅助柱状、雷达、饼图等类型专用分析图，用户可了解宏观生产情况。此类报表中的数据是可由下到上多层构建的，用户根据自己关注的切入点逐级钻取，查看具体的底层明细。自定义查询报表是一种更加灵活的报表方式，依托于数据仓库中已经建立关联的各类主题元数据，完全由用户自己设计报表样式及查询条件，主要应对临时性需要，快速展示用户需要的各种信息，用户可随时掌握局部生产细节。

3.2 系统架构

图3 总装数据中心架构图

总装数据中心总体架构如图3所示，各层架构如下。

SRC层：SRC（Self Reference Criterion）层，即数据接口层，是数据中心自身的数据存放层，它依托于Oracle数据库，将数据源头的总装MES数据库、库房数据库中总装过程数据导入到数据中心自身数据库中，以便于后续的数据处理；

ELT数据整合：ELT（Extract Load Transform）层即数据抽取、装载、转换的过程，是构建总装过程数据仓库的重要一环，系统将SRC层数据经过数据清洗，最终按照预先定义好的数据模型，通过Oracle存储过程将数据加载到数据仓库中去；

DW层：DW（Data Warehouse）层即数据仓库层，是面向装配过程数据的集成、相对稳定、反映历史变化的数据集合，其本质是面向主题、结构优化的数据库表环境[16]，大部分总装元数据经处理后进入DW层，数据更新频繁；

MD层：MD（Master Data）层即主数据层，主数据为多系统间共享数据，如型号信息、人员信息等，数据变化缓慢，波动较小，DW层之外的总装元数据经分离后进入MD层，数据基本稳定；

DM层：DM（Data Mining）层即数据挖掘层，通过统计分析、神经网络、决策树、遗传算法等建模方法，从大量有噪声的总装模糊数据中，提取隐含其中的潜在有用信息和知识的过程，总装数据在此进行集中处理，通过IBM Cognos工具的Framework模块建模实现；

数据应用层：数据应用层将数据挖掘出来的各类关联数据通过报表与分析图的形式进行展现，通过IBM Cognos工具的Report Studio和Query Studio模块实现[17]，是用户直接与数据中心交互的部分。

3.3 系统实现

航天器总装数据中心系统采用了全新的系统门户平台工具Info Portal 8.0，包含用户管理、权限管理、资源管理和系统管理模块，组成了整个系统的大框架。同时数据中心将核心的IBM Cognos报表展示页面进行嵌入式显示，用户的展示报表与生成分析图等操作均基于Cognos设计实现，报表可导出为Excel文件，系统界面如图4所示。本系统通过与看板生产管理系统集成，实现了组织机构、人员、权限的同源一致，用户可在看板系统中一键登录到数据中心。

图4 总装数据中心系统界面

系统采用B/S 模式，无需分布式部署即可实现用户的快捷使用，用户操作简化。系统遵循标准J2EE 结构，利用Java 语言开发，符合软件规范要求的系统设计，具有较强的移植性和扩展性。后台数据库采用功能强大的Oracle 数据库平台，在安全性和可靠性方面都对系统提供了较为强大的支撑。

3.4 系统应用实例

航天器总装过程中，质量人员会在操作现场定期对各型号进行点检，依据点检表格对某型号的某项操作过程进行质量评价并打分，点检表格式为二维表格，具体如图5所示。点检信息可从侧面体现航天器总装现场的质量状态，若想了解某段时间的航天器总装现场的整体概况，需要查看关注型号这段时间内的所有点检表格，费时费力而不直观。数据中心系统通过建立点检数据模型，对总装现场点检信息在数据仓库中进行处理，基于历史所有点检数据动态建立各平台工作习惯质量基线，通过每周型号点检信息与基线的比对，对工作习惯进行统计分析，运用可视化手段图表直观展示总装现场各型号质量情况的纵向变化趋势与具体指标，如图6所示。点检数据模型中多级数据关系，通过时间、点检要素、平台向下级钻取，指标维度可以对某一指标类型进行统计，或在多个维度上进行切片、切块、旋转等操作，各级管理人员可进一步向下钻取获得各型号的某一点检要素的横向对比情况与具体指标，如图7所示，最终快速分析生产现场的薄弱环节，为质量预警与快速决策提供数据支持，实现生产工作习惯持续改进的目标。

图6 点检结果分析

图7 点检要素分析

4 结束语

航天器总装数据中心系统经过三期建设，已完成关于科研生产进度监控、产品保证质量管理、生产成本管控和人力资源统计四个主题的60余张定制图表，内容涉及平台行型号进度总揽、进度影响因素偏差分析、关键过程数据和技术状态变更汇总、签署和技术状态监控、技术状态控制与偏离分析、物料库存与质量成本查询、人员工作负荷统计和人员型号工作量分布等方面。同时系统关联所有指标和维度数据，形成统一的总装自定义查询模块，总装各类人员根据自己的实际需求快速自助式查询系统已定义数据，简单灵活快捷，数据利用效率大幅提高。

航天器总装数据中心系统搭建了一个航天器总装特色的商务智能平台，把总装业务过程中需要的数据和信息集中管控，统一处理，在此基础上进行多角度、全方位的统计、分析和查询，从而提升总装过程监控能力与型号装配效率，增强企业的竞争力。本系统已经在航天器总装过程中得到了深入应用，并在产品状态控制、生产进度分析和质量监测预警方面取得了良好的效果，对航天器监控总装全过程和辅助领导层进行决策具有很强的现实意义。

1 刘检华，丁向峰，袁丁，等. 复杂产品计算机辅助装配过程控制与管理系统[J]. 计算机集成制造系统，2010，16(8)：1622～1633

2 张佳朋，刘检华，宁汝新，等. 面向离散型装配的过程和数据集成管理技术[J]. 计算机集成制造系统，2011，17(4)：716～725

3 肖海朋，李华，徐增光，等. 航天产品全生命周期信息系统集成模型研究[J]. 航天制造技术，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 刘立恒．基于SOA的商业智能平台的研究与设计口[J]. 计算机工程，2008，34(3)：75～77，80

6 宋鑫，郭骏，尹寿垚，等. 商务智能在电网调度控制系统数据分析中的应用[J]. 电力系统自动化，2015，39(12)：93～96

7 叶琼伟，宋光兴，谭继江. 商务智能（BI）在电子商务企业中应用的实证研究——以YNYY药业连锁企业为例[J]. 科技进步与对策，2010，27(21)：112～115

8 王晖，邓涛，刘喜微. 基于西可MES中MES Lite系统与商务智能（BI）的应用探索[J]. 中国新通信，2016，18(8)：40

9 商中新. 商务智能技术在大型客机研制中的应用研究[J]. 装备制造技术，2015(9)：91～93

10 侯杰，胡乃联，李国清，等. 基于商务智能的矿业集团运营决策系统解决方案[J]. 计算机集成制造系统，2016，22(1)：202～212

11 李曼丽，闫少光，张满，等. 航天器总装看板生产管理系统研究[J]. 航天器环境工程，2006，23(4)：244

12 韩兴龙，李曼丽，赵永平，等. 航天器总装MES系统的设计及关键技术[J]. 航天制造技术，2015(4)：55～59

13 赵佳琪，朱朝晖，焦云雷，等. 基于TC和MES的航天产品数字化制造技术[J]. 航天制造技术，2017(1)：65～69

14 夏国恩，金炜东，张葛样. 商务智能在中国的现状和发展研究[J]. 科技进步与对策，2006(1)：173～176

15 黄帆. 对提高企业级数据仓库数据即时性的研究[D]. 上海：陈昊鹏，2009：5～6

16 王刘杨．企业BI系统设计实践[J]. 计算机光盘软件与应用，2012(18)：19～21

17 张雪松. 基于Cognos的商业智能系统设计和实现[J]. 计算机光盘软件与应用，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），工程师，机械制造专业；研究方向：航天器AIT信息化建设。

2017-12-26