大数据时代航天科研管理信息化策略研究

2022-12-31张劲松张倩高骥

中国管理信息化 2022年20期

张劲松，张倩，高骥

（1.中国运载火箭技术研究院，北京 100076；2.北京宇航系统工程研究所，北京 100076）

0 引言

航天飞行器是技术密集的工业产品，无论是设计难度还是制造难度都达到了极高的水平。航天科研单位在日常的产品设计、产品制造、试验验证、故障诊断与处理等工作中都要大量调用各种数据，传统的基于关系型数据库的存储方式已经难以满足科研单位的数据管理需求。大数据技术凭借先进的分布式存储、高效率的数据响应以及强大的数据分析能力，在科研信息化管理中发挥出重要的作用，因此应该深入研究大数据技术的应用方法。

1 航天科研项目的特点

以运载火箭为例，航天科研工作具有以下特点。

1.1 安全风险高

运载火箭使用的固体推进剂和液体推进剂都属于易燃易爆物质。作为一种大型高精尖设备，飞行器火箭对发动机、材料、测控通信、结构强度设计、耐高低温设计、耐强振动冲击设计以及冗余容错设计等提出了很高的技术要求，任何一环节出现设计缺陷或者制造缺陷都可能导致任务失败。

1.2 研发成本高、周期长

运载火箭的大部分组件都工作在非常苛刻的条件下，如火箭的壳体材料在高速飞行的过程中会和空气产生剧烈的摩擦，产生高温高热。而火箭的发动机尾喷口更是直接承受燃料燃烧释放的巨大热量［1］。作为发射卫星以及航天飞船的关键设备，运载火箭的可靠性必须达到极高的水平，否则会引发重大损失。这种苛刻的条件极大地增加了火箭产品的研发周期和研发投入。

1.3 产品质量要求高

火箭的生产和制造是航天领域非常关键的一个环节，由于其中使用了大量高性能材料，其加工制造的难度进一步增加，既要整合发动机这样的大型设备，还要有效使用各种微小的航天电子芯片，其复杂度、集成度达到了很高的水平。火箭的生产制造品质还直接影响发射过程的安全性。信息化在生产质量的管理中发挥着显著的作用。

2 大数据在航天科研信息化管理中的应用价值

2.1 大数据在航天产品设计中的应用

火箭产品的复杂度、集成度水平高，在设计过程中牵涉各种各样的问题。在性能方面，火箭设计要关注运载能力、发射可靠性以及入轨精度等参数。火箭的几何结构决定其在飞行过程中的阻力以及摩擦生热情况，因此在设计过程中要尽可能采用飞行阻力小的流线型结构，甚至采用风洞来模拟其发射阻力。总之，火箭产品在设计过程中会产生海量的数据，大到一个大型的结构部件，小到一个微电子芯片。基于大数据的信息化管理平台可分类存储火箭产品设计过程中产生的历史数据，这些历史数据具备极大的参考价值，在设计新火箭或者改进现有火箭时，均可在历史数据上进行小幅度的微调，在提升性能的同时又满足新的研发需求［2］。大数据技术为设计者提供了一个庞大的资料库，在数据定位、查询、关联以及深度分析等方面也提供了良好的基础。

2.2 大数据在航天产品生产制造中的应用

在传统的管理模式下，航天产品的生产制造通常是被划分成不同的节点，航天部门按照设定的生产制造计划，逐步完成各个节点的制造任务。进入信息化时代之后，传统的以计划驱动生产制造的方式表现出效率低下的缺陷，在将大数据技术引入信息化平台之后，火箭的生产和制造方式发生了深刻的变化，从计划驱动转变为数据驱动。从生产流程来看，可利用大数据技术形成“制订生产计划→制订物料需求计划→物资备料→计划排班→生产调度→例行试验→验收交付”等一系列过程，所有和火箭制造相关的要素都会被大数据统筹起来。因得益于精确的数据，各个环节之间的衔接也会更加紧密。例如，在物资备料和计划排班这两个环节中，不同物资的筹备周期存在差异，为了避免因个别物资不到位而影响生产，可利用大数据技术提前作出风险提示。当航天类产品制造完成之后，还需开展严格的产品性能测试和质量检验活动，大数据管理平台可全面管理火箭等航天产品的试验和测试数据，为后期维护工作提供详细的技术参数，提升各类航天产品设计、生产、测试以及培训维护人员的效果［3］。

2.3 大数据在航天产品故障诊断定位中的应用

航天科研部门在航天产品的设计和生产过程中还需采取有效的技术措施来预防、诊断和处理设计缺陷和生产制造缺陷。信息化技术早已在航天产品故障诊断中得到应用，但是早期的信息化技术是基于关系型数据库而建立的，无论是火箭的设计数据，还是生产制造过程中的物资消耗数据、产品质量数据等，都存储在传统的数据库中，典型的如Mysql、Oracle 等。这种传统的数据库受限于系统架构，难以高效率地处理大数据的存储和查询等问题，这一点极大地限制了航天产品故障诊断的速度，因为故障诊断过程中要大量调用设计、物料、生产制造工艺方面的数据，而关系型数据库在进行大数据量检索时速度低下，无法满足航天产品故障诊断的需求。大数据技术是因新时代数据使用量剧增而出现的新型数据存储、查询、分析以及处理技术，其典型的特点是应用了分布式数据存储方案，整体性能大幅跃升，对航天研发、生产的海量数据具备良好的适应性。因此，在故障诊断过程中可利用大数据技术快速地将设计、制造工艺以及制造材料等联系起来，达到快速定位故障的目的［4］。相较于传统的关系型数据库存储系统，大数据技术可大幅缩短故障诊断的整体耗时。

2.4 大数据在航天安全管理中的应用

航天科研部门在火箭等航天产品的研发和制造过程中应该格外重视安全信息化、安全大数据系统的构建。从安全科学的角度看，人员、火箭生产制造工艺、火箭生产制造设备、各种物料等都可能引发安全隐患或者事故。例如，火箭生产的过程中具有大量的特种作业，如焊接、起重等，此类工作的从业者需具备完善的资质。大数据技术可实时、动态地更新特种作业人员的资质信息，特种作业人员的证件存在有效期的限制，在其资质失效之前，系统可提前发出预警信息，防止其上岗［5］。再如，航天产品的推进剂、火工品管理是安全工作的重点。在这一工作中可利用大数据技术设计信息化的危险品管理流程，将其储存、加注等工作与火箭的设计和制造紧密地联系在一起。

3 基于大数据技术的航天科研信息化管理策略

3.1 充分研究航天科研单位信息化管理中的难点

各种类型的航天科研设备和平台都依赖于信息流，若缺失必要的信息流，航天设计和制造都无法顺利开展。信息化平台显著地增加了人对数据的掌控和感知能力，将火箭产品庞大且复杂的设计研发过程细化成数据流，为科研人员提供高水平的信息化服务。但航天科研单位的科研数据在具体管理过程中体现出如下特点，给科研信息化管理带来了一定的难度。

第一，数据存储规模大。火箭产品研发涵盖了需求分析、技术论证、产品设计和制造、产品性能和质量测试、产品后期运维等多个环节，火箭中设置了大量的精密仪器，电力电子线路异常复杂。在结构设计上则包括气动外形、结构强度、耐热性和耐腐蚀性等多方面的技术要点。在生产制造环节，物料、零配件、推进剂等缺一不可。火箭产品作为一种高精尖技术的集合体，其设计、制造、安全管理、故障诊断、运维等各方面都会产生海量的数据存储需求。庞大的数据规模对火箭信息化管理平台的数据存储能力提出了极高的要求。

第二，数据查询复杂度高。在数据库系统中，对独立数据进行查询的速度往往比较快，但在实际情况下，数据库中的各种数据之间存在高度的关联性，如火箭的生产数据就关联着设计参数、材料的类型和规格，当数据的关联性强、复杂度高时，进行数据查询则需要调用多个数据库，增加了查询的难度并延缓了响应速度。这一点是火箭设计和制造单位在信息化管理中应该克服的问题。

第三，数据响应速度要求高。从使用者的角度看，单次数据查询消耗的时间越短，代表着数据存储系统的性能越优越。航天科研单位对系统数据查询和处理的响应速度提出了很高的要求，因此信息化平台在性能上要满足这一要求，这是大数据技术被引入航天科研管理的重要原因之一。

3.2 设计开发满足航天科研单位管理需求的工业大数据平台

在航天科研信息化管理中应用大数据技术的前提是设计出与企业运营现状相一致的工业大数据平台，信息化技术的发展速度非常快，航天科研单位的工业大数据平台要将硬件设备、传感器、数据流、后台软件系统以及数据存储系统等有效整合在一起，这种工业大数据平台兼具物联网和大数据两种现代化技术。

第一，航天科研单位工业大数据平台的研发需求分析。航天科研单位要深入分析其在产品设计、制造和运维管理中产生的数据，以及这些数据在实际工作中的应用方式，通常这些数据之间的关系内化在工业大数据平台的前端操作和展示界面中，这些软件系统是数据平台和科研人员实现交互的渠道，软件上的任何一个操作都会引发后台数据存储系统的调用，并且通过底层算法实现数据的加工和处理。笔者研究了航空航天科研院所及相关企业在信息化管理方面的发展趋势，总结出大数据平台研发的主要性能需求。①高可靠性和高安全性。除了强化系统架构、提升安全设计和性能，还要尽可能采用全国产化的系统组件，如芯片，避免对国外电子产品产生依赖。②优异的可扩展性。航空航天科研院所及企业的大数据管理平台需根据其日常管理的实际需求不断进行更新和升级，因而大数据平台应该具备优异的可扩展性，可在系统中引入面向服务架构（Service-Oriented Architecture，SOA）技术、智能网管技术等。③大数据处理能力。航空航天科研单位的数据呈现出多样化的特点，数据结构经常不统一，大数据平台要具备采集海量异构化数据的能力，并且具备实时分析、处理和展示这些大数据的能力。

第二，引入云技术构建工业物联网大数据平台。在系统设计方面可划分成3 个层次。①数据存储端。这方面主要是利用云存储技术的分布式特点构建强大、安全的航天科研数据存储系统。航天数据关系到国家安全，是国家的重大数据资产，应该由航天科研单位独立建造，或者与成熟的第三方云数据服务企业合作开发，航天数据的安全性成为关键。②数据展示端。数据一方面是为仪器设备服务，另一方面则是为科研人员服务，在数据展示方面应该结合人的需求特点，推荐采用可视化的展示方式，如数据大盘、数据统计表、数据地图、数据思维导图等。③设备端。现代化的大数据技术还可服务于生产制造现场的各类设备、仪器和仪表，为设备的自动化运行提供可靠的数据支撑［6］。

3.3 构建全流程的航天科研大数据管理模式

航天产品的设计和研发遵循一整套严谨且科学的流程，在航天科研大数据应用中，航天科研单位要结合自身工作流程，设计出全流程大数据管理模式，具体包括以下几个核心流程。①产品设计数据管理。此处的数据信息涵盖客户需求、产品具体设计图纸和参数、数据结构。②工艺设计数据。这方面主要包括构建工艺制造设计清单（Process Bill Of Material，PBOM）和制造物料清单（Manufacturing Bill Of Materials，MBOM）相关数据模型。③生产制造环节的数据模型。生产制造阶段要涵盖生产周期、材料供应、阶段性制造目标、生产调度执行、过程质量监控等多个环节。④产品试验数据。航天科研部门对航天科研产品的安全性、可靠性提出了较高的要求，因而在产品制造完成之后要通过专门的试验来检验其性能和质量，大数据技术也要为这一工作服务。