1 门业制造车间质量管理系统的体系结构

    门业制造型企业生产车间是以自行加工为主、劳动密集强度大、人为占主要因素的机加工车间。传统的车间质量管理是一种离散的、静态的管理方式。很难发现制造过程中隐藏的质量问题。“数据仓库之父”W.H.Inmon对数据仓库的定义是：数据仓库是一个面向主题的、集成的、稳定的、随时变化的数据集合。用于支持经营管理中的决策制定过程，根据数据仓库的定义，联系门业制造车间质量管理的实际情况。笔者提出了基于数据仓库的门业制造车间质量管理系统的体系结构（见图1）。

    图1 门业制造车间质量管理系统的体系结构图

    （1）日常事务处理。生产计划提供车间日生产计划，质量管理系统根据日生产计划安排质量检验计划。在制品管理系统向质量管理系统提供毛坯和待加工零件的流水编号，质量管理系统向在制品管理系统反馈产品的检验信息和质量信息，以便于车间生产计划部门及时了解生产进度、安排废品补制等。质量管理系统向车间物料管理系统提供产品入库的转交信息以及产量质量证明，车间物料管理系统向质量管理系统反馈实际产品转交信息。甩图纸系统向质量管理系统提供基本的工艺信息和检验信息，质量管理系统还与人力资源管理管理系统有信息交互，它可以提供有关产品、人员在生产过程中的基本信息给人力资源管理系统，以便实施有据可依的绩效管理。

    （2）高层决策分析。通过提取—转化—加载数据采集平台从操作型事务处理系统中提取数据。从而使数据操作型环境和数据分析型环境分离开来，建立起一个集成的、一致的、能够更好地支持企业决策的数据环境—中央数据仓库。为了组织数据仓库中的综合数据，以满足用户的多维数据分析的需要，构建基本事实/维表。建立多维数据库系统，或者利用关系数据库技术来模拟多维数据集。在多维信息系统的基础上，通过图形化用户界面的引导，最终用户完成车间质量管理数据的及时查询，以及报表分析、OLAP分析和数据挖掘等复杂的数据分析操作。

    2 门业制造车间质量管理数据仓库的设计

    2.1 概念模型设计

    为了表述数据仓库中所需的分析数据、描述数据和细节数据的关系。反映时问属性的存在和作用，表现数据的导出关系，可将传统的数据模型构造工具实体关系图稍作修改。将原ERD中的实体分成为事实实体、维度实体和详细类别实体。在这种结构中，事实实体通过每一维的值与维度实体联系在一起。这种结构被称为“星型模型”，如果维度实体再连接上对事实表进行详细描述的详细类别实体，则形成了“雪花模型”。根据门业制造车间质量管理的实际需求，采用星型模型建立数据仓库。选取生产过程质量中具有代表性的主题（雕花车间）建立星型模型（见图2）。

    图2 以雕花为事实表的量型模型

    2.2 逻辑模型设计

    事实表是星型模型结构的核心。事实表中一般包含两部分，一个是有主键和外键所组成的键部分，另一个是用户希望在数据仓库中所了解的数值指标。维度表是用户分析数据的窗口，应包含大量的可用文字描述、离散值、有规定限制的属性。根据图2以雕花为主题的星型模型设计出以下事实表和维度表的关系模型：加工质量事实表（时间ID，部件ID，机床ID，班组ID，操作工ID，雕花不合格数，废品率）；日期维度表（年，季度，月，星期，日）；部件维度表（部件ID，部件名称，花型，颜色。类别，……）；机床事实表（机床ID，机床名称，机床型号，使用时间，……；班组事实表（班组ID。班组名称，上班时间，……）；操作工事实表（操作工ID，姓名，性别，年龄，学历，……）。

    2.3 物理模型设计

    设计物理模型是在星型模型或雪花模型的基础上。确定事实表和维表的结构；明确二者的数据字段、数据类型、关联字段、索引结构；确定数据仓库中多维数据集的存储结构。如物理存取方式、数据存储结构、数据存放位置以厦存储分配是否分区等。进行物理模型设计时，应重点考虑的因素有I/O存取时间、空间利用率和维护代价。[page]    3 基于门业制造车间质量管理数据仓库的OLAP

    前面建立的门业制造车间质量管理数据仓库是从门业车间制造执行系统中原有系统数据源中抽取数据。并对数据进行清洗、聚集和转换等各种处理的一个包含车间质量历史数据的大规模数据库。这恰好为OLAP提供了进行前期准备工作的环境，OLAP利用数据仓库中的数据按照质量控制的主题。建立人员、设备、场地、物料、工艺（4M1E）多维信息系统。对数据进行由浅及深的分析，将有关信息提供给主管领导和各应用单位。帮助他们随时掌握车间制造的动态信息。

    多维信息系统以描述分析数据的多维特征为目标。最终形成一个模拟现实的多维逻辑视图（见图3）。所谓维特征是指质量问题在人员、设备、场地、物料、工艺上的分布特征。反映了人们观察问题的角度。对于车间生产来说，可以考虑把操作工、机床、加工的产品、工艺、产品质量（废品率）等作为维，从而构成多维模型。为了便于理解，笔者把生产实际适当简化，首先放在三维空间进来讨论，假定工艺不变，只对一个产品分析，也就是说。质量问题的三维特征是：产品质量、机床、时间。

    图3 按照时间、机床和产品质量组织的多维模型

    在一个多维空间上。进行的基本数据分析动作包括“切片”、“切块”、“旋转”和“钻取”。切片是舍去一些观察角度，使得人们能够在少量维上集中观察问题。结合图4可以形象地理解切片的数据分析动作过程，切块可以看成是在切片的基础上，进一步确定各个维成员的区间得到的片断体。也就是说可以看作是多个切片叠合而成，旋转是改变一个报告或页面显示的维方向。例如，旋转可以交换行和列，或是把某一行维移到列维中去。钻取是改变维的层次，变换分析的粒度，它包括向下钻取和向上钻取/上卷，减少维数，在某一维上将低层次的细节数据概括到高层次的汇总数据；或增加新维，从汇总数据深入到细节数据进行观察。

    图4 切片分析过程示例

    4 结语

    本文根据门业制造企业车间质量管理的特征和企业信息化发展的需要。首先构建了一个结合日常事务处理和高级决策分析的门业制造车间质量管理系统的体系架构。在该体系结构中，门业制造企业MES系统中大量的信息和数据。通过数据仓库和OLAP技术得到充分利用，然后，按照数据仓库规范化的设计方法。对门业制造车间质量管理数据仓库进行了详细的设计。最后，利用数据仓库中的数据按照质量控制的主题，建立人员、设备、场地、物料、工艺（4M1E）多维信息系统。使用户从多个角度、多个侧面去观察数据仓库中的数据。

免责声明：本网站（http://www.ciotimes.com/）内容主要来自原创、合作媒体供稿和第三方投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
本网站刊载的所有内容（包括但不仅限文字、图片、LOGO、音频、视频、软件、程序等）版权归原作者所有。任何单位或个人认为本网站中的内容可能涉嫌侵犯其知识产权或存在不实内容时，请及时通知本站，予以删除。