基于商務智能的航天型號研制過程質量問題分析技術

◎北京航空航天大學 高云琦 王美清

北京控制與電子技術研究所 林秋

基于商務智能的航天型號研制過程質量問題分析技術

◎北京航空航天大學 高云琦 王美清

北京控制與電子技術研究所 林秋

航天型號產品由于其產品組成復雜、產品技術復雜、制造流程復雜、試驗維護復雜、工作環境復雜,因此在研制過程中會產生大量的質量問題。從問題中學習是航天企業不斷完善其產品質量保證體系的有效途徑與方法,質量問題歸零管理即是以一種通過自底向上的質量問題分析與閉環控制方法。企業通過開展質量問題歸零管理積累了大量的質量問題現象描述、原因分析以及解決措施信息,這些質量問題信息形成了企業的質量智力資產,為企業解決質量問題提供了可以借鑒的經驗和參考。

學者們針對質量問題分析的技術與方法展開了大量的研究,采用工作流技術對質量問題歸零流程進行建模,并對如何提高歸零管理效率展開研究。隨著企業質量管理信息化的推進,不少企業建立了自己的質量管理信息系統,并積累了大量的質量信息。而針對企業對大量質量信息的分析處理需求,采用商務智能技術對質量問題進行統計與分析,對基于數據倉庫的質量信息系統構建技術展開研究,并基于Oracle數據倉庫引擎提供的數據倉庫構建功能進行了系統開發。但上述研究主要集中于對具體業務簡單分散的統計和型號產品質量數據包的歸集,對于多家參研單位異地協同、跨管理層級、跨研制階段的質量問題數據資源整合、綜合分析與利用方面的研究依然薄弱。

一、質量問題數據整合需求分析

航天型號研制是典型的“小核心、大協作”模式,各參研廠所負責型號各組成部分的研制與生產,院級部門負責整個型號研制與生產的管理和協調工作。各廠所都構建了自己的質量管理信息系統,對所承擔的研制任務在執行過程中產生的質量問題信息進行管理,但型號產品作為一個有機的整體,院級管理部門需要從系統的角度對各參研單位和各組成部分在各個研制階段與時間截面產生的質量問題進行綜合分析,并從眾多的質量問題中找到共性問題和關聯關系。院級質量管理部門對型號研制過程質量問題的管理需求主要包括：

系統性。各參研企業作為型號研制體系組織結構的組成部分,負責型號產品結構中部分產品的研發,各個質量信息源在物理上相互獨立,但邏輯上構成統一整體,院級質量部門需要跨管理層級、跨組織層級整合質量問題數據。

多維性。質量問題信息涉及組織結構、產品結構、發生原因、研制階段和產生時間等多個維度,各維度包括不同的層次,院級質量部門需要從多維度整合質量數據,從不同維度、不同粒度考察質量數據。

關聯性。質量數據不同維度之間相互關聯,需要對質量數據進行不同維度、不同層次的關聯分析挖掘,找出影響質量問題各因素間潛在的關聯關系,為型號研制質量改進提供決策依據。

可視化。直觀的可視化表達是實現對復雜數據集深入洞察的有效手段,為了實現對質量問題的有效分析,需要對質量問題多維數據集的分析結果進行可視化表達與展示,以提高數據的可利用性。

二、型號研制過程質量問題數據管理

1．型號研制質量問題數據管理模型

質量問題信息數據整合涉及研究院和參研企業兩級,涵蓋組織、產品、型號等多個維度,需要跨層級整合質量數據,從不同維度、不同粒度考察質量數據,商務智能為大量業務型數據多維度整合和分析挖掘提供了技術支持。筆者運用數據倉庫技術對航天型號研制體系中的海量質量問題數據進行了面向主題的多維度整合,構建起跨組織結構、跨產品結構、跨研制階段的數據倉庫?；谏虅罩悄艿男吞栄兄七^程質量問題數據管理模型如圖1所示。

可知1mol與足量H+作用時,最多消耗4molH+。構建好了定量關系,在分析具體問題或者書寫方程式時,都會快人一步。

圖1 基于商務智能的型號研制過程質量問題數據管理模型

該模型包括數據源、數據抽取與加載、數據倉庫構建和多維數據分析與挖掘4個層次。其中,數據源為來自各參研廠所質量管理信息系統的關系數據庫,包括與質量問題信息相關的產品型號信息、產品結構信息、組織信息等,為數據的抽取提供基礎數據;數據抽取與加載層則依據所構建的質量問題主題事實信息與維度信息模型,從各廠所的關系數據庫中抽取質量問題數據,并基于數據加載策略構建質量問題數據倉庫;多維數據分析與挖掘層則是基于數據倉庫提供的多維數據集開展面向質量問題的多維檢索、分析與挖掘,包括對數據的切片、切塊、上卷、下鉆、關聯分析等。

2．面向質量問題的多維數據集建模

在基于商務智能的質量問題數據組織管理中,以質量問題為主題的多維數據集模型構建是關鍵。筆者采用星型模型構建了質量問題多維數據邏輯模型,以質量問題計數和質量問題所造成的內部損失作為主題事實,從組織、時間、產品、原因、型號、研制階段和處理方法等不同維度考察質量問題信息。

以質量問題為主題的多維數據集信息組成見表1。

表1 多維數據集信息組成

3．數據倉庫構建

質量問題數據源。質量問題分析數據倉庫的數據源來自各參研廠所質量管理信息系統的數據庫。由于質量問題多維分析的需要,在提取面向質量問題主題的數據集時,需要從來自不同參研廠所的質量管理信息系統數據庫中抽取產品結構、組織結構、質量問題、問題原因等邏輯上相互獨立的數據信息,并通過轉換、清洗和加載來實現數據倉庫的構建。

質量問題數據提取策略。在面向質量問題分析的數據倉庫構建過程中,從多源異構數據庫中抽取質量問題事實信息和維度信息是關鍵。其中產品信息、組織人員信息等一般以遞歸的層次結構形式表達存儲,質量問題事實信息則存儲在質量問題業務表中。

質量管理系統中的組織信息儲存在人員、部門、企業等幾張關系表中,并且以結構樹的形式展現,操作者、班組、車間、生產廠和院所對應組織結構樹中不同層次的節點,可由唯一的層次編碼識別(見圖2)。

歷表人員表,以操作者層次編碼為索引,取得與操作者有關的院所層次、廠層次、車間層次、班組層次、操作者層次的信息并逐條插入組織維度表中。若組織維度信息所抽取字段值為空或不完整則由默認值填充。產品維度和原因維度信息的加載更新與組織維度類似。

圖2 組織結構更新

三、型號研制過程質量問題分析系統開發

1．系統架構設計

基于商務智能的質量問題分析系統架構如圖3所示。

質量數據資源以數據表形式存儲在關系型數據庫中,通過多維數據集模式Schema文件將事實表和維度表映射成為OLAP服務器可識別的質量問題多維數據集,OLAP服務器通過多維表達式MDX來操作數據倉庫中多維數據集,將符合條件的數據立方返回到Web服務器端,在瀏覽器中以圖表的形式展現給用戶,系統支持將多維查詢結果導出為ARFF格式文件。

2．系統功能設計

基于商務智能的質量問題分析系統功能結構如圖4所示。系統實現對面向主題的多維數據集進行切片、切塊、上卷、下鉆和旋轉等多維交互式查詢操作,同時可根據多維數據集度量指標做數據鉆取,查詢結果以報表和圖表的形式展現給用戶。

其中,多維數據集模式文件中定義了組成多維數據集的事實度量指標和各維度及維度中層次。

3．關聯分析數據文件

ARFF文件由頭信息和數據信息2個部分構成。其中,頭信息包括對關系和屬性的聲明,數據信息是一個二維表,行為實例列為屬性。

多維數據集中的數據由指標信息和維度信息組成。一個維度對應ARFF文件中一個屬性,維度信息的取值集合就是屬性的取值集合。一條數據中的維度信息對應ARFF文件中一條記錄。

圖3 系統架構

圖4 系統功能結構

四、系統應用

基于數據倉庫的質量問題分析系統已在某航天型號研制體系中進行了初步應用。該系統實現了從下級參研廠所運行的質量管理信息系統中抽取質量問題數據,并經過對數據的轉換、清洗和加載建立了運行于院級的面向質量問題主題的數據倉庫。院級的質量管理人員借助該系統可以實現對質量問題信息的多維度分析、查詢以及質量問題間關聯關系的挖掘,為型號研制過程質量問題分析與型號研制質量改進提供了決策依據和工具支持。

筆者將商務智能技術運用于型號研制過程質量問題數據的整合與綜合分析中,構建了基于商務智能的支持院所兩級的型號研制過程質量問題數據管理模型,提出了面向質量問題主題的數據倉庫構建的方法,開發了基于商務智能的質量問題分析系統,實現了質量問題多維度查詢、統計分析、質量問題間關聯關系的挖掘等,有效提升了企業的質量數據資源整合管理與綜合分析利用能力,為航天型號研制過程中的質量問題改進提供了可靠的數據支持。

論文支持項目：基金項目——國防技術基礎研究資助項目（JSZL2014204A002）