生產制造企業大數據分析平臺技術

孫也

（天津城市建設管理職業技術學院 天津市 300134）

在計算機網絡技術、人工智能技術等技術的不斷發展下，一個企業要想在激烈的市場競爭中立于不敗之地，必須要加大對信息建設投入力度，企業內部各種信息化系統不斷涌現，因此，企業形成了大量的數據，而大數據分析平臺的出現和應用可以快速分析和挖掘出有價值的信息數據，為進一步提高企業信息數據處理能力打下堅實的基礎。因此，如何科學地設計和實現大數據分析平臺是生產制造企業必須思考和解決的問題。

1 大數據分析平臺框架設計

為了幫助生產制造企業更好地制定數據處理方案，確保數據分析處理工作能夠落實到位，現設計一款功能完善、適用性強大的大數據分析平臺。該平臺不僅可以實現對海量數據的收集、分析、挖掘、整理、顯示，還能將數據分析結果顯示與數據處理結果顯示進行充分結合，為用戶帶來良好的使用體驗。大數據分析平臺框架設計示意圖如圖1所示。

從圖1 中可以看出，大數據分析平臺主要包含以下兩種數據庫：

圖1：大數據分析平臺架構圖

（1）企業數據庫。對于生產制造企業而言，在信息化建設水平的不斷提高下，大量的過程控制系統、信息化考核系統、企業資源管理系統等各種系統被廣泛地應用于生產制造企業中，而大數據分析平臺要想保證功能實現效果，必須要與以上系統數據庫之間建立有效的連接[1]，只有這樣，才能實現對數據集的全面獲取，系統數據庫在具體的運用中，存儲了大量生產制造企業在日常管理和經營中所產生的數據。數據庫系統不同，所對應的系統開發商業存在一定的差異，盡管這些系統數據庫在系統結構設計和功能實現方面存在一定的不同，但是，這些系統數據庫在具體的開發中，主要使用了MySQL、oracle 等傳統關系型數據庫。所以，對這些關系型數據庫進行直接訪問，可以保證數據獲取的高效性和針對性。另外，通過對關系型數據庫進行直接訪問，可以保證數據收集的全面性和完整性[2]，為有效地滿足數據分析處理需求打下堅實的基礎。

（2）分析數據庫。分析數據庫除了可以用于對平臺配置信息、運行狀態信息等元信息的存儲外，還用于對生產制造企業數據分析結果和數據處理結果的存儲。

另外，大數據分析平臺還包含平臺管理模塊、業務分析模塊兩大模塊，其中，平臺管理模塊主要用于對數據集群的自動化管控，為簡化平臺的維護流程發揮出重要作用。業務分析模塊作為大數據分析平臺的重要功能模塊，主要包含生產制造企業數據處理流程與數據分析流程[3]，該模塊主要借助了數據集群環境，同時，針對生產制造企業的業務處理需求，利用分析數據庫存儲和管理數據分析結果和數據處理結果。

2 大數據分析平臺功能模塊設計

2.1 數據的獲取和存儲模塊設計

數據的獲取和存儲模塊主要用于對數據的獲取和存儲，該模塊在具體的設計和實現中，首先，要根據最終的數據分析結果，在原有數據庫的基礎上，構建相應的視圖，同時，還要借助零件供應商代碼，確定相應的工具編號，并保證編號的唯一性，實現對零件代碼的精確編寫，然后，將在指定的產品上安裝相應的零件，并對零件的參數值進行設定。此外，還要利用Spark 計算框架，采用并行模式，向關系型數據庫中批量導入相應的集群數據，同時，為了保證大數據分析結果的精確性和可靠性，還要從產品質量評價、零件質量檢驗、設備運行狀態監控等環節出發，完成對數據信息模型的構建，在此基礎上，采用跨數據庫檢索的方式，完成對相應的數據集的構建和利用，只有這樣，才能保證數據獲取的全面性和針對性，為實現對數據的安全化傳輸、存儲和管理產生積極的影響。另外，生產制造企業通過利用該模塊，可以根據零件代碼，確定出合適的零件規格，并將零件相關信息導入到相應的關系型數據庫中，便于其他人員的查看和調用。

2.2 大數據分析模塊設計

2.2.1 功能介紹

大數據分析模塊主要是指通過分析和產品數據，為生產制造企業構建相應的產品模型，生產制造企業通過借助這一產品模型，可以全面了解和把控產品質量狀態，為降低產品質量風險打下堅實的基礎。此外，生產制造企業好可以借助該模塊[4]，對產品過程數據、供應鏈數據等數據進行深入地分析和挖掘，從而進一步提高數據分析結果的精確性和真實性，實現篩選出最優的供應商創造良好的條件。

2.2.2 分析流程

大數據分析模塊在具體的設計中，主要借助了如圖2所示的數據分析流程，從圖2 中可以看出，首先，技術人員要對樣本數據進行預處理，并刪除離群數據、冗余數據和異常數據等，在此基礎上，采用數據變換的方式，不斷優化數據特征提取流程[5]。

圖2：數據分析流程

其次，要實時提取數據特征，完成對相應數據模型的構建，在構建數據模型期間，要采用數據特征計算的方式，構建出相應的數據模型。最后，還要從模型測試、結果評價兩個方面入手，采用評估評價的方式，對模型的可靠性進行驗證。

2.2.3 功能實現

大數據分析模塊在具體的設計和實現中，要借助Spark 平臺，完成對相應產品評價模型框架的設計，同時，還要利用關系型數據庫，在嚴格按遵守平臺分析數據處理相關標準和要求的基礎上，根據用戶發出的http 請求，獲取和匯總數據處理結果[6]，然后，將數據清洗、數據特征提取、數據分析、數據挖掘等環節出發，完成對數據處理流程的優化和完善，以保證產品評價的效率和效果。

2.3 平臺可視化模塊設計與實現

2.3.1 基于SpringMVC 架構設計

SpringMVC 架構主要是指通過將Spring 框架和MVC 模式進行充分結合后所形成的一種系統設計框架，該框架主要用于對前端控制器的設計和管理。可視化模塊處理流程如圖3所示，從圖3 中可以看出，當瀏覽器發送相應的HTTP 請求時，該框架可以對其進行全方位監聽，并根據最終的監聽結果，為系統分配相應的控制器，以達到提高數據分析結果和處理結果精確性和可靠性的目的，此時，前端控制器，根據所接受到的HTTP 請求，對前端頁面相關參數信息進行初步獲取和處理。

圖3：可視化模塊處理流程

此外，還要采用參數信息調用的方式[7]，實現對相應業務模型的調用和構建，在此基礎上，Web 處理器與系統內部數據庫之間建立起有效的連接，以達到快速交互信息數據的目的，同時，還要將數據處理結果傳輸到相應的控制器中，便于前端控制器借助視圖板引擎功能，對數據最終處理結果進行視圖渲染，以滿足用戶信息交互的需求。

2.3.2 數據分析報告生成模塊

為了實時保存和管理數據分析結果，提高數據利用率，技術人員要重視對數據分析報告生成模塊的設計和實現。通過利用該模塊，可以將每次保存下來的數據分析結果生成相應的數據分析報告。數據分析報告生成模塊主要具有以下三種核心功能：

（1）對產品信息進行全方位展示，并采用折線圖、柱狀圖以及餅圖的方式，將產品數據生動、直觀地呈現在用戶面前。

（2）采用二次分析的方式，對數據分析結果進行深入分析和挖掘，從而挖掘出更多有價值的信息。

（3）通過利用平臺相關評價模型，對最終的數據分析結果進行多角度、全方位地分析和評價，確保數據分析結果的可靠性和真實性。

3 結束語

綜上所述，在大數據技術的應用背景下，大數據分析平臺在設計和實現方面取得了很大的突破和創新，該平臺不僅功能強大，通用性強，具有良好的用戶體驗，還在生產制造領域中取得了顯著的應用效果，因此，深受廣大用戶的青睞和喜愛。為了方便后期平臺的維護和升級，需要相關軟件開發人員再接再厲，用更加優雅的代碼擴充更多適用的功能，從而為促進大數據分析平臺健康、可持續發展，提高其應用價值和應用前景提供有力的保障。