张聪， 钱松荣

(复旦大学 信息科学与工程学院，上海 200433)

基于数据仓库的企业智能决策研究

张聪， 钱松荣

(复旦大学 信息科学与工程学院，上海 200433)

随着“工业4.0”和“中国制造2025”的提出，越来越多的传统大型制造企业逐步认识到智能化、信息化的重要性，只有通过科学化的管理才能提升企业整体经济效益，适应日趋复杂的竞争市场。为解决现有传统制造业管理落后，信息化程度不高，信息不对称的问题，提出了一套基于数据仓库的智能决策方案，通过RFID(无线射频识别)系统完成对产品数据信息的采集，在此基础上建立数据仓库和决策模型，通过人机交互界面和联机分析处理技术为企业决策提供有力支持。

数据仓库； 信息化； 智能决策； 人机交互

0 引言

随着劳动力成本的不断上升和国内外行业竞争的日趋激烈，传统大型制造企业正面临严峻的内外挑战；而绝大多数企业仍采用传统的人工管理模式，无法实时跟踪生产环节中的统计数据和施工进度，容易造成过量制造、库存浪费和生产调度不及时等问题，难以对资源进行有效配置，制约了企业进一步的发展。

近年来，信息化技术越来越多地应用到了企业管理当中，以RFID(Radio Frequency Identification，射频识别)为代表的物联网技术和数据挖掘(Data Mining)技术正改变传统制造业的生产方式。RFID技术是一种非接触的自动识别技术，通过无线射频信号自动识别目标对象，读写相关数据，可工作于各种恶劣环境，被广泛应用于物流运输、工业信息采集等领域；数据挖掘技术是数据库知识发现(Knowledge-Discovery in Databases，KDD)的组成部分，用于从大量的数据中探索有效信息，其中的数据仓库(Data Warehouse，DW)技术可以建立多维数据结构模型，为企业制定决策提供数据支持的战略集合[1]。通过在产品上加装RFID电子标签，RFID信息管理系统可以自动识别和采集生产流水线上的各项生产参数，这些实时精确的统计数据为企业通过信息化平台进行最优资源配置提供了可能。本文研究便是在此基础上，建立企业级数据仓库和决策模型，对管理部门在企业仓储、物资供应、生产调度等经营活动上提供决策支持。

1 整体架构

整个智能决策方案由RFID采集平台，数据仓库和决策模型，人机交互界面四部分组成，其方案设计图，如图1所示。

RFID采集平台是决策系统的数据信息来源，主要由RFID电子标签，RFID读卡器，应用服务系统3部分组成，通过将RFID电子标签加装到产品上，在施工流水线的各生产环节实时记录各项生产信息，通过应用服务系统录入，构成企业基础数据库。

数据仓库是从一个或多个数据源收集的信息存储库，企业基础数据库(包括关系数据库，数据文件，外部数据源)中的数据经过数据清理、集成、变换等处理，删除噪声和不一致数据，将与主题分析相关的数据整合起来变换成统一形式装入数据仓库，同时随着时间的变化进行动态刷新。

图1 方案整体架构图

决策模型通过对数据的处理和分析，进一步针对企业的物资采购等经营活动建立运筹学分析模型，使得系统能有效跟踪生产线实时状况，优化企业内部资源，对企业的下一步决策进行规划支持。

人机交互界面是系统的展示部分，用于提供用户数据仓库的有效信息，如查询报告，报表汇总，工期预警等，同时系统可以根据决策模型的预测分析结果，向用户提供决策支持和分析，方便企业的内部管理。

2 数据仓库设计

数据仓库是面向主题、集成、时变、非易失的数据集合，数据仓库中的数据包含基本数据、历史数据、综合数据等，这些数据不是大量数据库的简单堆积，而是通过决策主题重新组织安排的，便于用户通过联机分析处理(OLAP)等工具进行各种粒度的交互分析，从而为辅助决策等提供支持[2-3]。

数据仓库的设计主要在于从数据源中抽象出符合企业生产决策(主题)的数据结构，然后依照统一的规范组织建立起来，在这里我们选取混凝土管桩制造企业作为企业主体，并在其经营活动基础上进行表设计，数据仓库采用Microsoft SQL Server 2008 R2和SQL Server Business Development Tool进行建立[4]。

2.1 确定主题

考虑到企业的实际需求，参与决策分析的因素主要包括物资管理、生产管理和资源配置三部分，其相关数据关系简化模型，如图2所示。

图2 相关数据关系模型图

由图2可知主题涉及到的数据表包括供应商表、物资表、生产车间表、职工表、产品生产表等，涉及到的相关经营活动主要包括物资进货、物资供货、职工车间操作、产品生产等。

2.2 维度确定

维度决定数据仓库的观察角度，在企业生产过程中关心的主要是内部资源随时间变化的实际使用情况，在这里我们将企业数据仓库分为以下3个维表：时间维表、生产维表和物资维表。

时间维表表征企业内部经营状况的时间特征，从大到小的维度可视为年、季度、月、日，通过后期OLAP联机分析处理技术的上卷(roll-up)和下钻(drill-down)操作，可以分别获取其他维度在时间上的统计信息和详细信息，便于可视化管理决策。

生产维表表征企业内部生产特征，考虑到企业日常的组织结构，生产维度涉及到的信息主要有产品信息、职工人员信息、车间信息等，生产维度表需要能支持时间维度的查询，完成特定的查询，如车间每天生产某型号的统计数量，相关操作人员某季度的产品生产数量等。

物资维表表征企业内部的物资管理特征，企业的物资状况由从供应商处的进货状况和内部供车间生产的物资调度决定，通过物资维度表，管理人员可以实时确定企业各类物资消耗状况，并通过库存费用和进货费用等信息进行相关决策。

2.3 数据仓库的模型结构

为适用联机分析处理的多维度查询，我们采用雪花模式(Snowflake Schema)设计数据仓库。雪花模式是多维数据模型的一种，由事实表(Fact Table)和一组附属的维度表(Dimension Table)组成。事实表是数据仓库架构的中心，用于描述特定业务内的事件数据；维表用于描述事实数据表中的维度数据，同事实表合起来完成联机查询[5]。在SQL Server Business Development Tool内完成数据仓库的主要设计架构，如图3所示。

图3 数据仓库的雪花模式

其中tb_Fact为事实表，包括数据库其他维度表的索引信息，如时间维主键Time_ID，管桩产品主键GZGID，部门主键BranchID等，其余表分别表征其他维度信息，如生产记录表tb_SCDRecord，生产日报表tb_SCDay，生产月报表tb_SCMon等，可以描述生产维度信息；tb_Fetch为物料领用单信息表，可以结合对应的生产物料使用状况，描述物资维度信息。

2.4 数据的预处理和装载

由于数据仓库具有一致性，从外部数据库导入的数据必须经过处理后才能装载；这里通过RFID信息采集平台的建立，可以直接采集产品的实时生产数据，去除了文本、Excel、手工文件形式的数据源，有效解决了数据字段类型、长度不一致，数据完整性等问题，大部分数据仅需在企业数据库的基础上按日期等条件归类稍作处理，直接使用SQL语句将所需数据表中字段插入即可；对少量边缘数据，采用平均值处理和手工录入的方式来完善。

3 决策模型设计

数据仓库的设计初衷是为了应对复杂的内外部环境，对企业的智能决策提供数据支持。单纯的联机分析处理技术虽然可以完成上卷、下钻，切片、切块等操作，从不同层次维度获取可视化的数据信息，但仍需要外部模型工具来综合分析内部资源状况，为决策者提供数据支持；相对于传统的人工管理分析，通过数据信息的支持和建模，决策者可以依据最优化解的形式抽象解决企业生产问题，为企业降低成本费用，提高经营利润。

这里仅以物资管理为例说明决策支持模型的作用，传统的制造企业由于无法有效跟踪统计数据，在生产线上往往会出现库存浪费、频繁进货或物资短缺等问题，造成内部人力物力资源的极大浪费；本文方案采用报童模型来予以解决：报童模型假设报童每次以价格q购进报纸，并且以固定价格k+q在白天卖掉(k>0)，如果有剩余报纸白天未卖完，只能在晚上以低于成本价的价格q-i卖掉(i>0)，若报纸缺货则需要支付高于成本价的惩罚价q+p(p>0)来购进；报童的收益可以抽象成企业的经营目标，q是物资的进货价格，k可视为卖出产品所得的利润，i视为多余物资在仓库储存时的管理费，p视为如果物资供应未到达生产要求时临时进货所增加的多余费用；假设某日物资进货量为l，需求量为x。

当x

(1)

当x≥l，即需求量大于订货量时，可得收益为式(2)。

(2)

设企业每天的物资需求量分布概率密度函数为f(x)，概率分布函数为F(x)，可得预期收益为式(3)。

(3)

(4)

设企业共生产n种产品，某日生产产品数量记为矩阵p=[p1,p2,p3，…，pn]，其中pi为第i种产品当天的生产量；企业产品所需物资共m种，某种产品对物资的消耗记为物资矩阵B=[b11,b12,b13,…，b1m，b21,b22,b23,…b2m，…，bn1,bn2bn3,…,bnm]，其中bij表示第i种产品对第j种物资的消耗；可知该天企业的物资消耗为U=pB=[u1,u2,u3，…，um]，其中ui表示企业当天对第i种物资的总消耗。通过在数据仓库上进行联机分析查询，可得在历史时间内工厂的每日产品生产量数据，进而得到各项物资消耗数据，采用近似正态分布拟合可得工厂物资消耗的概率密度函数，如式(5)。

(5)

4 人机交互界面

人机交互界面用于以可视化视图的形式为用户提供需要的信息，在这里我们采用C#语言在Visual Studio 2013中编写联机分析查询等模块。如图4所示。图4为企业生产状况窗体，该模块可以动态显示当前企业内部的实际生产状况和各工序完成情况，包括生产计划、指令信息、生产班组、车间信息、生产完成状况等，便于消除企业内部的信息不对称问题，为管理者提供真实可靠的统计信息；此外，单击下方各工序按钮可以实现在生产维度上的下钻操作，查询产品在不同工序更为详细的生产数据。

图4 实际生产状况模块

对于已经生产出的管桩成品，也可以通过日期、生产批次、工程等条件进行联机分析查询，管桩条件查询窗体，如图5所示。通过查询可获取对应工程和生产批次的汇总信息，双击每条记录可以进一步在数据立方体上切片，获取详细的特定型号和单根管桩的生产信息；便于企业从不同维度了解生产运营和工程完成状况，制定下一步发展战略。

4 总结

为解决传统大型制造企业管理落后的问题，本文提出了一套基于数据仓库的智能决策方案，在RFID信息采集平台的基础上，建立企业级数据仓库和运筹学模型，用于企业内部资源优化配置和决策支持；设计了人机交互界面，为用户提供多维度可视化信息，对管理决策提供不同层次的生产数据支持。总的来说，本文方案对数据仓库和智能决策在传统行业的应用进行了初步尝试，对企业在市场化环境下实现信息化、提高自身管理水平，有一定的借鉴意义和实用价值。

图5 管桩条件查询模块

[1] 刘强.数据仓库及数据挖掘技术的应用[J].电子技术与软件工程，2016(1):192.

[2] 郑建智，段占祺，应桂英.数据仓库和OLAP技术在卫生统计决策支持系统中的应用[J].中国卫生信息管理杂志，2012(9-3)：47-51.

[3] 卢奕.高校信息化建设中管理信息系统的构建[J].科技通报，2015(1):245-248.

[4] 杨从亚.基于SQL Server的物流企业数据仓库设计和应用[J].价值工程，2008(8)：101-104.

[5] Akhmad Dahlan, Ferry Wahyu Wibowo. Design of Library Data Warehouse Using Snow Flake Scheme Method: Case Study: Library Database of Campus XYZ[C]. 2016 7th International Conference on Intelligent Systems, Modelling and Simulation (ISMS), 2016: 318-322, DOI: 10.1109/ISMS.2016.71.

Research of Enterprise Intelligent Decision-making Based on Data Warehouse

Zhang Cong，Qian Songrong

(College of Information Science & Technology, Fudan University,Shanghai 200433, China)

With the concepts of “4.0 Industry” and “Made in China 2025” putting forward, more and more large traditional manufacturing enterprises gradually realize the importance of intelligent informatization. Only by scientific management an enterprise can improve its overall economic efficiency so as to adapt the increasingly complex competition in the market. In order to solve the existing problems of out-dated management styles, low informatization level and asymmetric information, a scheme of intelligent decision-making based on data warehouse is designed. Product information which is collected on the basis of the RFID (radio frequency identification) system, can be used to build data warehouse and decision model, then through human-computer interaction interface and on-line analytical processing technology, strong support can be provided for enterprise decision-making.

Data warehouse; Informatization; Intelligent decision; Man-machine interaction

张 聪(1992-)，男，上海，硕士，研究方向：网络与数据通信。 钱松荣(1960-)，男，上海，教授，研究方向：网络与数据通信、物联网核心技术。

1007-757X(2017)05-0045-04

TP311

A

2016.12.30)