基于數據倉庫的企業智能決策研究

張聰， 錢松榮

(復旦大學 信息科學與工程學院，上海 200433)

基于數據倉庫的企業智能決策研究

張聰， 錢松榮

(復旦大學 信息科學與工程學院，上海 200433)

隨著“工業4.0”和“中國制造2025”的提出，越來越多的傳統大型制造企業逐步認識到智能化、信息化的重要性，只有通過科學化的管理才能提升企業整體經濟效益，適應日趨復雜的競爭市場。為解決現有傳統制造業管理落后，信息化程度不高，信息不對稱的問題，提出了一套基于數據倉庫的智能決策方案，通過RFID(無線射頻識別)系統完成對產品數據信息的采集，在此基礎上建立數據倉庫和決策模型，通過人機交互界面和聯機分析處理技術為企業決策提供有力支持。

數據倉庫； 信息化； 智能決策； 人機交互

0 引言

隨著勞動力成本的不斷上升和國內外行業競爭的日趨激烈，傳統大型制造企業正面臨嚴峻的內外挑戰；而絕大多數企業仍采用傳統的人工管理模式，無法實時跟蹤生產環節中的統計數據和施工進度，容易造成過量制造、庫存浪費和生產調度不及時等問題，難以對資源進行有效配置，制約了企業進一步的發展。

近年來，信息化技術越來越多地應用到了企業管理當中，以RFID(Radio Frequency Identification，射頻識別)為代表的物聯網技術和數據挖掘(Data Mining)技術正改變傳統制造業的生產方式。RFID技術是一種非接觸的自動識別技術，通過無線射頻信號自動識別目標對象，讀寫相關數據，可工作于各種惡劣環境，被廣泛應用于物流運輸、工業信息采集等領域；數據挖掘技術是數據庫知識發現(Knowledge-Discovery in Databases，KDD)的組成部分，用于從大量的數據中探索有效信息，其中的數據倉庫(Data Warehouse，DW)技術可以建立多維數據結構模型，為企業制定決策提供數據支持的戰略集合[1]。通過在產品上加裝RFID電子標簽，RFID信息管理系統可以自動識別和采集生產流水線上的各項生產參數，這些實時精確的統計數據為企業通過信息化平臺進行最優資源配置提供了可能。本文研究便是在此基礎上，建立企業級數據倉庫和決策模型，對管理部門在企業倉儲、物資供應、生產調度等經營活動上提供決策支持。

1 整體架構

整個智能決策方案由RFID采集平臺，數據倉庫和決策模型，人機交互界面四部分組成，其方案設計圖，如圖1所示。

RFID采集平臺是決策系統的數據信息來源，主要由RFID電子標簽，RFID讀卡器，應用服務系統3部分組成，通過將RFID電子標簽加裝到產品上，在施工流水線的各生產環節實時記錄各項生產信息，通過應用服務系統錄入，構成企業基礎數據庫。

數據倉庫是從一個或多個數據源收集的信息存儲庫，企業基礎數據庫(包括關系數據庫，數據文件，外部數據源)中的數據經過數據清理、集成、變換等處理，刪除噪聲和不一致數據，將與主題分析相關的數據整合起來變換成統一形式裝入數據倉庫，同時隨著時間的變化進行動態刷新。

圖1 方案整體架構圖

決策模型通過對數據的處理和分析，進一步針對企業的物資采購等經營活動建立運籌學分析模型，使得系統能有效跟蹤生產線實時狀況，優化企業內部資源，對企業的下一步決策進行規劃支持。

人機交互界面是系統的展示部分，用于提供用戶數據倉庫的有效信息，如查詢報告，報表匯總，工期預警等，同時系統可以根據決策模型的預測分析結果，向用戶提供決策支持和分析，方便企業的內部管理。

2 數據倉庫設計

數據倉庫是面向主題、集成、時變、非易失的數據集合，數據倉庫中的數據包含基本數據、歷史數據、綜合數據等，這些數據不是大量數據庫的簡單堆積，而是通過決策主題重新組織安排的，便于用戶通過聯機分析處理(OLAP)等工具進行各種粒度的交互分析，從而為輔助決策等提供支持[2-3]。

數據倉庫的設計主要在于從數據源中抽象出符合企業生產決策(主題)的數據結構，然后依照統一的規范組織建立起來，在這里我們選取混凝土管樁制造企業作為企業主體，并在其經營活動基礎上進行表設計，數據倉庫采用Microsoft SQL Server 2008 R2和SQL Server Business Development Tool進行建立[4]。

2.1 確定主題

考慮到企業的實際需求，參與決策分析的因素主要包括物資管理、生產管理和資源配置三部分，其相關數據關系簡化模型，如圖2所示。

圖2 相關數據關系模型圖

由圖2可知主題涉及到的數據表包括供應商表、物資表、生產車間表、職工表、產品生產表等，涉及到的相關經營活動主要包括物資進貨、物資供貨、職工車間操作、產品生產等。

2.2 維度確定

維度決定數據倉庫的觀察角度，在企業生產過程中關心的主要是內部資源隨時間變化的實際使用情況，在這里我們將企業數據倉庫分為以下3個維表：時間維表、生產維表和物資維表。

時間維表表征企業內部經營狀況的時間特征，從大到小的維度可視為年、季度、月、日，通過后期OLAP聯機分析處理技術的上卷(roll-up)和下鉆(drill-down)操作，可以分別獲取其他維度在時間上的統計信息和詳細信息，便于可視化管理決策。

生產維表表征企業內部生產特征，考慮到企業日常的組織結構，生產維度涉及到的信息主要有產品信息、職工人員信息、車間信息等，生產維度表需要能支持時間維度的查詢，完成特定的查詢，如車間每天生產某型號的統計數量，相關操作人員某季度的產品生產數量等。

物資維表表征企業內部的物資管理特征，企業的物資狀況由從供應商處的進貨狀況和內部供車間生產的物資調度決定，通過物資維度表，管理人員可以實時確定企業各類物資消耗狀況，并通過庫存費用和進貨費用等信息進行相關決策。

2.3 數據倉庫的模型結構

為適用聯機分析處理的多維度查詢，我們采用雪花模式(Snowflake Schema)設計數據倉庫。雪花模式是多維數據模型的一種，由事實表(Fact Table)和一組附屬的維度表(Dimension Table)組成。事實表是數據倉庫架構的中心，用于描述特定業務內的事件數據；維表用于描述事實數據表中的維度數據，同事實表合起來完成聯機查詢[5]。在SQL Server Business Development Tool內完成數據倉庫的主要設計架構，如圖3所示。

圖3 數據倉庫的雪花模式

其中tb_Fact為事實表，包括數據庫其他維度表的索引信息，如時間維主鍵Time_ID，管樁產品主鍵GZGID，部門主鍵BranchID等，其余表分別表征其他維度信息，如生產記錄表tb_SCDRecord，生產日報表tb_SCDay，生產月報表tb_SCMon等，可以描述生產維度信息；tb_Fetch為物料領用單信息表，可以結合對應的生產物料使用狀況，描述物資維度信息。

2.4 數據的預處理和裝載

由于數據倉庫具有一致性，從外部數據庫導入的數據必須經過處理后才能裝載；這里通過RFID信息采集平臺的建立，可以直接采集產品的實時生產數據，去除了文本、Excel、手工文件形式的數據源，有效解決了數據字段類型、長度不一致，數據完整性等問題，大部分數據僅需在企業數據庫的基礎上按日期等條件歸類稍作處理，直接使用SQL語句將所需數據表中字段插入即可；對少量邊緣數據，采用平均值處理和手工錄入的方式來完善。

3 決策模型設計

數據倉庫的設計初衷是為了應對復雜的內外部環境，對企業的智能決策提供數據支持。單純的聯機分析處理技術雖然可以完成上卷、下鉆，切片、切塊等操作，從不同層次維度獲取可視化的數據信息，但仍需要外部模型工具來綜合分析內部資源狀況，為決策者提供數據支持；相對于傳統的人工管理分析，通過數據信息的支持和建模，決策者可以依據最優化解的形式抽象解決企業生產問題，為企業降低成本費用，提高經營利潤。

這里僅以物資管理為例說明決策支持模型的作用，傳統的制造企業由于無法有效跟蹤統計數據，在生產線上往往會出現庫存浪費、頻繁進貨或物資短缺等問題，造成內部人力物力資源的極大浪費；本文方案采用報童模型來予以解決：報童模型假設報童每次以價格q購進報紙，并且以固定價格k+q在白天賣掉(k>0)，如果有剩余報紙白天未賣完，只能在晚上以低于成本價的價格q-i賣掉(i>0)，若報紙缺貨則需要支付高于成本價的懲罰價q+p(p>0)來購進；報童的收益可以抽象成企業的經營目標，q是物資的進貨價格，k可視為賣出產品所得的利潤，i視為多余物資在倉庫儲存時的管理費，p視為如果物資供應未到達生產要求時臨時進貨所增加的多余費用；假設某日物資進貨量為l，需求量為x。

當x

(1)

當x≥l，即需求量大于訂貨量時，可得收益為式(2)。

(2)

設企業每天的物資需求量分布概率密度函數為f(x)，概率分布函數為F(x)，可得預期收益為式(3)。

(3)

(4)

設企業共生產n種產品，某日生產產品數量記為矩陣p=[p1,p2,p3，…，pn]，其中pi為第i種產品當天的生產量；企業產品所需物資共m種，某種產品對物資的消耗記為物資矩陣B=[b11,b12,b13,…，b1m，b21,b22,b23,…b2m，…，bn1,bn2bn3,…,bnm]，其中bij表示第i種產品對第j種物資的消耗；可知該天企業的物資消耗為U=pB=[u1,u2,u3，…，um]，其中ui表示企業當天對第i種物資的總消耗。通過在數據倉庫上進行聯機分析查詢，可得在歷史時間內工廠的每日產品生產量數據，進而得到各項物資消耗數據，采用近似正態分布擬合可得工廠物資消耗的概率密度函數，如式(5)。

(5)

4 人機交互界面

人機交互界面用于以可視化視圖的形式為用戶提供需要的信息，在這里我們采用C#語言在Visual Studio 2013中編寫聯機分析查詢等模塊。如圖4所示。圖4為企業生產狀況窗體，該模塊可以動態顯示當前企業內部的實際生產狀況和各工序完成情況，包括生產計劃、指令信息、生產班組、車間信息、生產完成狀況等，便于消除企業內部的信息不對稱問題，為管理者提供真實可靠的統計信息；此外，單擊下方各工序按鈕可以實現在生產維度上的下鉆操作，查詢產品在不同工序更為詳細的生產數據。

圖4 實際生產狀況模塊

對于已經生產出的管樁成品，也可以通過日期、生產批次、工程等條件進行聯機分析查詢，管樁條件查詢窗體，如圖5所示。通過查詢可獲取對應工程和生產批次的匯總信息，雙擊每條記錄可以進一步在數據立方體上切片，獲取詳細的特定型號和單根管樁的生產信息；便于企業從不同維度了解生產運營和工程完成狀況，制定下一步發展戰略。

4 總結

為解決傳統大型制造企業管理落后的問題，本文提出了一套基于數據倉庫的智能決策方案，在RFID信息采集平臺的基礎上，建立企業級數據倉庫和運籌學模型，用于企業內部資源優化配置和決策支持；設計了人機交互界面，為用戶提供多維度可視化信息，對管理決策提供不同層次的生產數據支持?？偟膩碚f，本文方案對數據倉庫和智能決策在傳統行業的應用進行了初步嘗試，對企業在市場化環境下實現信息化、提高自身管理水平，有一定的借鑒意義和實用價值。

圖5 管樁條件查詢模塊

[1] 劉強.數據倉庫及數據挖掘技術的應用[J].電子技術與軟件工程，2016(1):192.

[2] 鄭建智，段占祺，應桂英.數據倉庫和OLAP技術在衛生統計決策支持系統中的應用[J].中國衛生信息管理雜志，2012(9-3)：47-51.

[3] 盧奕.高校信息化建設中管理信息系統的構建[J].科技通報，2015(1):245-248.

[4] 楊從亞.基于SQL Server的物流企業數據倉庫設計和應用[J].價值工程，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

張 聰(1992-)，男，上海，碩士，研究方向：網絡與數據通信。 錢松榮(1960-)，男，上海，教授，研究方向：網絡與數據通信、物聯網核心技術。

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

TP311

A

2016.12.30)