軍工企業數據中臺架構研究

李源 秦坤 曹云

摘要：軍工企業及其科研院所現有的信息化系統存在數據孤立不能溝通共享的問題，為了提升企業信息化水平、挖掘數據價值，同時應對科研生產業務需求復雜多變從而造成信息化能力提升困難的現狀，可通過數據中臺的建設來沉淀數據復用能力，形成數據從匯聚、開發、管理到數據服務的中間層能力平臺。該文介紹了數據中臺建設路線及關鍵技術，實現了數據中臺架構設計，總結了數據中臺的應用實踐。

關鍵詞：數據中臺;數據管理;數據服務

中圖分類號：TP311? ? ? ? 文獻標識碼：A

文章編號：1009-3044（2021）08-0025-02

軍工企業及其科研院所的信息化建設經過多年的發展，已經建立起了較為完善的信息化結構體系，在科研、生產、管理等方面均已部署了相應的信息化軟件及信息化系統，為加速國防工業現代化、實現數字軍工奠定了堅實的基礎。軍工企業的信息化建設正處在由普及階段向控制階段過渡，大部分的業務都已經開始使用信息系統進行管理，并進行了小范圍的內部集成，初步完成了部門內的局部信息化，但由于沒有進行整體的規劃，系統多為各業務部門主導建設實施，因而形成了“信息孤島”，不能做到數據信息共享。面對軍工企業信息化數據管理中存在的問題，這就需要構建數據中臺實現數據匯聚整合、數據資產化、服務可視化及數據價值變現。數據中臺通過數據建模實現跨業務域的數據整合和數據能力沉淀，通過統一數據服務實現對數據的封裝和開放共享，通過數據開發工具滿足個性化數據和應用的需求，實現數據應用的服務化，從而改善管理模式、提高科研生產能力。

1 軍工企業數據管理現狀

數據是信息系統的核心，而軍工企業數據管理的主要問題在于獲取困難、匹配困難和準確度低，并且對于已有的數據，由于建設初期未對其進行統一規劃，同時企業信息化標準工作未落實，因而沒有系統的數據編碼體系。對已有系統中的業務功能、流程設計和業務數據復用程度低，同一數據分布于多個系統中造成數據不一致及冗余，導致系統建設周期長、開發成本高，不能支撐新需求及時滿足和業務功能迅速構建的信息化系統開發趨勢。對于積累的科研生產數據不能進行有效的利用，降低了從數據中獲取信息的能力，不能為企業決策提供數據支持。面對國家信息化發展戰略綱要的提出，要求加強推進信息化和工業化的深度融合，加快實施“中國制造2025”，全面提升企業研發、生產、管理和服務的智能化水平，軍工企業信息化建設需要從數據管理入手，實現數據規范、數據分享、流程優化、效益分析、數據挖掘等信息化服務，使數據管理全面覆蓋產品科研、生產的生命周期，同時能夠協同供應鏈的市場、計劃、采購、物流、生產、銷售、售后等各個環節，同時為企業財務、人力、能源、質量管控、經營管理提供有效的數據分析服務。

2 數據中臺技術

2.1 數據中臺

數據中臺是一套使企業數據可持續使用的機制，依據企業特有的業務模式和組織架構，通過有形的數學模型和實施方法，構建一套持續不斷把數據變成資產并服務于業務的機制。數據中臺是數據應用的基礎設施，能夠讓數據更加靈活的支撐業務，通過數據中臺的建設沉淀數據復用能力，形成數據從匯聚、開發、管理到數據服務的中間層能力平臺，是一種戰略選擇和組織形式。

2.2 數據處理

數據的采集及匯聚是指對數據的來源及數據結構進行整理。依據數據結構，分為Excel及數據庫中的結構化數據，json和xml等半結構化數據，圖像、音頻視頻和文件等非結構化數據。依據時效性，包含變更較少的基礎數據信息，例如生產物料編碼、產品設計文檔、人員組織架構等離線數據，以及變更較為頻繁、低延時的業務數據信息，例如生產制造執行信息、生產物資庫存信息等實時數據。

數據的交換與共享是指對不同來源的數據進行數據治理，實現數據的接入與轉換、多樣數據源的合并，并且為用戶提供能夠準確定位的具有一致性編碼的數據。從數據源同步數據前，對數據進行規則校驗，借助ETL工具將非標數據轉換為統一編碼的標準數據，利用定時任務實現跨集群數據同步，對于不同的數據量及數據時效性，實行新增、覆蓋及更新三種不同的數據覆蓋策略。

數據存儲方式根據數據規模及生產方式進行選擇。在數據應用方式上，使用OLPT聯機事務處理存儲和管理日常操作數據，使用OLAP聯機分析處理分析數據以支持決策。在存儲技術上可選用分布式系統或非關系型數據庫。

2.3 數據分層

中臺數據應當覆蓋全域數據，縱向形成數據分層，橫向形成主題域、業務域劃分，能夠實現數據準確性和一致性。貼源數據層ODS是操作數據層，對多來源、多類型、復雜結構的數據進行接入，對數據進行唯一編碼標識，同時對數據進行結構化處理。數據倉庫層DW對數據進行建模，構建業務維度，通過數據背景分析、業務域劃分、數據域劃分形成數據倉庫層，實現數據共享，其中DW明細層構建業務過程模型，DW匯總層構建業務主體模型。應用數據層ADS實現對業務需求的支撐，利用業務驅動建模從而實現用戶數據業務需求。

3 企業數據中臺架構

通過分析企業科研生產信息系統的應用情況及數據構成，結合數據中臺建設的關鍵技術及建設思路，對企業數據中臺進行架構研究與設計，實現數據中臺架構如圖1所示。采集及匯聚多源數據庫中的數據，對數據進行接入與轉換，形成ODS近源層數據，對近源層數據構建業務過程模型形成數據倉庫明細層數據，根據業務主體模型建模形成數據倉庫匯總層數據，面向業務需求驅動組裝形成ADS應用層數據。

科研數據中心向科研業務提供數據服務，實現科研計劃管理、科研任務下發、科研成果匯報、產品設計圖紙文檔歸檔、產品技術狀態變更等業務需求的數據共享。

工藝制造數據中心向工藝過程提供數據服務，實現制造工藝、P-BOM、M-BOM、相關技術文件、加工工藝路線、工裝工具管理等業務需求的數據共享，同時對業務數據進行監控和管理，可以獲取工藝執行過程中的加工工時、返工返修、工藝變更信息，從而進行分析和挖掘，對加工工時、工藝瓶頸、質量缺陷等問題進行識別及優化，并可以追溯產品的裝配過程。

供應鏈數據中心覆蓋產品生產的計劃、庫存、采購、生產、物流等全生命周期的數據共享，從而支撐供應商評價、采購訂單管理、生產物料到貨周期預估、生產計劃管理、物料需求管理、倉儲能力平衡、物流配送管理等業務，跟蹤監控供應鏈計劃執行過程，及時根據產能、物料、需求進行生產力平衡，調整生產計劃。

生產數據中心為生產現場高效穩定運作提供數據支持，與MES系統結合，及時獲取工藝數據及生產計劃信息，與生產現場檢驗系統、試驗設備、加工設備集成，及時獲取設備狀態信息、試驗結果、檢驗結論，進行數據跟蹤、歸類，指導生產現場運作。

質量數據中心向產品質量管理提供數據服務，從產品研發設計、元器件篩選檢驗、外協外包件認證、首件鑒定、小批量試制、大規模生產、不合格品、售后等方面，實現產品、部件、元器件及零部件的質量管理，同時對全生命周期的各個階段檢驗結果進行數據采集、分析，進行相應的質量預測和質量研判，為持續質量改進和產品設計優化提供數字化支撐，實現對供應商的質量評估，實現產品質量全程追溯。

產品數據中心面向科研、生產等業務需求提供產品數據服務，包括產品型號、課題代號、圖紙文件、BOM清單、研制階段、版本、主管部門、元器件庫等基礎數據的管理，實現了全平臺內關鍵數據保持一致性。

用戶數據中心向所有應用系統提供身份驗證、組織架構管理、權限管理的數據服務，能夠解決當前各個應用系統各自維護用戶密鑰、組織架構、角色權限，一旦發生人員變動就要同步處理多個應用系統數據的現狀，同時可以為門戶系統建設提供數據共享支撐。

可視化數據中心為提供豐富的數據分析功能提供數據服務，能夠提供快速、便捷的服務開發環境，提供自然語言等人工智能服務，使得業務人員也能夠實現數據應用，從而可以多維度地完成整個科研生產過程的數字化展示，更加及時、全面地展示科研生產的運行狀態。

4 結束語

軍工企業及其科研院所的信息化建設經過多年的積累，已經有了一定的數據應用基礎，但數據之間的互聯共享仍需改進，大量的科研生產數據需要進一步挖掘其潛在價值。通過對數據中臺建設路線及關鍵技術的研究，完成了企業數據中臺架構設計，利用數據中臺的構建打通已有信息系統中的數據連接，從系統級數據管理上升為企業級數據管理，并且形成企業核心數據資產，優化現有業務，體現數據價值。

參考文獻：

[1] 李炳森，胡全貴，陳小峰，等.電網企業數據中臺的研究與設計[J].電力信息與通信技術，2019，17（7）：29-34.

【通聯編輯：代影】