工业车辆试验数据建设与管理

韩志刚

(安徽合力股份有限公司，安徽 合肥 230601)

1 引 言

工业车辆试验数据的建设与管理，从行业整体来看，相对于其他规模行业目前还处于初级阶段。无论是数据的采集还是数据库的建立、数据的深度挖掘分析，都还不系统、不成熟，开展系统的试验数据管理的工业车辆企业还很少，经验较为欠缺。目前，工业车辆的试验数据基本以整车性能试验数据为主，零部件台架试验数据和仿真数据大范围开展的企业不多，整车性能试验数据大多采用传感器检测、仪表显示、人工记录的方式来开展。随着信息化数采终端的应用，很多企业逐步向数字化采集的方向发展，为建立完整的试验数据管理系统建立了基本条件。

2 试验数据模型和数据结构

开展工业车辆试验数据建设和管理，首先要确定工业车辆试验数据模型的概念。数据模型一般主要包括数据结构、数据操作和数据约束。数据操作和数据约束主要通过数据库系统的构建来描述和体现，本文主要通过对数据结构的分析来对试验数据模型进行描述。

工业车辆试验数据结构分为内部结构和外部结构。

内部结构构成了试验数据的各参数属性，包括数据类型、数据格式、数据范围、数据精度、数据单位等。数据类型分为计数型和计值型两种，工业车辆计数型试验数据主要分布于产品疲劳试验和产品型式试验，计值型数据则主要分布于部件可靠性试验和产品性能试验。数据格式分为结构化数据和非结构化数据[1]，对于工业车辆试验数据来说，大多数为结构化数据，非结构化数据主要分布于仿真、机能评价、噪声测试等方面。数据范围主要是指试验数据值的分布范围，数据范围要根据业务需要来确定边界。数据精度主要是指计值型数据的采集精度、显示精度、存储精度等，其与传感器精度和数据库存储精度密切相关。数据单位主要是指试验数据的计量单位，是数据管理和分析的基础要素。

外部结构包括试验数据的任务参数、资源参数、质量参数等。每一个试验数据都来源于一定的试验项目，所以任务参数、资源参数等也是每一个试验数据必然存在的参数属性。任务参数包括试验项目号或任务单号、所属被试件信息、参试人员信息等其他相关信息。资源参数包括设备信息、工装夹具信息、物料号信息、检测消耗品信息等。质量参数包括环境信息、质量标准信息等。

3 试验数据的分类

对于试验数据的分类，依据不同的需求角度可以有不同的分类方法。无论哪一种分类方法，都是从工作需求的角度来考虑的，分类的目的是便于工作的开展。一次试验项目产生的试验数据可以从管理需求、项目统计、数据形态、分析方法、阶段和来源等不同的维度来进行分类。下面从数据的管理角度来举例说明。

从管理的角度，可以将工业车辆试验数据分为资源数据和项目数据。资源数据包括试验室的设备、软件、人员、场地、产品BOM、资料等各方面的主数据，其是在企业整个价值链上被重复、共享、应用于多个业务流程、跨越多部门和多系统的基础数据。这些数据属于企业核心关键数据，组织和企业从数据的质量、一致性、可用性、管理规范等方面都应该有严格的要求。项目数据是指一次项目产生的或使用的一次性、唯一性数据，包括生产类数据、环境数据、技术数据、质量数据。生产类数据包括任务单号、生产人员、生产时间等；环境数据包括场地环境数据、外来人员信息等；技术数据和质量数据包括本次试验所检测得到的力、温度、测量误差、失效数据比例等技术和质量数据。

以上分类方法只是数据类型分类的一种，这种分类是从数据的共享性、重复性和数据的一次性、唯一性角度来划分的，便于数据的存储和管理。

4 工业车辆试验数据流

工业车辆试验数据流是从试验数据的生命周期的角度来阐述和分析试验数据的。试验数据流包括试验数据的产生、传输、存储、管理和应用。工业车辆试验数据的产生及来源有三个方面：传感器采集数据、文本及其他形式的现有数据、人工录入数据。传感器采集数据是应用最多的数据来源，也是试验项目产生数据的主要来源，其通过硬件采集、传输、转换、处理等一系列工作，进入数据库存储，开展数据分析。对于这类数据，要开展传感器的研究和应用、各类设备的通信协议转换、传输通道以及存储模式的设计等工作。文本及其他形式的现有数据是指已经存在的电子化或非电子化数据，其一般要通过专用软件录入到数据库。可以以文本形式存储，也可以通过软件将文本内容转化成结构化数据再存入。人工录入的数据是指在试验项目过程中，无法通过传感器电子采集的试验数据，其要通过人工进行记录，也可以通过相应的软件转换录入数据库。

基于试验数据的数据流分析，工业车辆试验数据的生命周期包括数据的建立阶段、数据的使用阶段、数据的查询再利用阶段、数据的离线存储阶段、数据的销毁阶段[2]。同时，基于数据流建立的试验数据库，从价值分析的角度来分析具有以下阶段：数据的物理信息库、数据的原始数据库、数据的应用数据库、信息库和方法库。物理信息库主要指基于数据的模拟量而存在的模拟量数据库，其经过数模转换后产生基于数字量的原始数据库，再经过数据判读、数据处理，得到数据的应用数据库。数据的应用数据库是对企业真正有价值的数据资源，应用数据库经过专业的数据分析就得到企业的信息库和方法库，信息库和方法库可以成为企业直接解决问题的技术方案。

5 试验数据的应用

建立数据是为了应用数据，一个数据如何应用，主要存在于管理应用和技术应用两方面。管理应用和技术应用各包含很多子模块，具体的子模块的设置和内容是根据不同企业、不同部门的不同需求而设计的。一个数据如果主要应用于管理决策，为管理决策提供支撑，那么这个数据的应用就属于管理应用，其子模块一般包括任务统计分析、设备管理分析、质量统计分析等。一个数据如果主要应用于技术决策，为设计及技术研究提供支撑，那么这个数据的应用就属于技术应用，其子模块一般包括数据判读、误差分析、回归分析、不确定度分析等。

工业车辆试验数据的管理应用越来越依赖于数据的三维显示、实时云图、自动分析及自动报表、大数据自动决策等先进技术。技术应用通过对试验数据进行专业性的计算、推导、预测，实现试验数据的专业化分析和判断。两个层面互相交织，管理应用本身既是一个管理工具，同时又是技术应用的基础，技术应用的结果也需要管理应用来进行有效的价值化。所以，数据的管理应用与数据的技术应用构成了工业车辆试验数据应用的两个基本层面。

6 试验数据的质量管理和安全管理

数据的质量直接决定了数据应用的有效性，所以数据的质量管理是数据管理的重要组成部分。工业车辆试验数据质量管理的要点在于数据流的规范化、数据分析正确化、试验检测准确化和数据的持续优化改进。工业车辆试验数据的高质量主要通过工业车辆试验工作的四个主要模块，即业务模块、设备模块、技术模块和质量模块来保证。业务流的质量决定了试验数据的完整性，设备管理模块的质量决定了试验数据的一致性，技术模块的质量决定了试验数据的准确性，质量管理模块的质量决定了试验数据的有效性。

工业车辆试验数据的安全管理要遵循数据的安全管理原则，就是分级管理原则和分线管理(分模块管理)原则。要依据数据的不同级别、不同模块，采用不同的安全管理方法，有针对性进行安全管理。要根据数据流“采-存-管-用”，做好流程中各环节的技术管控。要建立数据量、使用人、使用的数据类型等管控关键指标。要建立管控关键技术，要细致进行所有数据的权限设定和加密处理。

7 试验数据与产品BOM的结构设计

试验数据来源于对产品进行的试验项目，试验数据的组织、管理以及数据库的建设需考虑合理的组织结构。工业车辆产品种类多、型号多，在进行结构设计时，应将试验数据与产品BOM相结合，既可以便于与产品信息相联系，又可以体现数据的不同阶段(同一参数在产品的不同开发阶段而检测的不同阶段数据)和数据的不同版本(同一参数在产品的同一阶段而多次检测的不同版本数据)。结合产品BOM的数据库结构设计，需要根据工业车辆企业的产品特点及试验项目内容来确定。将不同阶段、不同版本、不同类型的试验数据与相应的不同产品信息准确结合，形成工业车辆“产品-试验数据双BOM”结构的设计框架[3]。

8 结束语

要做好工业车辆试验数据系统的建设与管理，为提升产品质量保驾护航，必须重点做好如下工作：

(1)现状分析。对于企业实验室的人、机、料、法、环的充分分析，对于企业试验技术及试验数据现状的充分调研，是规划试验数据系统建设的重要环节。现状及预期目标直接决定了试验数据系统的结构和系统模块的设置。

(2)数据中心的规划。试验数据系统的建设，首先要考虑数据模型、数据流、与产品结构的关联逻辑；然后要对企业现有和即将建设的试验数据采集渠道和存储方法，如传感器、协议、网络、服务器等进行统筹规划；还要仔细分析试验数据的关联应用范围、试验数据的管理职责，并研究试验数据系统应用所需的数据开发和挖掘技术。

(3)规划好试验数据在企业内各部门应用的范围，明确企业内各部门所产生的试验数据的类型及其关联逻辑关系。

(4)试验数据的应用应充分考虑与企业价值的有效结合。只有提高数据利用效率、提升数据分析能力、扩大数据利用广度，才能真正提高数据辅助决策的水平，真正创造企业价值。