军工企业数据中台架构研究

李源 秦坤 曹云

摘要：军工企业及其科研院所现有的信息化系统存在数据孤立不能沟通共享的问题，为了提升企业信息化水平、挖掘数据价值，同时应对科研生产业务需求复杂多变从而造成信息化能力提升困难的现状，可通过数据中台的建设来沉淀数据复用能力，形成数据从汇聚、开发、管理到数据服务的中间层能力平台。该文介绍了数据中台建设路线及关键技术，实现了数据中台架构设计，总结了数据中台的应用实践。

关键词：数据中台;数据管理;数据服务

中图分类号：TP311        文献标识码：A

文章编号：1009-3044（2021）08-0025-02

軍工企业及其科研院所的信息化建设经过多年的发展，已经建立起了较为完善的信息化结构体系，在科研、生产、管理等方面均已部署了相应的信息化软件及信息化系统，为加速国防工业现代化、实现数字军工奠定了坚实的基础。军工企业的信息化建设正处在由普及阶段向控制阶段过渡，大部分的业务都已经开始使用信息系统进行管理，并进行了小范围的内部集成，初步完成了部门内的局部信息化，但由于没有进行整体的规划，系统多为各业务部门主导建设实施，因而形成了“信息孤岛”，不能做到数据信息共享。面对军工企业信息化数据管理中存在的问题，这就需要构建数据中台实现数据汇聚整合、数据资产化、服务可视化及数据价值变现。数据中台通过数据建模实现跨业务域的数据整合和数据能力沉淀，通过统一数据服务实现对数据的封装和开放共享，通过数据开发工具满足个性化数据和应用的需求，实现数据应用的服务化，从而改善管理模式、提高科研生产能力。

1 军工企业数据管理现状

数据是信息系统的核心，而军工企业数据管理的主要问题在于获取困难、匹配困难和准确度低，并且对于已有的数据，由于建设初期未对其进行统一规划，同时企业信息化标准工作未落实，因而没有系统的数据编码体系。对已有系统中的业务功能、流程设计和业务数据复用程度低，同一数据分布于多个系统中造成数据不一致及冗余，导致系统建设周期长、开发成本高，不能支撑新需求及时满足和业务功能迅速构建的信息化系统开发趋势。对于积累的科研生产数据不能进行有效的利用，降低了从数据中获取信息的能力，不能为企业决策提供数据支持。面对国家信息化发展战略纲要的提出，要求加强推进信息化和工业化的深度融合，加快实施“中国制造2025”，全面提升企业研发、生产、管理和服务的智能化水平，军工企业信息化建设需要从数据管理入手，实现数据规范、数据分享、流程优化、效益分析、数据挖掘等信息化服务，使数据管理全面覆盖产品科研、生产的生命周期，同时能够协同供应链的市场、计划、采购、物流、生产、销售、售后等各个环节，同时为企业财务、人力、能源、质量管控、经营管理提供有效的数据分析服务。

2 数据中台技术

2.1 数据中台

数据中台是一套使企业数据可持续使用的机制，依据企业特有的业务模式和组织架构，通过有形的数学模型和实施方法，构建一套持续不断把数据变成资产并服务于业务的机制。数据中台是数据应用的基础设施，能够让数据更加灵活的支撑业务，通过数据中台的建设沉淀数据复用能力，形成数据从汇聚、开发、管理到数据服务的中间层能力平台，是一种战略选择和组织形式。

2.2 数据处理

数据的采集及汇聚是指对数据的来源及数据结构进行整理。依据数据结构，分为Excel及数据库中的结构化数据，json和xml等半结构化数据，图像、音频视频和文件等非结构化数据。依据时效性，包含变更较少的基础数据信息，例如生产物料编码、产品设计文档、人员组织架构等离线数据，以及变更较为频繁、低延时的业务数据信息，例如生产制造执行信息、生产物资库存信息等实时数据。

数据的交换与共享是指对不同来源的数据进行数据治理，实现数据的接入与转换、多样数据源的合并，并且为用户提供能够准确定位的具有一致性编码的数据。从数据源同步数据前，对数据进行规则校验，借助ETL工具将非标数据转换为统一编码的标准数据，利用定时任务实现跨集群数据同步，对于不同的数据量及数据时效性，实行新增、覆盖及更新三种不同的数据覆盖策略。

数据存储方式根据数据规模及生产方式进行选择。在数据应用方式上，使用OLPT联机事务处理存储和管理日常操作数据，使用OLAP联机分析处理分析数据以支持决策。在存储技术上可选用分布式系统或非关系型数据库。

2.3 数据分层

中台数据应当覆盖全域数据，纵向形成数据分层，横向形成主题域、业务域划分，能够实现数据准确性和一致性。贴源数据层ODS是操作数据层，对多来源、多类型、复杂结构的数据进行接入，对数据进行唯一编码标识，同时对数据进行结构化处理。数据仓库层DW对数据进行建模，构建业务维度，通过数据背景分析、业务域划分、数据域划分形成数据仓库层，实现数据共享，其中DW明细层构建业务过程模型，DW汇总层构建业务主体模型。应用数据层ADS实现对业务需求的支撑，利用业务驱动建模从而实现用户数据业务需求。

3 企业数据中台架构

通过分析企业科研生产信息系统的应用情况及数据构成，结合数据中台建设的关键技术及建设思路，对企业数据中台进行架构研究与设计，实现数据中台架构如图1所示。采集及汇聚多源数据库中的数据，对数据进行接入与转换，形成ODS近源层数据，对近源层数据构建业务过程模型形成数据仓库明细层数据，根据业务主体模型建模形成数据仓库汇总层数据，面向业务需求驱动组装形成ADS应用层数据。

科研数据中心向科研业务提供数据服务，实现科研计划管理、科研任务下发、科研成果汇报、产品设计图纸文档归档、产品技术状态变更等业务需求的数据共享。

工艺制造数据中心向工艺过程提供数据服务，实现制造工艺、P-BOM、M-BOM、相关技术文件、加工工艺路线、工装工具管理等业务需求的数据共享，同时对业务数据进行监控和管理，可以获取工艺执行过程中的加工工时、返工返修、工艺变更信息，从而进行分析和挖掘，对加工工时、工艺瓶颈、质量缺陷等问题进行识别及优化，并可以追溯产品的装配过程。

供应链数据中心覆盖产品生产的计划、库存、采购、生产、物流等全生命周期的数据共享，从而支撑供应商评价、采购订单管理、生产物料到货周期预估、生产计划管理、物料需求管理、仓储能力平衡、物流配送管理等业务，跟踪监控供应链计划执行过程，及时根据产能、物料、需求进行生产力平衡，调整生产计划。

生产数据中心为生产现场高效稳定运作提供数据支持，与MES系统结合，及时获取工艺数据及生产计划信息，与生产现场检验系统、试验设备、加工设备集成，及时获取设备状态信息、试验结果、检验结论，进行数据跟踪、归类，指导生产现场运作。

质量数据中心向产品质量管理提供数据服务，从产品研发设计、元器件筛选检验、外协外包件认证、首件鉴定、小批量试制、大规模生产、不合格品、售后等方面，实现产品、部件、元器件及零部件的質量管理，同时对全生命周期的各个阶段检验结果进行数据采集、分析，进行相应的质量预测和质量研判，为持续质量改进和产品设计优化提供数字化支撑，实现对供应商的质量评估，实现产品质量全程追溯。

产品数据中心面向科研、生产等业务需求提供产品数据服务，包括产品型号、课题代号、图纸文件、BOM清单、研制阶段、版本、主管部门、元器件库等基础数据的管理，实现了全平台内关键数据保持一致性。

用户数据中心向所有应用系统提供身份验证、组织架构管理、权限管理的数据服务，能够解决当前各个应用系统各自维护用户密钥、组织架构、角色权限，一旦发生人员变动就要同步处理多个应用系统数据的现状，同时可以为门户系统建设提供数据共享支撑。

可视化数据中心为提供丰富的数据分析功能提供数据服务，能够提供快速、便捷的服务开发环境，提供自然语言等人工智能服务，使得业务人员也能够实现数据应用，从而可以多维度地完成整个科研生产过程的数字化展示，更加及时、全面地展示科研生产的运行状态。

4 结束语

军工企业及其科研院所的信息化建设经过多年的积累，已经有了一定的数据应用基础，但数据之间的互联共享仍需改进，大量的科研生产数据需要进一步挖掘其潜在价值。通过对数据中台建设路线及关键技术的研究，完成了企业数据中台架构设计，利用数据中台的构建打通已有信息系统中的数据连接，从系统级数据管理上升为企业级数据管理，并且形成企业核心数据资产，优化现有业务，体现数据价值。

参考文献：

[1] 李炳森，胡全贵，陈小峰，等.电网企业数据中台的研究与设计[J].电力信息与通信技术，2019，17（7）：29-34.

【通联编辑：代影】