动力总成试验室设备管理的数字化实践研究

崔红根

（上海汽车集团股份有限公司技术中心/上海市汽车动力总成重点实验室，上海 201804）

随着5G和信息技术的发展，各行各业业务数字化成为一种趋势，国内动力总成试验室设备管理工作，经过多年的发展，也形成了较为科学和稳定的体系和方法，在此基础上进行数字化，可以使动力总成试验室设备管理更加高效，并创造可观的经济效益。本文作者根据动力总成设备管理的一种管理方法，HQM(High Quality Maintenance 高质量维护）管理方法，和对数字化技术的理解，创建了符合HQM管理方法的数字化方案，可以更有力地推进HQM管理方法的实践，从而降低设备从业人员负荷，提高管理质量，最终降低管理成本，与业界同仁探讨。

1 现状分析

长期以来，动力总成试验设备管理被普遍当作一项简单的流程和资源管理工作，作为设备管理一种数字化方法的设备管理软件，往往因为企业用户没有设备管理方法的有效指导，采用设备从业人员简单的需求输出定制化，并最终做成类似仓库管理软件的工具。长期实践表明，这种没有科学标准方法指导，非专业人员定制的软件工具容易走上一个业务数字化的误区，容易根据现有业务流程和模式，进行简单的线上化，容易忽视数字化系统的特征和优势。比如，设备管理过程中的周期性计划工作以及紧急维修工作中的报修流程，这些工作本身线下实现简单方便高效，只是为了业务完整的线上化，可能就会造成数字化系统的冗余，造成友好性缺失。这种数字化思路下形成的系统，既浪费了工作人员大量时间和精力，同时创造的效益也不太明显，容易成为投资不小，用户人员抵触的鸡肋式数字化系统。

本文通过梳理业务场景，经过研究并实践的HQM管理方法，确认设备管理数字化更加高效的一种方式，就是创建一种设备从规划采购、到日常运维、再到设备报废的一个全生命周期管理系统。通过把每个设备唯一标记并对生命周期内的业务进行分类管理，再通过关系数据库技术对这些业务进行数字化记录，再通过数据仓库技术对关系数据库的数据进行数据清洗和集成，形成可供设备从业者业务分析和优化，可供企业管理者信息查阅和经营决策的一个设备资源管理系统。系统可实现现在及未来日常数据的实时更新，数字化之前的历史数据导入，通过数据仓库的自动处理和展示，可对设备业务进行实时监测和历史总结，为设备资源科学管理提供了真实而高效的决策依据。这种系统的创建关键就是后台数据库模型的构建设计，此工作完成，整个业务数字化系统建设可迎刃而解。

本系统整体架构设计从提高动力总成设备管理效率的初衷，通过数字化终极目标导向，上升至整个公司通用的设备资源管理信息提供功能板块，然后，通过此数字化系统架构实现要求，再细化落实到动力总成设备管理的具体功能实现，也即系统的后台数据库模型构建设计。系统从IT功能上分为：对象档案创建，业务数据记录和业务数据查询分析；从业务模块菜单上分为：资产管理、维保管理、计量管理、基本信息管理。整个系统并行采用操作数据库系统和数据仓库系统，操作数据库系统为对象档案创建和业务数据记录服务，数据仓库系统为业务数据高效查询分析提供服务。数据仓库系统是本系统区别其他类似设备管理系统的关键应用技术，可大幅提高多用户的并发响应，为未来大数据的挖掘提供拓展支撑。数据仓库技术应用具备以下关键特征：面向主题的、集成的、时变的、非易失的。面向主题方面，考虑面向管理决策者、数据记录者、业务负责者等；集成特征方面，因为数据记录涉及数值、字符串、文件、图片等几乎大部分数据类型，所以采用了数据整理、归类和集成等技术；时变性方面，每个数据记录相关都会隐式或显示地包含时间元素；非易失方面，数据仓库只需要数据的初始化装入和数据访问两种数据操作，可降低非专业人员对操作数据库原始数据源进行复杂操作带来的数据丢失风险。

2 数字化实践

数字化目的是提供相关信息，帮助战胜竞争对手，形成竞争优势；帮助企业快速有效搜集准确描述业务的信息，提高企业生产力；通过一致和可靠的方式长期跟踪趋势、模式和异常，最终降低成本。所以我们设备管理系统数字化同时采用操作数据库系统和数据仓库系统，操作数据库系统重点解决数据的写入、修改、删除等数据执行方面功能；数据仓库系统重点解决数据基本查询、分层汇总、总体统计等决策用户功能。数据仓库系统是本次数字化业务的核心，本文重点讨论数据仓库系统在设备管理数字化系统中的构建设计应用，采用以下较为通用的数据仓库架构开发的推荐方法（如图1）。

图1 数据仓库开发推荐方法

2.1 高层企业数据模型定义

HQM是动力总成研发试验室高质量管理方法，主要围绕试验室设备的完好率开展工作，上至企业方面，可定义企业生产及研发型设备管理的产出和投入管理，基于本系统给企业管理者决策的最终目标，本系统高层企业数据模型定义为设备的“固定资产投入分析模型”“公用动力投入分析模型”“设备开动率分析模型”和“设备完好率分析模型”。根据高层企业数据模型定义，以及基于对设备管理业务的梳理，本数据仓库系统数据量较大，多维数据模型采用事实星座模式。一方面限于篇幅，一方面为了足够清晰说明数字化方法，我们选择涉及数据最全面的“设备完好率分析模型”作为案例详细论述。

2.2 数据集市模型构建

根据高层企业数据模型，基本数据集市包含资产盘点数据集市、资产转移数据集市、设备借用数据集市、系统设备数据集市、单一设备数据集市、备件数据集市、计量器具数据集市、耗件数据集市、固定资产数据集市、合同管理数据集市、用电计量数据集市、用水计量数据集市、燃油计量数据集市、设备运行状态数据集市、自主保全数据集市、专业保全数据集市、紧急维修数据集市、备件出入库数据集市、耗件出入库数据集市、期间核查数据集市、周期检定数据集市、国家名称数据集市、城市基地数据集市、单体建筑数据集市、设备型号库数据集市、备件型号库数据集市、品牌数据集市、供应商数据集市等。

这些基本数据集市形成分布式数据集市，分布式数据集市包含固定资产管理数据集市、设备基础信息数据集市、资产和合同定义数据集市、公用动力管理数据集市、设备维保管理数据集市、计量管理数据集市、基础库数据集市等，数据集市结构框架如图2。

图2 数据集市结构框架设计

2.3 数据集市详细定义

基本数据集市按以下方式定义字段，包含的字段为关系数据库各表单的键值，其他字段为属性字段，属性字段可根据实际使用场景增减。

固定资产管理业务模块的数据集市定义：资产盘点数据集市需包含资产编号字段，其他属性字段有资产名称、资产价值、资产挂靠人等；资产转移数据集市需包含资产编号字段，其他属性字段有资产转出部门、资产转入部门、资产转移原因等；设备借用数据集市需包含设备编号字段，其他属性字段有设备型号、设备借用数量、设备借用人、设备借出时间、设备归还时间等。

设备基础信息业务模块的数据集市定义：系统设备数据集市需包含系统设备编号字段，其他属性字段系统设备类型、设备基本功能介绍、运行时间、等待时间、紧急维修时间、保全时间、系统设备供应商等；单一设备数据集市需包含单一设备编号字段，其他属性字段有单一设备型号、单一设备功能介绍、单一设备图片、所属系统设备编号、所属计量设备编号、所属固定资产编号、单一设备品牌、单一设备供应商等；备件数据集市需包含备件编号字段，其他属性字段有备件型号、备件基本介绍、备件图片、备件品牌、备件供应商等；耗件数据集市需包含耗件编号字段，其他属性字段有耗件型号、耗件基本介绍、耗件品牌、耗件供应商等。

资产和合同定义业务模块的数据集市定义：固定资产数据集市需包含固定资产编号字段，其他属性字段有固定资产价值、固定资产挂靠人、固定资产入账日期、资产残值等；合同管理数据集市需包含合同编号字段，其他属性字段合同名称、采购员、合同价格、合同文件等。

公用动力管理业务模块的数据集市定义：用电计量数据集市需包含用电计量仪表编号字段，其他属性字段有用电计量仪表型号、计量方式、计量读数、当日累计耗电、所属系统设备或单体建筑等；用水计量和燃油计量数据集市采用和用电计量数据集市的字段编制方式。

设备维保管理业务模块的数据集市定义：设备运行数据集市需包含系统设备或者单一设备编号字段，其他属性字段用当日排班时间、当日运行时间、当日等待时间、当日设备维修时间、当日设备保全时间、填写人等；紧急维修数据集市需包含维修单编号和单一设备编号字段，其他属性字段报修人、报修时间、恢复时间、故障现象、诊断方法、维修方案、故障类型、设备维修时间、维修人等；自主保全数据集市需包含自主保全单号和系统设备编号或者单一设备编号字段，其他属性字段有点检位置、点检内容、点检方法、点检标准、点检时间、点检人、点检结果、保养位置、备件或耗件型号、出库数量、保养内容、保养周期、保养备注等；专业保全数据集市需包含专业保全单号和系统设备编号或者单一设备编号字段，其他属性字段与自主保全属性字段基本一致，可增加专业点检报告附件、专业保养报告附件等；备件出入库数据集市需包含备件编号和备件出入库单号字段，其他属性字段有入库数量、出库数量、出入库操作人、操作时间等；耗件出入库数据集市需包含耗件编号和耗件出入库单号字段，其他属性字段和备件出入库属性字段基本一致。

计量管理业务模块的数据集市定义：期间核查数据集市需包含期间核查报告编号和计量器具编号字段，其他属性字段有量程范围、精度、不确定度、期间核查允许误差、核查结果、核查操作人、核查日期、核查报告附件等；周期校准数据集市需包含周期检定报告编号和计量器具编号字段，其他属性字段有量程范围、精度、不确定度、周检数据、周检结果、检定负责人、检定日期、检定有效期、检定周期、检定报告附件等。

基础库业务模块的数据集市定义：国家名称数据集市需包含国家名称字段，其他属性字段有分公司名称、分公司介绍、分公司图片等；城市基地数据集市需包含城市基地名称字段，其他属性字段有所属国家、分公司名称、城市基地介绍、城市基地图片等；单体建筑数据集市需包含单体建筑名称字段，其他属性字段有所在城市基地、单体建筑介绍、单体建筑图片等；设备型号库数据集市需包含设备型号字段，其他属性字段有功能介绍及技术描述、品牌名称、供应商名称、设备手册、设备指导书附件等；备件型号库数据集市需包含备件型号字段，其他属性字段有功能介绍及技术描述、品牌名称、供应商名称等；品牌数据集市需包含品牌中文名称字段，其他属性字段有品牌英文名称、品牌产品系统等；供应商数据集市需包含供应商名称字段，其他属性字段有所属品牌名称、供应商联系人姓名、供应商联系电话、联系人所属业务板块等。

2.4 多维数据模型构建

HQM设备管理方法通过八大支柱实现对设备故障故障率的降低和设备完好率的提升，并最终促进生产效率提升，也即是本文作为案例分析的“设备完好率分析模型”的应用基础和对象。其中设备维保管理中的紧急维修业务涉及内外部诸多工作，也即在数据库层面涉及到多层维度。根据业务专业梳理，按照如图3所示的案例创建设备完好率的星座多维数据模型，其他分析模型可参照案例进行多维数据模型构建。

图3 多维数据模型部分展示案例

2.5 数据仓库模型构建和定义

设备完好率分析根据时间维度可从大到小分为：历史累计、年、月和天；根据区域维度可从上至下分为：全公司、各国分公司、城市基地、单体建筑、系统设备和单一设备；从业务梳理出发，为方面快速检索和分析，可从单一设备型号维度和系统设备类型维度进行分析（图4）。

图4 分层数据仓库模型构建案例

基于以上考虑，针对设备完好率分析模型的进行多层数据仓库库表的创建。底层建立单一设备紧急维修记录库表和系统设备运行状态记录库表，单一设备紧急维修记录库表包含单一设备编号、单一设备名称、单一设备型号、单一设备功能介绍、单一设备当日紧急维修时间、单一设备当日排班时间、紧急维修发生日期、所属系统设备编号等；系统设备运行状态记录库表包含系统设备编号、系统设备名称、系统设备类型、系统设备功能介绍、系统设备当日紧急维修时间、系统设备当日运行时间、系统设备当日排班时间、记录日期、所属单体建筑、所属城市基地、所属分公司、所属总公司等。

第2层建立单一设备完好率库表和系统设备完好率库表，单一设备完好率库表包含单一设备编号、单一设备名称、单一设备型号、单一设备功能介绍、统计月份，统计月份累计紧急维修时间、统计月份累计排班时间、统计月份累计完好率等；系统设备完好率库表包含系统设备编号、系统设备名称、系统设备类型、系统设备功能介绍、统计月份，统计月份累计紧急维修时间、统计月份累计排班时间、统计月份累计完好率等。

第3层建立单一设备型号完好率库表和系统设备型号完好率库表，单一设备型号完好率库表包含单一设备型号、单一设备名称、单一设备功能介绍、单一设备型号数量、统计月份，统计月份累计紧急维修时间、统计月份累计排班时间、统计月份累计完好率等；系统设备类型完好率库表包含系统设备类型、所属系统设备数量、统计月份，统计月份累计紧急维修时间、统计月份累计排班时间、统计月份累计完好率等。

第4层建立单体建筑设备完好率库表，此表包含单体建筑名称、单体建筑设备介绍、单体建筑下辖系统设备数量、当月完好率、当年完好率、历年完好率等；第5层建立城市基地设备完好率库表，此表包含城市基地名称、城市基地介绍、城市基地下辖单体建筑数量、当月完好率、当年完好率、历年完好率等；第6层建立分公司设备完好率库表，此表包含分公司名称、分公司介绍、所在国家、下辖城市基地数量、当月完好率、当年完好率、历年完好率等。

2.6 分布式数据集市和数据仓库的联动设计

分布式数据集市和数据仓库创建后，数据创建者的数据操作结果会在数据集市中进行记录，软件后台需根据每次数据创建者的动作对数据仓库的数据进行刷新，确保数据仓库中的数据相对操作数据库中数据的当前性。

数据仓库库表数据来自各种数据源的清洗和集成，根据数据源来源可分为三种，分别是全部来自数据集市、全部来自数据仓库、综合来自数据集市和数据仓库。全部来自数据集市的典型案例，如数据仓库底层的单一设备紧急维修记录库表，此库表数据是基于紧急维修数据集市、单一设备数据集市以及设备型号库数据集市等数据集市的综合筛选和集成；全部来自数据仓库的典型案例如数据仓库第3层的系统设备类型设备完好率库表，此库表数据是基于数据仓库第2层系统设备设备完好率库表的筛选；综合来自数据集市和数据仓库的典型案例如数据仓库第4层的单体建筑设备完好率库表，此库表数据是基于单体建筑数据集市、系统设备数据集市、系统设备设备完好率库表等数据来源的综合清洗和集成。

数据仓库数据展示和查看时，因为分层结构的构建，分层展示和查看也得以实现。例如，通过第4层建筑单体设备完好率库表中的单体建筑下辖系统设备数量与第2层系统设备设备完好率库表建立链接，用户在查看建筑单体设备完好率时，即可通过点击单体建筑下辖系统设备数量进入查看单体建筑设备完好率的详细历史，也即下辖系统设备的完好率历史。

3 预期效果

通过以上对“设备完好率分析模型”案例在操作数据库和数据仓库模型的构建设计，我们可以实时地获得“设备完好率分析模型”有预定义的报告，通过类似的思路我们同样可以创建“设备开动率分析模型”，并实时获得其有预定义的报告。通过合并两个模型的报告，可创建可视化的设备地图，预期效果如图5和图6。通过同样的方法，我们可以构建设计“固定资产投入分析模型”和“公用动力投入分析模型”，这样，针对动力总成设备管理的数字化就有了相对完整的数据库构建设计方案。

图5 系统设备可视化效果

图6 单一设备可视化效果

4 结语

以上是对动力总成设备管理数字化进行的比较完整的数据库构建设计思路和方案，可实现预定义的图表和报告展示。这个数据库模型具有良好的可拓展性，后续可根据用户需要，既可以新增一些数据集市模块，也可以添加更多有价值的定义指标并创建相应的数据仓库库表。例如，为应对物联网需求可添加实时监测数据集市。又比如，创建TOP10资产投入最大系统设备库表、TOP5耗电最大的单体建筑库表、TOP10当年开动率最高系统设备库表、TOP10历年完好率最好单一设备型号库表等实用化的各类数据仓库库表。此系统可随着操作数据库的数据丰富，以及未来对数据仓库库表的逐渐完善和更新，可对设备资产投入、运维成本、设备利用和保全状态等趋势有更加完整和深入的认识，为相关正确决策提供量化的数据支撑，最终为企业经营提升竞争力。