选煤厂数据标准实施方法论研究

中煤科工集团信息技术有限公司 邹超

一、研究背景

选煤厂数据全生命周期的质量控制机制与制度保障是数据标准，其贯穿了数据从采集到存储、治理和分析应用的整个流程，只有建立一套完备的标准体系，数据标准化之后才能更好地进行数据质量管控、进行数据治理的工作及更高层面的数据应用，实现选煤厂高效快速的数字化转型及业务分析[2]。选煤厂数据标准是选煤厂经营管理、生产工艺、设备维护等业务的数据分析基础，关系未来使用及分析的数据范围及内容是否全面、质量是否达标，帮助选煤厂能够集中管理、使用数据。选煤厂各类数据分散在硬件设备、业务系统、纸质文件内，除了各类数据、属性、数据采集标准以及数据标准管理制度等缺乏之外，同时各类数据应该如何使用、在什么场景下使用、使用带来的效益也没有明确的说明及想法，所以选煤厂数据标准的实施方法和研究极大限度地明确了选煤厂各类数据标准内容、工作方法、数据采集标准怎样统一、数据标准管理制度制定的内容。

二、目标

目前国内外选煤厂企业具备单一数据标准的制定方法，如物资数据等，但是基于生产工艺、设备运行管理为核心发散的各类数据、有需求分析的选煤业务场景数据的标准制定方法论并没出现。

本文涉及的实施方法以及内容是依据选煤厂核心业务、核心数据、核心数据问题为导向进行研究，当下各类项目实施的方法（如ERP项目实施方法论、PMBOK项目实施方法论）均从某一单一业务范围出发进行项目实施，例如财务、工程业务，与选煤厂洗选业务缺乏关联、对洗选工艺理解限度较低。本文所述实施方法论的研究打破通用实施方法论的壁垒、贴合选煤厂业务，支撑选煤数据标准体系。

三、研究内容

（一）现状需求调研及评估

针对现状的调查是规划的初始，经过系列的问卷调查、现场访谈等工作方式收集到大量资料以及信息，进而全面深入地对现行的组织架构、业务流程以及信息化建设情况进行了解，找出其真正所面临的问题并精确定位选煤厂的真正需求，为最终整理出选煤厂真正的需求做准备。

该阶段主要工作任务如下：

（1）掌握选煤厂目前的数据管理情况，通过问卷调研和现场访谈以及系统和数据分析，对选煤厂现有各业务现状、数据现状等方面进行全面调研，包括分选业务、分选流程、分选设备清单数据、分选设备技术参数（静态、动态技术参数）、各类传感器清单及传感器技术参数、硬件数据采集集成技术、软件系统数据集成系统、编制各类属性及数据清单、现有其他辅助数据（例如:产品、工作路线、环境、人员班组、选煤订单、工作时刻表等数据），收集到的各属性及数据需提供在用单位（单位符号），同时增加生产开始截止时间等关联维度关系。

（2）对各类业务、属性及数据完成整理，并通过业务人员确认。

（3）掌握选煤厂对数据应用、管理现状进行评估理解，分析各类数据现有标准、各类数据（编码）应用，包括数据来源去向、存储情况、集成情况、采集情况，各类数据的需求、管理存在的问题等。

（4）通过对选煤厂分选业务过程的调研与分析，明确横纵向业务之间的关系、数据之间关联关系，梳理清单并让业务人员确认。

（5）通过对业务、设备、信息化系统、硬件数据、软件数据现状的调研，结合数据标准识别方法理论辨识出选煤厂数据标准所需要数据范围。

（6）数据标准梳理总结，归纳选煤厂数据标准涉及数据列表，完成数据标准梳理工作。包括：业务流程步骤数据清单、业务流程设备清单、设备数据清单、传感器清单、硬件属性数据清单、信息化系统属性数据清单、实时数据清单、生产数据清单、硬件数据采集技术及通信协议清单、相关数据清单，包括：生产工作安排数据、洗选订单数据、装车时间数据、加药量数据、用水量数据、用电量数据、封尘剂用量数据、防冻剂用量数据、班组信息数据、排班信息数据、人员信息数据等。

（7）结合选煤厂业务发展、智能化发展规划，参考煤炭行业内优秀大型企业数据标准体系建设的例子，在现状调研与评估、标杆经验借鉴等一系列工作的前提下，数据标准体系的构建需求以及规划选煤厂数据标准体系需要从数据的来源、去向、应用、管理等各个维度进行分析。

（二）标准体系规划设计

在进行整体规划数据标准体系，确立与企业目标相一致的建设目标之前，首先要明确业务、数据现状以及需求[3]。之后再依据目标对数据标准体系架构进行设计。架构设计作为数据标准体系建设的重要环节，其主要涵盖了数据标准管理体系设计、数据架构设计、数据模型架构涉计、硬件数据采集体系设计五大方面（如图1）。经过体系架构设计，企业的数据标准体系已经基本成型，数据标准建设已经有了明确的需求。

图1 标准体系规划

1.数据标准管控体系

该体系是为了对数据标准的制定、变更、发布、停止各类管理任务以及活动进行的规范性而建立的组织、流程，并使其得以常态化运转。

2.数据标准体系

数据标准体系分为三大类，包括数据标准管理规范、数据质量管理规范、硬件数据采集标准规范。数据标准管理规范是为了规范数据标准制定、变更、发布、停止各类管理任务。

3.数据架构体系

涵盖选煤厂全业务、全场景、全因素的各类动静态数据，包括：设备数据、工艺数据、实时数据、静态数据、各类辅助数据。

4.数据模型架构

通过对设备数据、工艺数据、实时数据、静态数据、各类辅助数据进行梳理，建立各类数据模型，形成各数据对立模型，为之后的业务场景数据建模打下基础模型标准，通过模型构建建立业务数据模型。

5.硬件数据采集架构

包括硬件数据采集技术、采集技术通信协议、硬件设备分类及硬件数据涉及设备清单内容。通过对硬件设备数据的梳理，对各硬件设备采用的数据采集技术、通信协议进行梳理，结合现有先进采集技术，编制选煤厂硬件数据采集标准。

（三）数据标准制定

数据标准制定过程中需要综合运用关键成功因素法以及选煤厂业务规划法等方法进行分析，是数据标准管理项目规划的核心步骤（如图2）：一方面用战略目标集转换法和关键成功因素法，自上而下分析选煤厂业务、数据类别、数据内容；另一方面借助业务流程优化思想，梳理部分业务流程，自下而上提取各类基础数据、业务数据；进而提取并识别业务模型、实体模型、数据属性，建立数据模型，最终实现数据的全面性和数据的规范性[4]。

图2 数据标准制定流程

当下选煤厂数据标准化建设主要有全面标准化和渐进式标准化两种策略。在全面标准化策略前提下，必须要先进行独立的、全面的数据标准化工作，可以在整个选煤厂范围内基本完成信息资源规划工作，建立长期稳定的数据标准体系；在渐进式标准化策略前提之下，就必须要先建立选煤厂的数据标准化框架，配合试点系统的运行，进而完成与试点系统相关的业务数据以及部分管理数据的标准化工作。通常数据标准化体系建设要采取渐进式的策略，同步进行数据标准化进程与选煤厂业务发展，既要保证见效速度又要坚持标准化原则、业务原则，并且还要确保数据标准化的实用性，确保数据标准化不至于空洞或流于形式。

（四）数据标准管理制度

数据标准管理规范是数据标准管理工作中的管理条例、章程和制度等的总称，它用文字形式规定管理活动的内容、程序和方法，是数据标准管理人员的行为规范和准则（如图3）。数据标准管理规范明确了数据标准管理的基本原则、管理机构和职责、数据标准管控流程等主要内容。管理规范的颁布实施，是数据标准管控体系建设的成果固化，明确行为规范和协调关系，解决人治管理、无章可循、有章不循、缺乏协调、相互推诿等方面的问题，对于数据标准体系建设，提高选煤厂数据标准管理水平有着重要的作用[5]。

图3 数据标准管理制度效能

数据标准管理规范具有以下特点：

（1）规范性：应该做什么，如何去做。

（2）强制性：自上而下，管理规范对全体员工都有严格的约束，任何人不得违反。要加强管理规范的公开性和权威性。

（3）科学性：管理规范是企业所有人员的行为准则，它既不能模棱两可，更不能相互矛盾，必须保证其准确、齐全、统一。

（4）相对稳定性：在一定时期内管理规范一经批准就必须要保持相对稳定，不能朝令夕改，让人无所适从。

（5）可行性：管理规范要简明扼要，通俗易懂，对流程运行活动进行明确规定，并要简便易行，便于实际操作和运行。

（五）标准规划落地

选煤厂数据标准体系建设是选煤厂自动化、智能化数据梳理部分最核心的工作，数据标准体系落地同时工作推动也最困难，涉及业务多、设备多、数据种类多。国内推进选煤厂数据标准工作失败的煤炭企业，大多止步在规划落地阶段。

有的煤炭企业引进外部厂商通过所谓的“咨询+落地”方式开展数据标准化工作，外部厂商理解的“落地”指的是建设数据标准管理平台工具，以线上系统方式而不是线下纸质方式管理维护数据标准；还有的煤炭企业则认为制定完数据标准后，与源系统进行全面差异分析并建立完整的映射关系，就算是完成数据标准落地工作了（如图4）。

图4 数据标准落地思路

真正的数据标准落地包括三种方式：

（1）设备及源系统改造。对设备及源系统的改造是数据标准落地最直接的方式，有助于控制未来数据录入的质量与准确性，但工作量与难度都较高；

（2）数据中心落标。根据数据标准要求建设数据中心（或数据仓库或数据集市），源系统数据与数据中心做好接口映射，保证传输到数据中心的数据为标准化后的数据；

（3）系统间接口改造。对设备硬件数据、系统间接口的改造也是保障交互一致性的重要方式，数据在系统间交互时将数据按照标准转换，从而保证数据的准确性与一致性。

四、结语

目前在具备一定自动化、信息化能力的选煤厂具备部分数据标准的概念及各类数据内容汇总的基础，但是由于缺乏业务问题与数据问题关联性思维或本身数据标准需求不明确，导致选煤厂各业务部门在各项业务工作中忽视了数据标准的重要性，缺乏数据标准,因此一套适用于选煤厂业务的数据标准实施方法论能够为选煤厂经营管理、生产工艺、设备维护等业务的数据分析提供标准内容制定的方法基础，能够帮助选煤厂在日常业务数据分析中判断各类数据是否全面、质量是否达标，提升选煤厂集中管理及分析使用数据的能力。