基于数据仓库的产品配置管理研究

0 引 言

    当今世界已经进入了个性化的时代，企业之间已经由传统的价格和质量的竞争越来越多地转向满足客户多样化、个性化需求能力的竞争，这就要求企业通过灵活和快速响应客户需求来实现低成本、高质量、定制化的产品和服务。产品配置设计模式是目前企业的一种主要方式，产品配置设计是指企业在标准化、系列化的基型产品基础上，按客户需求，对产品的功能，物理结构等进行调配布置，从而提供满足客户个性需求的最终产品(即配置产品)的过程。如何快速准确地反映客户需求，进行产品快速重组设计，是企业在竞争中获胜的关键。

    目前的产品配置以企业的零部件库为底层支持，以系列化的产品的相关数据作为管理对象，以产品的物料清单为核心，实现产品数据的组织、控制和管理，并在一定目标或规则约束下向用户或应用系统提供产品结构的不同视图和描述。可以发现现有的配置管理主要存在以下不足：

    1、缺少产品全部资料之间AN互关系的形象描述，使得产品各部分之间的关系无法一目了然，需要建立面向整个企业的产品数据模型。

    2、产品配置信息不准确，直接影响采购、制造和装配等部门，造成不必要损失，需要有先进配制方法。确保对产品的制造过程中，由于更改产品的不同版本进行管理，保证产品配置的正确性。

    3、市场竞争的加剧促使企业对顾客需求作出快速反应，如提供产品快速配置功能，使其能根据市场变化快速配置出新产品，或者为不同用户定制个性化产品，如何有效、全面地建立和定义产品结构之间的约束条件及决策信息是产品配置管理需要解决的问题，而目前的配置管理在这一问题不能提供有效支持。

    针对上述问题，本文提出了基于数据仓库的产品数据管理，有效解决了以上问题。

1 数据仓库在产品配置管理中的应用

    W.H.Inmon在《Building the Data warehouse》中定义数据仓库为：“数据仓库是面向主题的、集成的、随时间变化的、但信息本身相对稳定的数据集合，用以支持决策过程。”数据仓库作为一个集成的数据库，把数据从各个信息源中提取出来，按照数据仓库所用的公共数据模型进行相应变换，并与仓库中现有数据集成在一起。在数据仓库中，由于数据模型和语法等方面的差异已被消除，数据仓库可直接被访问，因此查询和分析处理都很快。

    1.1 提供完备的产品数据及准确配置信息

    传统的数据库技术是以单一的数据资源为中心，进行事务处理、批处理及决策分析等各种数据处理，主要为操作型处理。而数据仓库技术具有分析处理等特点，数据和信息从不同数据源中提取出来，然后把这些数据转换成公共的数据模型并且和数据仓库中已有的数据集成在一起，当用户操作时，需要的数据已经准备好了。因此数据不完备、数据冲突和表达不一致等问题得到了解决。

    产品配置设计是基于配置规则驱动的，如何确定配置规则配置设计的关键问题之一。在企业积累了大量的经营数据后，利用数据挖掘技术可顺利完成这一任务，通过对产品的核心组件进行层次结构化，实现产品模块化，并建立产品结构树，利用一定规则对零部件使用频度、装配关系分析，并以此为依据确立配置规则，并在数据积累下不断更新配置规则。

    1.2 提供产品配置决策支持

    产品配置几乎都是在产品改型的设计基础上进行的，产品配置结果选择就是利用联机分析处理根据配置条件对产品的各种BOM和工艺路线等进行分析比较。不同BOM的产品的加工方法不同，产品的性能价格比也不同，只要找出更改对下游生产制造所产生的影响加以分析计算就可以找到最优的可行方案。将配置管理系统中的产品结构信息传送给ERP系统，使两个系统共同对产品进行决策支持。再加上更改所产生的影响分析，对这些BOM进行比较，即可提供最优的系统设计方案。

2 产品配里数据仓库结构

    数据仓库技术具有分析处理等特点，数据和信息从不同数据提取出来，然后把这些数据转换成公共的数据模型并且和数据仓库中已有的数据集成在一起，当用户操作时，需要的数据已经准备好了。因此数据冲突和表达不一致等问题得到了解决。
    数据仓库作为一个系统，包括3个基本部分，其结构形式如图1。

图1 数据仓库总体结构

    1、数据获取：这个部分负责从外部数据源获取数据，数据被区分出来，进行拷贝或重新定义格式等处理。

    2、数据存储和管理：这一部分负责数据仓库的内部维护和管理，提供数据存储的组织、数据的维护、数据的分发及数据仓库的例行维护等，这些工作需要利用数据管理系统的功能。

    3、用户接口：属于数据仓库的前端，面向不同种类用户。

3 产品配置数据仓库系统设计

    3.1 系统分析与设计

    数据仓库系统要在一定时期内保持稳定，系统分析的组织体系和历史范围比较广泛和长远，特别是考虑到系统在数据、结构及功能等方面的扩充性。一般包括需求分析、逻辑数据模型设计和物理数据模型设计等。

    公共的数据模型也就是数据仓库中的主题，数据仓库设计也就要首先要对已确定的和潜在的需求进行充分的调研，并在此基础上确定合适的主题，然后逐个主题进行实施，划分出各主体边界范围。

    针对配置管理的特点，系统主要确立以下主题：

    产品交易，主要反映产品的销售情况，在此基础上进行多维分析，可发掘顾客需求的变化。
    产品配置，主要反映产品配置情况，在此基础上进行多维分析，可对配置管理提供决策分析支持。
    财务统计，主要反映产品财务成本状况，在此基础上进行多维分析，可发现产品盈利状况。

    对主题设计主要通过数据模型来实现，主要有星型模式和雪花模式两种，星型模式是最流行的实现数据仓库的设计结构，以产品配置主题为例，利用星型模型建立数据仓库的维表一事实表。如图所示，该模式通过使用一个包括主题的事实表和多个包括事实的非正规化描述的维度表来执行典型的决策支持查询。星型模式的中间是事实表，周围是次要的表，数据在事实表中维护，维度数据在维度表中维护。每一个维度表通过一个关键字直接与事实表关联，维度是组织数据仓库数据的分类信息，在维度表中包括每一个成员与更高层次上维度的关系。维度关键字是用于查询中心事实表数据的唯一标识符。它就像主键一样，把一个维度表与事实表中的一行链接起来，星型模式有助于提高查询性能。图2中的产品配置事实表，并包括四个维表：产生结构的产品维表、加工维表、成本维表和销售维表，通过维表的主码，对事实表和每一个维表做连接操作，一次查询就可以得到数据的值及对数据的多维描述。

    3.2 系统实施

    按照数据仓库的体系结构，完成各个部分的设计与开发，并逐渐装入历史数据，进行系统的初始化和试运行。与数据库系统相比，目前不存在数据仓库开发的专用的数据管理软件工具和框架产品。故数据仓库专家普遍认为，数据仓库不是从市场上可以买来的，而是集成各种软件工具逐步建立起来的。对装载的数据进行数据质量评估，以确保数据的可靠性。

    3.2.1 物理数据模型设计

    物理数据模型就是要在实际的数据库系统实施逻辑数据模型，并针对其特点进行优化。理想情况下，逻辑数据模型的结构可不经过很大的变动被映射到物理数据库中。

    3.2.2 数据加载

    数据加载过程如图3所示。由于数据质量差异或从源系统发送的数据不稳定，数据加载也有可能延迟。数据管理员要对装载的数据进行数据质量评估，以确保数据的可靠性。

图3 数据加载过程

    3.3 系统运行和维护

    实施阶段应以对所有特性进行综合测试作为终结。在这个阶段上，有两个问题出现的频率相当高：一个是不正确的或不一致的数据，另外一个是不够高效的查询性能。

    系统运行需要建立OLAP工具、设计报表类型、开发报表模板，同时还要有一些支持性活动，如软硬件和网络拓展、IT部门和用户的培训等。

    随着产品配置信息需求的变化、技术的变化、系统规模的变化，要使系统正常地运行，就要对系统进行不断更新维护。

4 产品数据多维分析

    数据仓库存储供查询或供决策支持的多维数据，多维数据分析是决策的主要内容，对以多维形式组织起来的数据采取切片、切块、旋转等各种分析动作，以求剖析数据，使决策者能从多角度、多侧面地观察数据库中的数据，深入地了解包含在数据中的信息、内涵。数据仓库中对多维立方体的切片和切块操作，实际上就是过滤数据。对某一维只保留单一值时，称为对该维切片，若保留连续范围的值时，即称为对该维切块，根据不同的选项可以生成不同的多维立方图，即生成各类视图。

    在产品配置系统中，BOM和工艺汇总等信息经过整理存放到数据仓库，图4中是产品立方体数据，X坐标表示产品分类，Y坐标表示产品明细表，Z坐标表示工艺路线汇总表。对图4中的多维立方体切片和切块可以生成各种BOM，如X-Y平面表示设计EBOM，而对多维立方体切片可以生成自制件的制造MBOM、外购件的采购BOM等，可以十分直观的了解配置产品的各种信息，使决策更加科学。

图4 产品多维数据

5 结束语

    产品配置是企业保持市场竞争力的重要手段和必不可少的重要环节。数据仓库技术的不断发展和完善高质量地实现了产品配置管理的目标，充分发挥了产品配置管理的作用。客户需求驱动的产品快速配置设计将成为企业赢得长期核心竞争优势的关键所在，未来产品配置的发展趋势必将以数据仓库为基石，构筑企业支持的智能化大厦。

转载：感谢您对网站平台的认可，以及对我们原创作品以及文章的青睐，非常欢迎各位朋友分享到个人站长或者朋友圈，但转载请说明文章出处。