多维数据分析是什么

多维数据分析基于数据库或数据仓库，其最终数据来自底层数据库系统。多维数据分析更适合基于数据仓库的数据分析和处理。本文结合生产领域中重要的效率评价指标OEE，研究如何运用多维的思路和方法进行分析。

多维数据分析基于数据库或数据仓库，其最终数据来自底层数据库系统。多维数据分析更适合基于数据仓库的数据分析和处理。本文结合生产领域中重要的效率评价指标OEE，研究如何运用多维的思路和方法进行分析。

总结

20世纪90年代以后，随着全面生产维护的发展，设备综合效能(OEE)作为衡量设备效率的指标在全面生产维护中得到了广泛的应用，并取得了显著的效果。Factorytalk、OEE、Toolkit等OEE分析软件得到广泛应用，OEE分析模块被引入到国内外各种MES系统中。

但是，无论是OEE分析软件还是带有OEE分析模块的MES，都有以下缺点:1)成本高；2)更高的开发要求；3)使用中存在一些问题。此外，使用常规的通用统计分析软件可以降低成本，但对于海量的OEE数据，很难高效、准确地得到结果。

此外，在当前的数据分析领域，多维数据分析作为一种新技术得到了广泛的重视。以多维数据分析和OLAP(在线分析处理)为平台，延伸到数据挖掘领域，综合分析数据系统在人口信息、石油生产、医院信息等方面的数据分析中发挥了积极作用。但是针对生产领域OEE的数据分析，多维数据应用的例子很少。

结合现有OEE分析系统的特点和多维数据分析的基本思想，提出了一种开发简单、使用方便的基于OEE的多维数据分析系统。

海量工程环境评价数据多维处理的必要性

OEE的基本计算方法

OEE用来解释实际生产能力与理论生产能力的比值，它准确地告诉管理者设备的效率有多高，生产的哪个环节有多大的损失，能有什么针对性的改进。

OEE的计算公式为:OEE =时间启动率×性能启动率×合格产品率×100%。

其中，时间启动率=实际工作时间/计划工作时间；性能启动率=理想周期时间/(工作时间/总产出)=(总产出/工作时间)/生产率；合格产品率=合格产品/总产量。

大规模生产数据分析中的问题

企业的生产经营活动会产生大量的数据，这些数据可以为企业的生产活动提供有效的指导信息。但是，在一定程度上，这些数据也会给自己的分析造成困难。对于包含大量信息的数据，常规方法通常不能达到理想的效果。阻碍海量数据的自身分析。主要表现在以下三个方面。

1)处理大量时间序列生成的数据需要很长时间。

2)常规方法分析各种数据产生的大量信息的灵活性在很多方面都不理想。

3)生产系统中不确定因素的负面影响。

基于多维数据处理的OEE分析的基本思路

多维数据处理方法的基本思想:多维数据分析是一种新的数据分析方法。该方法从多个角度，即多维度观察和分析数据。多维分析是指通过切片、切割、聚合、钻孔、旋转等方式分析以多维形式组织的数据。，以便对数据进行分析，让用户可以从多维度、多侧面、多数据集成的角度来查看数据，从而深入了解数据所包含的信息和内涵。

生产数据的多维处理方法:对于生产中各种数量大、信息维度多的数据，用多维数据处理的思想进行分析和排序，有助于提高分析的效率和质量。

在生产记录数据表单中，有多种类型的数据，可以分为六类:时间数据、产品数据、生产组织数据、过程数据、生产信息数据和衍生数据，其中前五种数据是报表中包含的数据，而衍生数据是从现有数据经过计算得到的数据。

根据这六类数据，报表中的数据可以分为六个维度。在每个维度的基础上，根据实际记录的数据，可以分为不同层次的子维度。

在维度划分和层次划分的基础上，可以对数据进行多维、多层次的子维度分析。根据多维数据分析的基本思路和OEE数据分析的基本要求，操作定义如下。

1)裁剪:裁剪是传统多维数据中裁剪和切片的集成操作。在OEE的数据分析中，选择包含OEE信息子维度的数据和其他维度的数据进行分析。所选数据必须至少有2个或更多子维度，更常见的是3个或更多。

2)钻井:钻井作业主要应用于输出，分为上钻和下钻。当切割完成，分析数据输出时，需要对数据进行宏观分析，所以采用钻孔的方法，即自下而上的总结。而钻井恰恰相反，是对数据进行详细分析。

3)旋转:旋转是改变所选维度的位置，使数据在输出过程中可以从不同角度进行分析。

OEE多维数据分析系统的设计思路

OEE多维数据分析系统的基本结构

在OEE多维数据分析系统中，有两种基本结构:一种是data 空系统；另一个是处理流程系统。

至于data 空之间的系统，当从系统外部输入数据时，会存储在data 空之间的系统中。必要时，在空中调用数据，为被调用的数据提供存储和计算的场所。从输入到输出的数据在空中进行。数据输出是将需要的数据经过处理后通过data 空系统输出到系统外部。

就处理流程系统而言，数据处理的所有操作规则都是内部定义的。在处理流程系统中，规定了如何输入、分析和输出数据的规则。对于OEE分析系统的多维数据处理，处理流程系统也建立了严格的流程，保证数据分析各个环节的顺利进行。

数据之间的架构空

在data 空系统中，分为数据存储和操作场所三个层次。自下而上依次是原始层、标准层和应用层。

原始层是原始数据输入系统后存储的地方。当外部数据输入系统时，所有数据都作为原始数据存储在输入层，系统不会定义和更改输入层的原始数据。

标准层是从原始层中提取与分析相关的数据，并按维度进行排序和划分后存储的地方，也是存储和定位各种数据的地方。标准层有三个子层:存储子层、定位子层和映射子层。存储子层存储从原始层导入的数据。在存储子层中，所有数据根据前述维度及其内部子维度定义在相应的类别中。定位子层指的是数据的定义信息，根据不同的维度及其下的子维度，存储子层中各种数据的位置。当有需要提取的数据时，通过定位信息找到并提取需要的数据。映射子层是根据每次数据抽取的要求，将所需数据的维度和对应的子维度进行排序，并在其中列出这些维度和对应的子维度。其功能是通过在搜索和定位子层中定位这些子维度，将所需维度的数据映射到应用层。

应用层是接收和分析映射数据的地方。接收到标准层传来的数据后，按照输出要求对数据进行分析处理，完成分析处理后从OEE多维数据分析系统输出结果。

OEE分析系统多维数据处理流程

根据OEE数据分析的特点和数据输出方便直观的要求，将OEE数据处理的全过程分为输入环节、处理环节、输出准备环节和输出环节四个主要处理环节。

1.链接和输出链接工作模式

输入链接是将数据从外部导入系统数据原始层的通道。在输出环节，将数据应用层的数据分析结果以表格或图表的形式呈现给用户，直观的呈现OEE及相关数据。另外，输出环节输出结果后，用户还可以根据具体需要对系统提出钻转要求，让输出准备环节根据反馈要求对数据进行钻转，然后再输出数据。

2.加工环节工作模式

处理层的功能是从原始数据层提取输入数据，进行预处理，并将预处理后的数据导入数据标准层，从而高效、正确地进行后续工作。预处理分为三个步骤:数据预计算、异常去除和维度整理。

预计将从原始图层中提取数据。导出数据根据OEE计算公式和其他计算规则进行计算。去错是指经过预先计算，结合计算结果和导入的原始数据，筛选出对后期数据分析有影响的个别点的异常数据。

维度整理是根据数据在系统中所表达的各种信息，在剔除异常数据后，在已有数据中标记出反映这些信息的数据，并根据之前生产数据的划分规则，根据每个维度与其下各层级子维度的关系。标记的数据应按照标准维度层次顺序导入数据标准层。

加工环节有两个目的:一是为后期切割钻孔工作提供源数据；就是避免一些无用的数据进入到后期的分析活动中，增加分析的复杂性。

3.输出准备环节的工作模式

输出准备是对最终结果输出的数据准备，是连接标准层数据、应用层数据和输出数据的桥梁。它在输出准备中主要起三个作用，即提取、排序和反馈处理。

提取其实就是在标准层将维度好的数据进行划分，在多维数据处理中根据输出需求进行裁剪选择，导入到应用层。整理是根据输出要求对应用层的数据进行统计分析，从而输出直观的数据。

反馈是在输出完成后，根据用户的要求对输出数据进行再处理。反馈处理包括两个方面:一是多维数据分析中的旋转；另一个是多维数据分析的演练。

输出准备在整个系统中有三个功能:一是通过切割提取所需的尺寸数据，以备后期分析；二是对提取的数据进行相应的统计计算，供后期分析；三是实现输出层的反馈要求，钻取维度数据。