数据管理目标

一、数据管理目标

制造执行数据管理是MES系统管理的重要内容，通过丰富的数据采集手段，对制造执行的全过程进行全面的数据采集，然后通过数据关联机制对采集上来的数据进行高效的管理。通过对制造执行数据的实时监控和有效处理，可以增加制造执行过程的透明性和可控性，可以极大地提高生产效率。

为了实现对采集的数据的有效存储以及存储数据的高效处理，制造执行数据的管理必须满足以下几点要求。

（1）数据组织结构清晰。数据组织结构清晰有利于数据的高效存储与快速处理，并且有利于以后的数据扩展。对于结构化数据与非结构化数据并存的数据管理要求，清晰的数据组织结构就显得更加必要。首先，在存储方面，清晰的数据结构可以使得采集上来的数据更快地对号入座，减少数据存储所用的时间，提高数据采集的效率，使得数据采集的实时性、精确性更强。其次，在数据处理方面，清晰的数据结构可以使数据处理的时候能够更快地定位到需要的数据，减少数据检索所用的时间，提高数据处理的效率，实现数据处理的快速响应。

（2）数据冗余度小。数据冗余是一个数据集合中重复的数据。冗余的数据不仅会增加系统存储的负担，而且会增加系统数据维护的难度。过多的冗余数据将会使数据处理的逻辑过于复杂，增加数据处理的时间，同时也有可能造成信息处理结果的不正确。所以在数据存储的时候，一定要坚持一个原则就是一份数据只保存在一个地方，其他地方在每次需要这个数据的时候都从这个数据源头通过关联关系去获取。

（3）数据处理响应速度快。由于生产现场情况实时发生变化，MES系统必须具备快速的反应能力，对生产现场的快速变化做出反应，这其中最重要的一点要求就是系统具备快速的数据处理响应速度。快速的数据处理建立在清晰的数据组织结构与优化的数据处理逻辑之上。在数据采集完成之后，通过清晰的数据组织结构快速地完成存储；在提取数据进行处理的时候，通过优化的数据处理逻辑结构提高数据处理的速度。

二、数据组织建模

MES作为面向车间的支撑信息化系统，通过统一的数据管理模型、高效的数据存储和处理机制实现对制造执行数据的有效管理。制造执行数据管理很重要的前提是统一数据模型的建立，通过对制造执行业务流程的分析，对整个业务数据单元进行单元化划分，然后按照数据单元之间的关联关系建立涵盖所有数据单元的关联约束模型。

1.面向关联的分类数据单元模型

针对制造执行过程数据种类繁多的特点，通过对数据进行分类处理的方式可以清理数据之间的关系，为建立清晰的数据结构模型打下基础。分析整个制造执行过程，可以发现制造执行过程中涉及的元素都是可以划分的一个个数据实体，不管是业务环节，还是业务环节中输入的资源。根据这一发现，按照面向对象的原理对制造执行过程中涉及的元素进行对象构建，然后在元素对象的基础上就可以很容易地对制造执行中的数据进行单元划分。

数据组织建模

分析制造执行的全过程，可以将制造执行过程涉及的元素对象包括人员、设备、订单、工艺、物料、刀具夹具等构成数据实体，然后再将数据实体归类组成数据单元。详细的数据实体与数据单元分类如表2－11所示。

表2-11　详细的数据实体与数据单元分类

（1）基础数据是生产开始之前就必须维护在MES中的一类数据，在制造执行的过程中如果需要这些数据就直接从基础数据中引用。基础数据包括人员、设备、工种、设备组、班组等数据，其中设备组是对设备的进一步分类管理，班组是对人员的进一步分类管理。

（2）订单是制造执行的核心，订单存在一定的组织结构，比如“型号—批号—工号—订单”。同时，订单也会根据生产的需要进行分批处理，在订单下生成更小单位的执行批次。调度人员根据订单任务信息编制订单调度计划，包括为订单工序指定设备和工人并指定生产周期和开始时间以控制生产进度。

（3）工艺数据单元包含了所有生产需要的工艺相关的信息，包括结构化的工艺路线、详细的工艺文件、工序工时以及订单生产准备信息。结构化的工艺路线是执行和监控的基础，同时调度员在编制调度计划安排的时候也是以工艺路线为依据的。订单生产准备信息为面向订单工序的物料、刀具、量具、工装等准备信息。

（4）执行监控数据单元是与其他数据单元关联最密切的一个单元，因为这个单元中的数据是制造执行过程中最集中的体现，并且实时性最强。执行监控单元中包括订单执行进度数据、物流周转数据、工票数据、随批单数据以及执行小批次数据。订单执行进行数据与物流周转数据时刻反映着车间生产现场的情况，是车间计划人员了解制造执行情况的重要依据。工票与随批单是制造执行过程中产生的重要表单，这些表单数据随着制造执行过程的不断流转而不断更新。执行小批次是订单及其执行批次下面向制造执行过程的任务单元，记录着制造执行的详细过程，执行小批次是为了解决流程和离散混合生产模式下的物料周转控制问题。

（5）质检数据单元包括了所有的与质量检验相关的数据，包括质量检验中可能会涉及的自检、互检、专检流程所产生的数据以及专检过程中产生的质检小批次数据。质检小批次与执行小批次一样是过程数据，记录着质量检验的详细过程。

（6）资源器具数据单元包括了车间生产中除去设备之外的制造资源，这些制造资源的管理可以根据车间具体的管理精细化程度进行控制。如果车间需要对制造资源和制造执行过程进行精细化的管理就可以通过完善资源器具数据单元的数据来实现，如果车间不需要精细化的控制，这部分数据的缺失也不会影响到其他的数据单元。

2.复杂制造执行过程的数据关联约束模型(www.daowen.com)

制造执行数据不仅种类繁多，数据与数据之间的关系也错综复杂。通过对制造执行过程中的数据实体的分析建立了分类数据单元，数据单元之间由于复杂的引用关系形成一个完整的数据网络。根据数据单元模型及其引用关系得出的完整制造执行数据关联约束模型如图2－46所示。

分析制造执行数据关联约束模型，可以发现数据单元与单元之间存在关联约束，同时数据单元内部的数据实体之间也存在约束关系。所有的数据单元组合在一起构成了完整的制造执行数据集，在数据集内部存在约束控制。同时从制造执行过程全局控制的角度，MES为了更方便地对制造执行过程变量进行控制，通过全局配置的方式向数据集输入配置变量，以达到全局控制的目的。具体的约束分类如下。

（1）全局数据约束。全局数据约束是MES为了更方便地控制制造执行的过程，通过系统配置的方式，向制造执行数据输入变量控制，以达到从全局的角度控制制造执行过程的目的。这些系统配置包括制造执行业务流程环节的配置、人员角色权限的配置等。通过全局系统配置，可以使MES系统在不需要重新开发的情况下适应业务需求的变化，实现快速响应。全局约束是一种单向约束，约束只能从系统向数据集发出，而数据集反过来不会对系统配置造成影响。

图2-46　制造执行数据关联约束模型

（2）纵向数据约束。纵向数据约束是数据单元与数据单元之间由于数据引用关联而产生的约束关系。由于一个数据单元可以引用多个数据单元的数据，所有纵向约束在约束范围上存在一个一对多的关系，既一个下游数据单元可与多个上游数据单元之间存在约束，同时多个数据单元也可以引用一个数据单元的数据；所有纵向约束在约束范围上也存在多对一的关系，即多个下游数据单元可与一个上游数据单元之间存在约束。纵向约束是一种双向约束，只要下游数据单元与上游数据单元之间存在约束关系，下游数据单元的数据变化会引起上游数据单元的数据变化，同时上游数据单元的变化也会引起下游数据单元的数据变化。

（3）横向数据约束。横向数据约束是同一个数据单元中的数据实体与数据实体之间由于数据引用关联而产生的约束关系。由于一个数据实体可以引用多个数据实体的数据，所有横向约束在约束范围上存在一个一对多的关系，即一个下游的数据实体与多个上游的数据实体之间存在约束；同时多个数据实体也可以引用一个数据实体的数据，所有横向约束在约束方位上也存在多对一的关系，即多个下游数据实体与一个上游数据实体之间存在约束。横向约束是一种双向约束，只要下游数据实体与上游数据实体之间存在约束关系，下游数据实体的数据变化会引起上游数据的数据变化，同时上游数据实体的变化也会引起下游数据实体的数据变化。

数据处理机制

三、数据处理机制

随着制造执行过程的不断展开，制造执行数据在不断地发生变化，这些变化通过数据之间的约束关系将会引起其他关联数据的变化。同时由于制造执行过程中的数据关系并不是简单的线性约束关系，而是通过各种各样的相互引用形成的复杂约束网络，这时候，一个数据的变化将会通过约束网络引起巨大的连锁反应，如果不能很好地处理这种数据变化将可能对MES运行的稳定性产生严重的影响。所以分析制造执行过程中的数据处理机制，对MES的稳定运行具有重要的意义。

1.过程驱动的数据响应处理原则

制造执行数据集是一个整体，是制造执行全过程的数据组织和再现。按照制造执行的业务流程，制造执行一步步展开，同时制造执行数据也逐渐丰富。由于制造执行过程数据具有复杂关联约束关系的特点，在处理数据驱动源引起的数据变化时，如果简单地按照数据约束关系进行数据响应，将可能会出现数据处理困难或者数据无法处理的问题，比如由于约束范围过大导致数据变化的影响范围太大。针对数据响应处理的时候可能会遇到的问题，必须确立以下数据响应处理的原则。

（1）提高系统的稳定性。制造执行数据之间具有复杂的呈网络状的约束关系，数据的约束有可能通过约束网络传导并返回自身形成循环约束，即一个数据的变化可能会引起自身进一步的变化并循环往复，进而影响整个MES系统运行的稳定性。针对这种情况，需要建立一种循环约束判断机制，如果数据处理出现了循环响应，就设置循环响应的终止条件，并根据终止条件适时退出循环，保证系统的稳定性。

（2）保证数据状态的统一性。数据驱动引起的数据变化通过约束网络将会引起多个数据的响应，并且由于数据之间约束的存在，MES系统总是只能一个一个地完成数据处理进而完成整个数据驱动的响应处理。但是如果其中某一项数据的处理失败，将会打断整个数据处理过程并破坏数据之间的约束关系。针对这种情况，需要将整个数据驱动的响应过程放置到一个事务中进行处理，如果事务中的一项数据操作失败就对已完成的数据操作进行回滚，使所有数据恢复到处理之前的状态，保证数据状态的统一。

（3）保证数据记录的完整性。对于存在复杂关联的大数据，删除数据的过程往往涉及多个数据的删除操作。在进行数据删除的时候也必须应用上面提到的事务处理机制，同时不能通过物理删除的方式将数据记录删除，而必须采用逻辑删除的方式。由于复杂约束的存在，删除数据的过程具有严格的顺序要求，如果约束处理方式不当或者数据删除处理不完全将会破坏整个系统数据的完整性。采用逻辑删除的方式，可以通过标示数据的状态实现数据的逻辑删除，这样不会由于约束处理不当而导致数据冲突和数据缺失。

2.分类模块化数据响应处理技术

通过对制造执行数据关联约束模型的构建以及数据驱动源的分析，建立数据驱动源对数据关联约束模型的驱动关系，然后按照约束模型以分类模块化的数据单元为单位完成对数据驱动的层层响应处理，最终实现数据的驱动响应处理。数据驱动源与数据关联约束模型的数据驱动关系如图2－47所示。

图2-47　数据驱动源与数据关联约束模型的数据驱动关系

在订单计划层的数据驱动源头包括订单的创建、订单的更新、订单的撤销、订单的任务分配、订单分批、订单下发。订单创建、订单更新、订单任务分配、订单分批、订单下发将会引起订单数据的变化，订单的撤销将会引起订单数据单元、工艺数据单元、执行监控数据单元、质检数据单元、资源器具数据单元的变化。然后通过数据单元之间的引用关系进一步确定其他数据单元的变化。

在工艺技术准备层的数据驱动源头包括工艺任务分配、工艺路线创建、工艺路线更改、工时更改、生产准备。工艺任务分配、工艺路线创建将会引起工艺数据单元的变化，工艺路线更改将会引起工艺数据单元、执行监控数据单元、质检数据单元、资源器具数据单元的变化，工时更改将会引起工艺数据单元、订单数据单元、执行监控数据单元、质检数据单元的数据变化，生产准备将会引起工艺数据单元、执行监控数据单元、资源器具数据单元的变化。然后通过数据单元之间的引用关系进一步确定其他数据单元的变化。

在生产计划执行层的数据驱动源头包括执行小批次创建、报开完工、交检、质量检验。执行小批次创建，交检将会引起执行监控数据单元、质检数据单元的变化，报开完工将会引起订单数据单元、执行监控数据单元的变化，质量检验将会引起质检数据单元的变化。然后通过数据单元之间的引用关系进一步确定其他数据单元的变化。

在物料资源周转层的数据驱动源头包括资源采购、资源出入库、资源现场确认、资源损毁。资源采购、资源损毁将会引起资源器具数据单元的变化，资源出入库、资源现场确认将会引起订单数据单元、工艺数据单元、执行监控数据单元的变化。然后通过数据单元之间的引用关系进一步确定其他数据单元的变化。