0 引言
隨著Internet的快速普及，企業在運作過程中產生了大量的事務數據，不能直接被傳統的事務處理系統所利用，而對于決策者而言，更希望通過對這些龐大雜亂的數據進行分析，深入了解企業的運營狀況，從而更好的作出決策快速應對市場變化，因此，對數據分析的需求變得日趨重要。
1 數據倉庫介紹
建立數據倉庫的目的是為了將決策分析所需要的數據與傳統的業務操作環境相分離，從而建立一種體系化的數據存儲環境，使分散的、不一致的事物數據通過加工，轉換成統一、集成的分析性數據為用戶所用。因此，正符合了為用戶和決策者提供公用的、分析性數據的訪問這一目標。
2 數據倉庫的創建
本系統中，對于汽車故障分析主要關心的是整車和零部件故障信息，因此，需要從該企業售后服務系統、配件管理系統、銷售系統等業務子系統中抽取與故障相關的信息，如故障產品區域信息、供應商信息、零部件故障信息、故障分類信息、汽車銷售信息等，并在數據倉庫中設計兩個主題，即整車故障主題和零部件故障主題。可以從以下幾個方面對故障進行分析，即對車型、車輛分總成、零部件類別和零部件區域等故障率和故障數進行統計，設計度量值為故障數、故障率及時間，月為最小粒度。在故障事實表中通過聚集能得到每個季度和每年的故障情況。根據決策者希望查詢方式設計車型、車輛、故障總成、區域維、故障、供應商、時間等維度表和從年到月的時間層次。
由于本系統使用了兩個主題，因此采用雪花型架構主題模型將主題和各個維度表聯系起來，形成了雪花型故障分析的數據倉庫架構。
完成數據倉庫構架的設計后，采用Microsoft SQL Server Integration Service(SSIS)工具實現數據從OLTP數據庫向OLAP數據庫的轉換和加載任務，由于數據來自不同的業務系統，如果存在數據錯誤、不一致或空數據等問題，還需將數據進行清洗。
3 系統OLAP設計與實現
數據倉庫是系統數據分析結構的基礎，為多維分析提供了數據支持。聯機分析處理(OLAP，online analytical processing)的多維分析提供了展示一個主題的多維屬性，它采用切片、切塊、上卷和下卷和旋轉等方式可以使用戶更靈活的對數據進行訪問，使分析人員、管理人員或決策人員以多角度、多視圖模式的方式去探察數據倉庫中的數據，已達到更深入地了解數據的目的。
3.1 多維分析結構設計 本系統采用三層的客戶，服務器結構，第一層是數據倉庫服務器，完成企業級數據一致和數據共享的工作。第二層是OLAP服務器，它將用戶的請求分解成OLAP分析的各個動作，并通過數據倉庫中的數據來完成這些動作。第三層是前端展示工具，它將0LAP服務器處理后得到的結果以用戶需要的方式直觀的展現出來。
3.2 多維立方體的創建 因為搭建好的數據倉庫中的事實表和維表是以二維表的形式存儲起來的，因此需要利用OLAP工具將這些數據多維化，以多維數據的模型構建。這樣，數據倉庫中的數據才能以用戶需要和容易理解的形式多角度、多層次的展現出來。
本系統采專門用于分析和管理多維數據集的軟件Microsoft SQL Server 2008 Analysis Services(SSAS)從數據倉庫中抽取數據，并生成多維數據集。
首先，建立數據源，選擇原來創建在數據倉庫中的事實表(根據各個主題創建的二維表，本系統為整車故障事實表和琴部件故障事實表)作為多維數據立方體的事實表。選擇相應的維度表(在數據倉庫中已建立好的維度表)作為多維數據集的維度，可以通過向導完成多維數據集的創建。
其次，物理存儲模式選擇。OLAP系統按照其存儲器的數據存儲格式可以分為多維OLAP、關系OLAP和混合型OLAP三種類型。多維OLAP(Multidimensional，MOLAP)利用專有的多維數據庫來存儲OLAP所需要分析的數據，以多維視圖方式顯示，并且能夠自動建立索引，有較好預計算能力，因此，在數據存取速度上較其他方式有一定優勢啕。本系統采用MOLAP為多維數據立方體進行物理存儲。建立整車故障多維數據集和零部件故障多維數據集。
再次，訪問多維數據集。采用微軟的ADO/MD(Active Data Object Multidimensional)對象可對多維數據集進行訪問，它是對傳統ADO對象模型的擴展，允許基于COM的應用程序通過使用OLAP的OELDB接口，從而實現對多維數據的操作。
所使用的多維表達式是MDX(Mahi-dimensional Expressions)多維表達式，它用于Analysis Service對多維數據集的檢索，與Transact-SQL語句相似，并且執行效率較高，功能強大。
與Transact-SQL語句相比，MDX表達式中也有SELECT子句，但它不是選擇語句，而是決定結果集的軸維度，MDX查詢在SELECT語句中最多可以有128個軸維度。WHERE子句也不是條件語句，而是決定了哪個維度或成員用作切片器維度。如：
①2011年四川區域發動機總成的故障數和故障率的切塊分析的MDX語句：
由此可見，與SQL查詢語言相比，MDX查詢語言要筒潔明晰得多，而且查詢速度快。
4 多維數據集前端展示的實現
本系統通過采用OWC(Microsoft Office Web Components)中的PivotTable Service(數據透視表服務)來實現對多維數據集的數據展示。PivotTable是OWC組件內的數據透視表控件，它不僅可以實現通過自定義解決方案生成的曲線和圖表等，也可以利用它在瀏覽器中顯示和處理數據。只需要連接OLAP服務器上的數據立方體即可使用戶在Internet Explorer上進行相應的數據鉆取等操作。
5 本章小結
本文主要介紹了數據倉庫和OLAP技術在汽車故障分析系統中的應用，并得以實現。通過實例說明該技術能夠使企業管理用戶和決策者達到更方便、快捷的了解本企業故障信息的目的。
核心關注：拓步ERP系統平臺是覆蓋了眾多的業務領域、行業應用，蘊涵了豐富的ERP管理思想，集成了ERP軟件業務管理理念，功能涉及供應鏈、成本、制造、CRM、HR等眾多業務領域的管理，全面涵蓋了企業關注ERP管理系統的核心領域，是眾多中小企業信息化建設首選的ERP管理軟件信賴品牌。
轉載請注明出處：拓步ERP資訊網http://www.guhuozai8.cn/
本文網址：http://www.guhuozai8.cn/html/consultation/1083938068.html
相關文章
