一种建材行业数据管理方法与流程

计算;推算;计数设备的制造及其应用技术1.本发明涉及建材行业数据管理技术领域，具体涉及一种建材行业数据管理方法。背景技术：2.建材行业是我国重要的材料工业，是发展现代工业、农业、国防和科学技术不可缺少的基础材料,被广泛应用于建筑、军工、环保、高新技术产业和人民生活等领域。建材产品主要包括水泥、平板玻璃、建筑卫生陶瓷、石材和墙体材料等，而这些材料的产量多年居世界第一位。3.面对如此庞大的生产规模和材料种类，可想而知，在市场中面对每种材料的生产流程都五花八门，自然在对每个生产环节的管理上也大不相同，从而产生大量的行业数据。而现目前，建材行业的管理数据几乎都来自于单个生产厂商内部的管理系统，然后从每个管理系统中产生的数据进行管理和统计。这就导致在市场如此庞大的生产规模情况下，形成的行业数据非常多而杂，就算汇聚在一起也很不规范，使得数据稳定性差，数据可靠性极低。同时在统计数据时会含有大量重复甚至无效的数据，无法作为行业数据分析的有效数据基础。4.因此，针对建材行业数据不规范，无法为建材行业提供有效数据基础的问题，现在需要提供一种建材行业数据管理方法。技术实现要素：5.本发明意在提供一种建材行业数据管理方法，解决建材行业管理数据散乱不规范的问题。6.为达到上述目的，本发明采用如下技术方案：7.本发明用于构建一种建材行业数据管理指标体系，具体为一种建材行业数据管理方法，包括以下步骤：8.步骤一，按照产品对象种类，对建材行业内的所有原始数据进行分类，形成多个数据对象；9.步骤二，在每个数据对象内按照立方建立规则建立至少一个对象数据立方；10.步骤三，按照预设关联方式，在多个数据对象内，将相应的对象数据立方建立彼此关联的映射关系，形成具有追溯逻辑的立方体组合，所述立方体组合为数据立方群；11.步骤四，将数据立方群按照输入需求通过多种形式构建形成决策。12.本方案的原理及优点是：13.本方案中将行业内原始数据按照产品对象种类划分建立不同的数据对象，以将大量行业初始数据进行初步分类；在数据对象内建立对象数据立方，形成数据对象内的数据关联性，对数据进行规范管理；并将对象数据立方之间建立彼此关联的映射关系，形成可追溯的数据立方群，根据数据立方群构建数据分析决策，使数据更有效，建立更稳定安全的数据指标体系。14.值得说明的是，在建材行业规模如此庞大的环境下，行业内的数据管理种类多而杂乱，要形成统一有效的数据管理库存在难度，同时现有的数据库还会存在大量重复和无效的数据，导致数据非常不稳定，数据安全性降低，无法保证数据有效性，因此数据库中数据无法作为行业发展评判标准而成为有用的数据库，并且也非常消耗资源。因此，本方案将数据进行多层归类和划分，保证数据完善的同时确保数据信息准确有效不冗余。同时通过数据关联形成数据立方，搭建行业数据关系网，提供有效可靠的行业数据指标，进一步确保数据的安全和稳定性。15.优选的，作为一种改进，所述对象数据立方包括多个数据主题，所述数据主题之间按照立方建立规则建立形成对象数据立方。将数据对象按照数据主题进行分类，更贴合行业数据对象属性，提升数据可靠性。将数据主题之间建立关联，使对象数据立方更安全和稳定，也使形成的对象数据立方更直观和系统化，数据管理规范合理，具有可追溯性。16.优选的，作为一种改进，所述数据主题包括通用数据主题和专用数据主题。根据行业内产品对象不同，每个生产环节中都会存在具有差别或非必要性的环节，此时针对这种情况建立通用数据主题和专用数据主题，规范数据分类管理，使数据能够精准匹配，提高数据精准度和全面性，又能节省数据容量，减少不必要的数据内存，简化运算量。17.优选的，作为一种改进，所述数据主题按照行业内生产环节项进行分类；所述通用数据主题为在生产环节中使用频率达到60％以上的生产环节项构成的通用数据主题；所述专用数据主题为在生产环节中根据产品性质特有的生产环节项构成的专用数据主题。将数据主题按照产品对象生产环节项因素进行分类，可以满足行业中大多数生产管理需求，同时也最贴合实际生产，简化管理数据，便于理解和使用。所述通用数据主题采用生产环节中使用频率达到60％以上的生产环节(如生产、采购、质检等)，构建通用数据主题便于管理和调用，可通用于行业内所有数据对象管理，简化管理流程。同时针对产品性质设立专用数据主题(如安全、环保、防爆等)，可根据需求进行调用和增减，提升数据管理灵活性，使用更加便捷。18.优选的，作为一种改进，所述立方建立规则为根据数据主题的数据时间范围、数据内容以及数据显示形式构成的关联关系。将数据主题按照数据时间范围进行关联，构建数据在时间上的关联性，使数据具有及时性和时间性，提升数据在时间上的规范化和有效性。所述数据内容按照生产环节项之间的紧密关系建立关联性，保证数据主题之间关联的有效性，加强数据稳定性，避免数据间关联混乱产生错误的数据影响，从而使数据决策不准确。所述数据显示形式按照数据性质和使用需求(如线性、图表、对比等)进行关联，提高数据管理效率，便于查看和调用，使数据管理更直观。19.优选的，作为一种改进，所述预设关联方式为按照营销活动环节之间形成的关联度，将相应的所述对象数据立方建立映射关系，形成数据立方群。将对象数据立方按照营销活动环节(如生产、销售、采购等)建立关联，更贴合实际生产管理流程，使数据管理流程清晰，实用性更强。同时可根据对营销活动环节的使用需求，增加或减少对象数据立方，使数据立方群更规范精准，使用效益更高。20.优选的，作为一种改进，所述预设关联方式还包括将所述对象数据立方按照关联度等级形成映射关系，所述关联度等级为根据行业中施工顺序和场景需求进行设定。因为产品对象的不同，在施工时会有先后顺序，同时因为产品对象所使用的环境、场景等不同，有时并不需要某些产品对象，因此会存在需求上的关联度等级。若将所有数据对象进行平级关联管理，对数据对象没有区分，使数据对象之间相互产生平级影响，而降低数据准确性，从而降低数据指标体系的可靠性。同时也会存在一些当前无用的数据，而对这部分数据进行同样的管理会增加数据管理的运算量，增加数据管理负担，同时也占用资源形成资源浪费，降低数据管理效率。21.优选的，作为一种改进，在形成的所述数据立方群中，根据输入需求调用多个形成关联的对象数据立方，形成可追溯的决策数据立方。在建立了规范的具有可追溯的决策数据立方后，直接根据使用需求进行调用，使用简单方便，同时保证数据的稳定性和有效性，提升数据决策的可靠性。22.优选的，作为一种改进，所述多种形式构建形成决策为将形成的决策数据立方按照输入需求通过拆分或组合的形式构建形成决策。根据输入需求可对决策数据立方进行拆分或组合构建出多个针对不同对象、不同生产环节项的决策建议，使用更加灵活，实用性更强，为行业内数据提供系统、稳定、规范、有效的数据管理基础。23.优选的，作为一种改进，所述方法还包括从多个终端进行数据采集，并将采集后的数据按照数据存储要求进行清洗。通过多终端采集数据，确保数据的及时性和全面性，保证数据来源的真实性。同时根据存储要求对采集的数据进行清洗，除去冗余数据和无效数据，确保数据的有效性和精准度，也有效控制数据量，避免运算量过载。附图说明24.图1为本发明实施例的结构示意图。具体实施方式25.下面通过具体实施方式进一步详细说明：26.实施例基本如附图1所示：27.一种建材行业数据管理方法，用于建立建材行业规范管理数据指标体系，确保建材行业数据管理规范化。具体方法包括将建材行业中原始数据按照产品对象种类进行分类，如根据产品水泥、玻璃、涂料等不同对象进行分类，建立不同的数据对象。在每个数据对象中根据输入需求从多个终端同时采集数据，如根据输入需求包括采集对象、采集时间、采集范围、采集内容、采集指标等，在水泥产品对象中分别同时接入多个终端对原料采购数据、水泥销售数据、水泥年使用量等数据进行采集。28.具体的，数据采集采用dcs系统分别接入多个终端进行数据采集，如可接入电表数据、自动化验室数据、智能网关数据、装备数据、oa系统数据和erp系统数据。用户根据实际需求对采集数据种类进行选择接入，如选择自动化验室数据、智能网关数据和装备数据，系统根据设定的要求对数据进行实时全面的采集并将采集后的数据汇集融合，完成数据集成。若用户想在增加其他类型数据，可直接进行添加，系统将对新增加的数据进行新一轮采集汇集，最终将所有数据进行融合，实现可扩展的数据集成。29.将采集数据汇集融合后按照设定的数据存储要求对数据进行清洗，去除错误和冗余数据。具体的，对融合后的数据进行清洗时，按照mpp(大规模并行处理)数据库动态扩展方式对数据中的错误和冗余数据进行清除，并根据数据来源对数据关键词进行标记。将融合的数据清洗、标记等请求均匀分散到存储pb级别的数据仓库上，同时充分利用系统中所有的资源，并行地处理请求。该方式将数据打散并存储到不同的计算节点上，可以智能地组建流水线执行计划，提升节点间并行处理能力，优化数据清洗能力保证数据安全性，提升数据管理稳定性。30.对清洗后的数据根据数据来源提取关键词，如提取数据时间、数据内容、数据格式等，对数据关键词属性进行标记。具体的，数据关键词属性按照生产环节项进行划分，如将数据内容按照生产、质量、销售等环节进行标记，并根据标记对数据进行分类，形成相应的数据主题(如生产主题、质量主题、销售主题)，具体可采用数据计算等方式形成对象内数据主题，完成数据主题的构建。以此减少数据主题划分的运算量，节约系统算力，使系统运算效率更高，划分更精准高效。31.将数据主题中生产环节项使用频率达到60％以上的分为通用数据主题，具体可采用大数据算法进行统计，如在行业内统计抓取出生产、采购、销售、质检为生产环节项中使用频率达到90％，则此类主题为通用数据主题。将生产环节中由于产品性质特有的数据设为专用数据主题，如在玻璃类的生产环节中需要对玻璃类的抗冲击性进行质检，而相对其他的产品如水泥、涂料、石砖等不需要此项质检环节，此时针对玻璃的抗冲击性质检主题即为专用数据主题。32.将数据主题按照立方建立规则建立对象数据立方，具体为，提取数据主题中关键词的关键词字段，如数据时间、数据内容、数据显示形式，通过关键词字段对数据主题进行关联，如将数据主题之间按照数据时间、内容以及数据显示形式(如图片、线性、表格等)进行关联，从而构建对象数据立方。33.将对象数据立方按照预设关联方式形成数据立方群，具体为在对象数据立方之间按照实际需求的营销活动环节如生产、研发、采购、质检等环节进行关联，如某些营销活动环节中不涉及研发环节，则研发主题较生产主题与采购主题的关联等级就较低。同时根据对象间施工顺序、场景需求等建立关联等级，如对建筑内的施工过程中需要先搭钢筋、铺水泥、刮腻子、防水涂料、铺砖、填缝等，则会涉及到钢筋、水泥、腻子、涂料、砖、填缝料等对象，根据施工顺序，依次按照钢筋-水泥-腻子-涂料-砖-填缝料的顺序建立关联等级。34.而根据场景需求，如对建筑外墙的施工中需要加强防晒、防老化、防水等性能，则在施工中需要关联的对象数据立方为防水涂料数据、卷材数据、沥青数据、瓷砖数据、玻璃数据等；而如对路面交通的施工场景中需要关联的对象数据立方则为水泥数据、钢材数据、石材数据、木材数据等。根据场景需求将对象数据立方进行关联，以形成需求度高且有效的数据立方群，从而构建稳定可靠的数据指标体系。具体的，施工顺序以及场景需求可采用大数据算法构建数据在每个维度上的关联等级，并通过深度学习框架不断更新数据关联等级，从而建立完善规范的行业数据指标体系，确保数据全面及时。35.在形成的数据立方群中根据输入需求如想要查看水泥对象的生产和销售情况，以及木材对象的年生产情况时，输入水泥和木材相关信息，以调用多个关联的对象数据立方，如调用水泥数据立方和木材数据立方，形成如在水泥和木材对象中的可追溯的决策数据立方，按照输入需求通过拆分或组合决策数据立方形成决策，从而构建出规范有效的数据指标体系，保证数据安全稳定。36.具体实施过程如下：37.实施例一：38.本行业水泥生产厂用户a想要对行业内水泥生产情况、质量指标情况、工序电耗情况以及销售完成情况进行数据统计和分析，便于作为决策分析基础。用户a首先将采集数据源接入设置为生产管理、全自动化验室、智能电表、oa销售管理，系统根据接入点采用dcs系统将自动对设置的多种数据进行多终端采集并汇集融合。然后，系统自动对融合后的数据按照 mpp数据库动态扩展方式进行清洗，去除错误和冗余数据，并将数据按照数据来源进行关键词标记，如对从智能电表终端采集到的数据进行数据生成时间、用电量、负荷量、高峰时段等进行关键词提取并进行标记。对关键词中多个字段如对用电量中月度用电量、季度用电量、年度用电量、地区用电量等按照时间或地区属性进行压缩后形成关键词属性字段，并将字段根据数据时间、数据内容和显示形式进行分类形成数据主题。在本实施例中，清洗后的数据根据属性将分为生产主题数据、质量主题数据、电耗主题数据、用量主题数据以及销售主题数据，并构成当前水泥数据立方，从而形成针对水泥的数据指标体系。基于对形成的水泥数据立方进行数据计算和统计，从而输出行业内水泥生产情况报告、质量指标分析报告、工序电耗分析报告以及销售完成情况，并将形成的数据分析报告形成记录保存，作为行业基础数据，便于调用和查看。39.同时若用户a想要分析水泥与石材之间的行业数据，并根据数据决策把控水泥市场需求。此时，用户a可再接入石材管理数据源，系统将根据营销活动环节及每个数据维度的关联等级将石材数据立方中的数据主题和水泥数据立方中的数据主题进行关联，从而构建水泥、石材的数据立方群，并根据形成的数据立方群生成分析报告，用户a可根据需要查看相关分析报告，并可对形成的分析进行数据追溯，为数据可靠性提供佐证。40.本实施例中，通过用户a设置采集数据类型，可有效保证数据贴合用户a需求，同时保证采集数据的运算量，提升数据管理分析效率，也能够保证数据采集的全面和精准。通过对数据按照数据存储标准进行清洗，优化数据清洗流程，减少清洗运算量，同时可对数据进行数据来源追溯，使数据具有可追溯性。将数据按照行业生产环节进行分类，使数据更规范，实用性更强，数据管理更具有说服力。将对象数据立方按照数据关联等级建立数据立方群，可根据实际需求任意拆分和组合，确保数据稳定性和安全性，且提升使用便捷性，使数据管理更灵活，减少数据运算内存。同时根据关联等级，数据立方群中的数据更加精准和规范，使数据管理更简单，适用性更强。41.按照惯用的行业数据分析，都是针对单个行业数据进行分析，无法做到将整个行业进行整合。因为每个行业的数据量都非常大，要想将建材行业的所有数据进行统计分析，需要非常大的运算量。同时，因为数据量大，数据格式多样，导致数据融合非常困难，无法保证数据的真实性和全面性，同时，因为数据的多样性，导致数据无法及时更新，致使得到的数据分析结果具有严重的滞后性，不利于决策分析和运用。而本方案克服了数据量大难以融合的问题，采用数据立方的形式保证了数据的全面性和稳定性，同时降低数据运算量，做到精准实时的数据统计分析。42.实施例二：43.用户b想要对涂料及玻璃两种产品的生产情况、质量指标情况、运转率与可靠性以及综合电耗情况进行数据统计和分析，便于对行业内涂料和玻璃行业情况进行分析统计。用户b 首先将采集数据源接入设置为涂料和玻璃行业中的生产管理、全自动化验室、erp管理系统、智能电表。与实施例一中不同的是，本实施例中，数据主题根据涂料和玻璃材质分为通用数据主题：生产主题数据、运维主题数据以及电耗主题数据；专用数据主题：成分检测主题数据和抗冲击主题数据，针对涂料的质量和玻璃的可靠性能进行分析。将对象中数据主题根据数据时间、数据内容及显示形式形成涂料数据立方和玻璃数据立方，在根据关联等级构建涂料数据立方和玻璃数据立方的关联形成数据立方群，从而形成涂料和玻璃的数据指标体系。通过对形成的数据立方群进行数据计算和统计，从而输出涂料及玻璃的生产情况报告、质量指标分析报告、运转率与可靠性分析报告以及综合电耗情况报告，并将形成的数据分析报告形成记录保存，作为行业基础数据，便于调用和查看。同时用户b还可根据生成的分析报告进行数据追溯，为数据可靠性提供佐证。44.本实施例中，对行业内多种对象数据按照产品性质建立通用数据主题和专用数据主题，可针对性的进行数据采集和分类管理，优化数据开发模式，减少数据管理运算量，保证数据全面精准，也避免造成资源浪费，形成多余数据，以确保系统运算更高效，从而建立全面规范的行业数据指标体系。通过多个对象数据立方拆分、结合组成适用性更强的数据立方群，提升数据分析精准性，加强行业数据管理指标体系有效性，保证数据安全稳定，同时便于行业内对数据整体管理和运用，使行业内数据更规范，更具有实用性。45.以上所述的仅是本发明的实施例，方案中公知的具体技术方案和/或特性等常识在此未作过多描述。应当指出，对于本领域的技术人员来说，在不脱离本发明技术方案的前提下，还可以作出若干变形和改进，这些也应该视为本发明的保护范围，这些都不会影响本发明实施的效果和专利的实用性。本技术要求的保护范围应当以其权利要求的内容为准，说明书中的具体实施方式等记载可以用于解释权利要求的内容。









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!