能源化工集团企业信息化建设要满足不同应用场景，具有三种视角,总部集团管控视角、企业智能工厂视角、智慧园区集成展现视角。今天我们分享能源化工企业智能工厂视角的数据架构建设模式。数据架构设计我们从数据分布地图、数据分类、数据管控、数据平台四个维度来看待如何满足智能工厂五级建设要求的数据在哪、如何分类、如何管控、用什么管控平台？
智能工厂以卓越运营为目标，贯穿运营管理全过程，通过技术变革和管理创新，全面提升企业感知、预测、协同和分析优化能力，建成具备高度数字化、可视化、集成化和自动化的智能工厂，实现工厂状态全面感知、生产操作自动化、智能优化和科学决策。
不同于集团总部层面以战略决策、经营管控为主的统建应用不同，智能工厂企业厂级应用以生产调度为主，且按照行业专业板块划分、设备设施区别可能会在具体应用功能上有所区别。能源化工企业智能工厂应用架构总体蓝图如下：
图1能源化工企业工厂模型架构
图2智能工厂蓝图规划
自上而下包括：
1)协同层级：是企业实现其内部和外部信息互联和共享过程的层级，同样沿用总部统建系统，涉及计划预算管理的上报、下达和执行跟踪，工厂内部生产经营情况和生产绩效分析，工厂外部（集团企业总部、上下游合作伙伴）的信息共享、协调调度指挥。
2)企业层级：是实现面向企业经营管理的层级，沿用总部统建的企业人财物管理、产供销管理、综合办公等相关系统，子分公司不再自行建设。
3)车间层级：是实现面向智能工厂或智能车间的生产管理的层级，包括生产调度、操作管理、能源管理、物料管理、设备管理、工程管理、安健环管理等系统或模块。
4)单元层级：是指用于工厂内处理信息、实现监测和控制物理流程的层级，例如现场总线、DCS、PLC、APC等。
5)设备层级：是指企业利用传感器、仪器仪表、机器、装置等，实现实际物理流程并感知和操控物理流程的层级，以工业自动化、智能化物联设备为主，例如工业传感器、智能摄像头、RFID等。
一
数据架构蓝图
智能工厂在采购、生产、销售到客户服务等过程中，无不伴随着数据的产生、流转和运用。为了使各个部门内部、部门之间、部门与外部单位间频繁的、复杂的数据流更加畅通，数据交互更加完整、统一，并把数据作为企业的一种资源进行管理，充分发挥企业信息资源的作用，就必须统一、全面、细致地进行数据梳理和规划，并在信息系统建设过程实现对数据资源的应用，以更好地为企业管理和决策服务。
数据架构规划从跨业务、跨级层、跨应用系统的视角统一对数据进行组织和规划，提高数据集中存储和跨系统间数据共享的效率。
数据架构描述了企业的数据资产，显示了如何管理和共享信息资源，用以决策支持，最大限度地发挥数据的价值。数据架构有时也被称为信息架构。
未来满足加强数据管理需要从总体上基于集团企业的业务特点，对数据环境进行整体分析以及总体规划。基于智能工厂的数据架构包括数据分布、数据分类、数据管控、数据平台四部分内容。数据架构如下图所示：
图3数据架构蓝图
二
数据分布地图
1数据资源全景图
集团企业信息化建设，应在进行业务流程梳理的同时搞好数据管理，规划数据资源使得信息系统效益发挥更明显，利于信息技术真正起到作用，避免信息化投资掉入重复建设的怪圈。此次湖北兴发数据架构规划的原则有以下几点：
1)数据资源体系建设是系统工程，不可能一蹴而就，建设过程需遵循相关原则，以下是一些关键原则：
2)总体规划、分步实施：数据管理工作是长期的，应立足长远做总体规划，同时结合实际分布实施，避免不切实际的一步到位。
3)需求驱动、价值优先：各阶段管控目标应结合本阶段实际需要，合理安排资源，优先满足最迫切需求，体现对企业的实用价值，避免片面求大求全或激进。
4)目标指引、整体带动：应始终围绕管控目标，完善组织、制度、规范、流程和支撑平台，实现目标驱动的整体上升效应；管控体系是演变的。
5)借鉴和定制化：借鉴业界先进经验，采用成熟的实施方法，与本企业实际需求融合，确保先进性和实用性。
6)先固化再优化：各种制度、规范、流程，形成后应先固化有个适应期，在执行过程中积累经验、总结教训后再阶段性优化，避免随意调整。
企业数据资源体系在框架稳定的基础上不断迭代完善。第一步：通过主数据平台，进行数据治理，统一数据标准与管理制度；第二步：采集并完善缺失的信息；第三步：建设企业级数据中心，逐步完善数据应用，提高数据资产价值。具体如下图所示。
图4数据资源全景图
2数据地图分布应用
站在智能工厂全景图的视角看企业各数据域。在每一个数据域下，识别集团企业各项业务的主要数据主题，明确各个主题间的交互关系，将数据实体分类，形成企业级数据地图。
构建企业数据地图的意义在于理清智能工厂数据资产，未来可在此基础上明晰数据在系统和业务中的分布和流向，保证企业内部信息系统之间共享数据的一致性。亦可在此基础上开展数据使用建模、主数据管理、数据标准化等数据管控、治理工作。
图5集团企业数据分布地图
三
数据分类
数据分类是以业务需要的形式，将准确、一致和最新的数据提供给企业里不同层次的人，使企业全部数据执行同一个数据分类标准。
企业数据分类需要满足各种数据对数据组织的要求，并独立于具体的数据模型和数据分布。企业数据分类还要有利于数据的维护和扩充。数据分类按管控层级分为战略管控、经营管控、生产执行管控。
1、纵向：满足战略管控、经营管控、生产执行的三类数据主题
集团企业数据分类根据相关行业经验，结合企业实际情况进行调整，并与IT目标架构相互配合，按照战略管控、经营管控、生产执行类数据划分，具体数据分类如下：
1)战略管控类数据
“战略规划”数据域主要包括以下数据主题：战略规划编制信息、规划执行信息、股本结构信息、债权人信息、股权人员信息、高管人员信息。
“企业绩效”数据域主要包括以下数据主题：企业绩效目标、考核标准、考核指标、考核结果。
“预算管理”数据域主要包括以下数据主题：计划编制维度、计划编制信息、计划执行信息、计划考核信息、预算科目、预算编制信息、预算目标、预算执行信息、预算考评信息。
“投资”数据域主要包括以下数据主题：投资需求、投资执行信息、投资方案、投资评估、市场兼并收购信息、投资后评估信息。
2)经营管控类数据
“财务”数据域主要包括以下数据主题：会计凭证、会计科目、金融机构、应付供应商账款、应收客户账款、资产、内部订单、成本费用信息、财务三大报表。
“人力资源”数据域主要包括以下数据主题：组织机构信息、岗位信息、员工信息、薪酬福利信息、招聘信息、员工考勤信息、培训课程信息、职业生涯规划信息、员工绩效考评信息。
“项目管理”数据域主要包括以下数据主题：项目基本信息、项目可研信息、项目计划信息、项目进度信息、项目施工信息、项目成本信息、项目安全质量信息、项目效益评估信息、项目概预结算信息。
“物资”数据域主要包括以下数据主题：物料、供应商、服务、采购计划、采购方案、寻源文件、采购订单、采购合同、仓库、出入库单、物资领料单、物资调拨单、配送计划信息、物资配送信息、承运商信息、配送监控信息、合同监造信息、到货接收单。
“内控风险”数据域主要包括以下数据主题：风险评估标准、风险事件库、风险评估报告、审计信息、审计项目、控制活动、专项检查信息。
3)生产执行类数据
“生产管理”数据域主要包括以下数据主题：生产年度/月度计划、日排产计划、生产工单、作业指令、物料消耗信息、生产成本信息、产品化验结果等。
“生产调度管理”数据域主要包括以下数据主题：生产调度计划、调度标准指令集、标准问题集、调度指令下达信息、调度问题、调度日志、应急事件。
“HSE”数据域主要包括以下数据主题：风险/隐患信息、事故/事件信息、安全检查计划、安全检查记录、应急预案、应急物资与装备、职业病记录。污染源检测信息、节能减排计划、节能减排量。
“科技与工艺”数据域主要包括以下数据主题：生产技术标准、工艺专利信息、科技项目信息。
“设备”数据域主要包括以下数据主题：设备台账信息、设备功能位置、设备配套计划、设备采购计划、设备领用记录、设备维修计划、故障类型、设备维修记录、设备资产折旧信息。
构建集团企业业务的数据架构，需要全面了解企业数据分布情况，首先要明确企业各类数据在各项业务主线和企业各系统中的分布，根据最佳实践和对企业实际需求的分析，集团企业的企业数据分布如下图所示：
图6数据分类图
2、横向：基于企业业务价值链满足决策分析的数据主题
面向集团企业，基于现有ERP、CRM、财务共享中心系统、物流管理系统、能源管理系统等进行集成，使企业能够对生产经营各方面的数据进行查询和分析，为企业生产经营管理和领导决策提供可靠的数据支撑。
设计数据主题是对智能工厂业务信息和相关数据的高度抽象和分类，也是建设综合经营分析和决策支持系统的关键。根据对智能工厂要求，需要建立综合性的8大数据主题。具体包括：
1) 综合展示
通过综合展示将公司每日生产情况动态展现给领导，从进厂到库存，从出厂到金额满足重点关注内容的查看，通过每日动态、生产总览、经营总览、产品产销四个主题，针对不同层面管理者不同的关注点，将信息进行梳理清洗，分类展现，应用饼图、柱图、曲线、趋势分析等多种手段，呈现所关注的各类信息。并能够通过穿透点击，查询生产细节情况，以满足管理人员在不同时期的管理需要。
2) 生产完成
主要用于将生产实际和计划或指标进行比对，通过比对发现问题。对于磷矿石的加工进度、产品交库进度等情况提出预警。
建立全面覆盖生产执行过程的信息模型，从多个角度反映生产执行信息。生产完成情况的展示包括生产完成情况概览，以及生产管理各个环节的情况，包括各种原材料进厂、原材料及辅料库存、成品及半成品库存、装置投入产出、产品产量、装置平稳率、装置负荷率等。
3) 财务指标
主要包括利润分析、费用分析、价格分析、现金流量分析和投资分析。利润分析中，对营业收入、利润总额、税金及附加、其它业务收入进行预算实际对比分析、同环比、完成情况等分析。费用分析中，主要为用户提供了经营活动分析中关注的期间费用的分析。对比预算，反映费用的预算完成情况；建立费用的历史趋势分析，反应费用的变动，分析其对效益的影响。利润分析和费用分析的时间颗粒度细化到日。价格分析中，对主要原料、主要化工产品的价格进行趋势分析，以年度、季度、月度为分析周期，展示出价格的波动情况。现金流量分析，包括各岗位的资金预算完成情况，经营、投资、筹资发生的现金流量情况。投资分析包括项目投资分析，项目费用分析和项目进度分析。
4) 技经指标
支持专业达标，以月度和日期两个时间粒度，将达标考核涉及到的技经指标，包括轻收、综合商品率、高附加值产品收率、加工损失率、综合能耗以及加工吨矿石完全费用等，将实际情况和考核指标进行比对，分析指标完成的变化趋势。
实现关联分析，以技经指标为主线，基于关联因素发现问题，深入进行多维度的分析，将被分析指标与可能影响指标的因素放在一起对比，直至找到原因。
5) 采购及进厂
采购分析中，主要对大宗原材料的采购及进厂进度进行跟踪分析，分版块展示原材料价趋势跟踪。按日对原材料的进厂情况及完成进度进行监控，及时发现进厂环节的问题和风险。另外，按照月和日为时间粒度，展示框架协议率、资金节约率、独家采购率等总部考核内容。
物资分析中，对物资占用情况、库存库龄等进行对比分析。反映物资总库存及大类物资库存变动趋势（并可追踪查询各中小类型物资（含寄售）库存）。按月对物资库存结构变动情况进行分析。分析库存的增减变动及合理库存情况。展示需求提报及时率和准确率等内容。
6) 销售及出厂
主要对产品的出厂进度及销售情况、价格进行跟踪分析。对各类产品的出厂进度、销售量、销售进度完成、销售价格、销售金额、客户分析进行集中展示。从明细产品、时间的角度对出厂数量、销售数量、销售价格、销售完成情况进行同比、环比趋势比分析，并对销售未完成的情况提供文字分析界面，由责任单位负责分析解释。
进行出厂和销售进度分析，针对不同的产品，将其出厂量、销量和相关库存、产品产量及半成品库存进行比较，通过对比发现问题所在。分销售渠道、销售结构分析销售量价金额，直观展示出各渠道销量执行情况、销价执行情况、销售额执行情况以及各销售结构占比情况。
7) 库存情况
从实物库存和所有权库存两个角度对矿石、原料、产品、半成品库存进行监控分析。对库区动态变化进行监控分析，利用图形化展示仓库及罐区的动态情况，包括库存数量、品种及其质量情况，通过物料和库存日常变化趋势，并同库存上下线对比分析库存的变动情况，通过对比，发现问题及时解决问题。
8) 项目管理
提供各类项目信息的查询，主要是项目基本信息的查询: 如项目一览表信息、工程进度、投资完成信息等内容。提供专业、丰富的统计报表，涵盖工程投资、进度、合同采购、工程材料、成本、现场人力资源、资金支付等报告，如承包商到场设备统计、环境处罚事件统计等内容，为业务执行人员快速生成上级管理单位所需要提报的报表，提高业务执行效率，动态反应工程建设情况。
四
数据管控
1数据标准体系
为保证数据在各系统共享，打破信息孤岛现象，必须建立集团企业统一的数据质量标准，标准的制定可根据业务需求的紧急程度分期建设；
数据标准包括数据指标和主数据。制定数据标准是基础，规范代码库是过程，建设主数据管理平台是技术手段，建立组织和流程是前提和保障。
图7数据标准
2数据管理运营体系
在管理组织上，企业还需建立数据管理运营体系，主要包括管理组织、制度、流程知识库的建立。
主数据管理运维体系由组织、制度、流程、知识库组成
图8运维体系
总体上，集团企业还需要进一步加强数据资源管理体系及运转机制建设。
建立数据管控体系及运转机制，实现组织、流程、评价考核和工具四个域相互作用、相互支撑，提供对集团企业各信息系统数据的管控。
图9数据管控体系及运转机制
五
数据治理平台
3数据治理平台
主数据管理机制是一个完整的体系，自上而下包括策略、任务、组织、制度流程、工具等多个维度。
图10主数据管理机制
1)管理策略
要求具备全企业明确的主数据管理策略，该策略要与业务管理模式相契合，例如当财务业务条线推行集中管控模式时，相应的财务主数据如会计科目等的管理策略也应与之匹配。
2)管理对象
要求覆盖业务系统中需要共享的主数据，并对主数据有清晰的主题域划分，对于集团企业来说，最重要的主数据涉及人资、财务、物资、销售、设备、生产、项目、安全、资源等业务域。
3)管理内容
主数据管理内容具体包括：
4)管理组织
1、组织架构与职责分工：
具备主数据管理组织，能够覆盖企业各业务条线及各层级，明确其在主数据管理体系下的职责分工和汇报条线。一般来说主数据管理的组织架构包括：
2、团队能力
团队需具备专业审核能力，能够对全企业的标准制定，日常审核进行统一管理，具备主数据评价和审计能力，能够定期对主数据进行评价和审计，提供公正的评价和审计报告。
3、培训机制
主数据管理组织下的各角色能够得到合适的、持续的能力培训，以帮助他们完成日常工作。
5)制度和流程
要求具备全企业统一的主数据管理制度与流程，且主数据管理制度对企业各业务条线和各层级职责分工有清晰的界定、主数据管理流程能够与业务流程紧密契合，确保各业务有效协同。
主数据管理制度一般需要涉及组织职责定义、管理策略定义、主数据标准管理、主数据维护与使用机制、主数据质量管理机制、主数据安全管理机制等内容，每一部分需匹配相应的管理细则。
6)技术
建立公司集中的主数据管理平台，对主数据的标准、质量、安全进行统一管理。主数据管理平台在功能上至少需要具备主数据采集、主数据处理、主数据分发等。
主数据的核心业务功能可分为以下四部分：主数据管控、业务应用、业务管理、系统管理。其中，主数据管控主要是对人员、流程的管理，包含了流程管理、监控管理、组织架构；业务应用是指主数据的完整处理流程，包括主数据采集、主数据处理以及主数据分发；业务管理是指主数据资深业务的管理，包括数据模型管理、质量管理、数据管理、规则管理以及集成管理；系统管理是指通用管理功能，包括消息管理、消息发布、日志审计、参数管理、版本管理、统计分析等功能。主数据管理平台功能架构如下图所示：
图11主数据管理平台业务架构
图12主数据管理平台功能架构
4数据资源中心
1)数据主题
基于数据主题分类，可以对业务数据需求进行汇总、整理、指标化、定义标准化、指标分解，并记录到数据仓库的基础指标的映射关系的过程。在公司层面建立有效的数据共享和抽取机制从而为企业解压；并提供一套完整、统一、没有歧义的公司业务分析指标，该过程将逐步产出以下三项内容：
图13数据主题分类说明
数据仓库与决策支持是集团企业数据分析利用和辅助决策的主要平台。通过数据仓库实现基础数据的抽取、清洗和整合，利用商业智能实现对各项数据指标的综合分析和展示。
图14数据资源中心示意图
数据资源中心也是数据深化应用的高阶目标，是最大限度发挥数据资产的价值的重要手段；数据资源中心可参考如下建设思路。
图15数据资源中心数据储存示意图
总结
通过数据分布地图、数据分类、数据管控系统、数据资源平台四个维度，可以为智能工厂建立企业级生产经营监控、综合展示、综合分析、领导驾驶舱等数据主题，利用企业数据仓库或综合数据库，并建立相关分析模型和运营监控模型，反映智能工厂日常生产经营情况、为日常管理和决策提供数据分析和灵活定制报表，提供综合查询、综合分析、运营监控、预测预警等功能。支撑企业级集中生产运营指挥，对企业内部各生产环节的数据进行及时、全面、直观、综合的掌控，及时发现问题并调整。为智能工厂经营决策提供数据支持。
