摘要

这篇论文介绍了在煤矿企业建立数据仓库的必要性和紧迫性，然后研究煤矿企业数据仓库的特征和结构。根据煤矿企业内在的特征来创建其典型的问题，然后根据煤矿企业数据仓库的系统需求来采纳好的计划，最后研究关于OLAP技术和数据挖掘技术在煤矿企业数据仓库中的应用。

关键字：数据仓库；OLAP；数据挖掘

1、引言

随着信息技术和计算机技术的快速发展以及国家信息结构的提高，煤矿企业的信息结构已经获得了很大的发展。现在有许多关于煤矿企业的信息系统，包括监视和控制系统、生产安排系统、材料管理系统、销售管理系统等。这些计算机信息管理系统是相对的，系统中的数据是动态和多种多样的。在绝大多数情况下，这些系统来自许多不同的“信息孤岛”，同时有许多对于管理者来说是宝贵的且需要长期存储的数据。怎样为煤矿企业的安全生产和商业管理来有效的管理和使用这些数据，同时来提供决策支持是一个需要煤矿企业及时研究和解决的问题。数据仓库是一个有效的、先进的数据管理技术，它能为商业管理者融合来自不同系统的的数据，同时提供许多不同类型的过程和分析。因此，建立为煤矿企业建立统一的数据仓库标准是必须和紧迫的。

2、煤矿企业建立数据仓库的必要性和紧迫性

在煤矿企业建造数据仓库为安全生产、企业管理提供决策支持来使用信息技术和计算机技术，目前需要解决以下几个问题：

(1)数据仓库是煤矿企业解决“信息孤岛”的一个有效方法。

    通过建立数据仓库形成了煤矿企业的数据中心，它整合了来自许多系统的数据源一起为了关联数据，同时它有效的解决了煤矿企业不同企业孤立和相互的数据，也实现了信息的共享。

(2)数据仓库是实现和标准化煤矿企业信息结构的必要的方法。

    数据的交换和整合是基于标准的编码系统，综合的数据分析和决策应用是基于统一的索引系统。煤矿企业只有建立统一的编码和索引标准才能使数据交换、数据集中和数据分析顺利的执行。通过在煤矿企业建立数据仓库和确定标准的编码系统，煤矿企业的数据标准化能够得到提高和控制。

(3)煤矿公司实现安全生产和商业管理的科学性和实时性的基础就是建立数据仓库。

现存数据分发给煤矿企业不同级别的不同部门不能获得全面的、系统的数据分析，也不能满足管理者的决策分析等。煤矿公司数据仓库的建立可以实现一个企业级别的数据共享，因此管理者可以综合的、及时的、准确的掌握安全生产和商业管理的信息，同时能科学的、实时的现实它们。

3、煤矿企业数据仓库的特征和结构

A.煤矿企业数据仓库的特征

1990年提出数据仓库的Bill Inmon写到：“数据仓库是一个面向问题的、集成的、随时间变化的、永不散失的数据集合，用以支持管理层制定决策。”因此，煤矿公司的数据仓库也同样具有面向问题的、集成的、随时间变化的和非易失的特点。

（1）面向问题性：面向问题是数据仓库中数据组织的一个基本原则。数据仓库中的所有数据是有组织的，同时围绕一个问题执行。问题是分析对象在信息系统中通过围绕一个在高级别的具体管理对象综合和分类数据形成的。

（2）集成性：集成性是根据需求的决策分析、分散在不同地方的源数据定义的，它是经过提取、过滤、清洁、整合的。因此，数据仓库中的数据时集成的。

（3）非易失性：数据仓库中的数据主要用于查询处理，也不会频繁的更新。数据仓库中的数据时庞大的，这些数据一旦被装载它就一般不再被系统移除。

（4）随时变化性：当数据超时或者改变时，数据仓库需要在信息系统中连续加载改变的数据。

B. 煤矿企业数据仓库的结构

煤矿企业数据仓库的结构可以分为源数据、数据处理、数据仓库、数据集市和应用。首先，从煤矿企业不同的分散数据中通过萃取、转移、加载来建立数据仓库。然后通过创建数据模型、数据集市形成不同的商业应用。数据仓库提供了一个丰富不同的数据显示，例如数据挖掘显示、问题讨论、数据质疑、灵活的报告应用(分析报表，动态分析报表等)和帮助管理者制定决策。煤矿企业数据仓库的结构显示在表1中。

表1 煤矿企业数据仓库的结构

4、煤矿企业数据仓库的设计与执行

A.煤矿企业数据仓库的问题

数据仓库中的所有数据都是根据煤矿企业决策需要围绕一个问题组织的，不同的分析问题就确定了。每个问题相当于一个目标分析。根据煤矿企业内在的特点，其需要建立的特殊的问题是安全管理、资源管理、生产安排、费用分析、销售分析、设备和原料管理、财务管理、人力资源管理。煤矿企业数据仓库的问题显示在表2

表2 煤矿企业数据仓库的问题

（1）安全管理问题：整合许多系统的许多种类的安全检测数据，包括警告时间、警告地点、最大值、最小值、平均值以及其他为煤矿企业提供支持的安全管理信息。

（2）资源管理问题：整合煤矿存储、煤矿质量、煤矿分发、地质数据和其他为煤矿公司提供支持的资源管理数据。

（3）生产安排问题：整合所有种类的为煤矿企业生产安排的数据，这些数据是煤矿挖掘、运输过程中产生的，它们能够为煤矿企业提供支持。

（4）费用分析问题：整合材料、设备、雇员等在为费用分析过程中的花费数据，这些数据能够为煤矿企业提供支持。

（5）市场分析问题：整合包括产品销售、顾客和其他市场分析信息的销售数据，这些数据能够为煤矿企业提供支持。

（6）设备和材料管理问题：整合购买、存货、分发、回收和其他设备和材料的数据，这些数据能给煤矿企业设备和材料管理提供支持。

（7）财务管理问题：整合统计的以及财务消费数据，这些数据能给煤矿企业财务管理提供支持。

（8）人力资源管理问题：整合基本的员工信息，这些数据能够为人力资源计划、管理、分析等提供支持。

B.煤矿企业数据仓库模型

建立数据仓库、星型架构是通常被接受的。如果数据仓库的逻辑模型通过星型架构解释，那么用户可以更加简单的理解。煤矿企业数据仓库的数据仓库模型采用的是星型架构。在星型架构中，每个维表都有一个主码直接的链接星型架构的集中事实表。维表包含记录在事实表的特征。例如：安全管理事实表有时间、地点、事故类型、安全等级4维表。它的星型架构模型显示在表3。

表3 星型架构模型

5、数据仓库在煤矿企业中的应用

A、OLAP分析在煤矿企业数据仓库中的应用

   OLAP是数据仓库的一个用户接口，它始于数据仓库的综合数据，然后根据已确定的数据表实现数据聚集的详细数据。动态分析可以用于数据立方体来实现数据来自宏观到微观的数据分析和对高级别综合数据和底部明细数据的询问，包括切片、切块、向下钻取数据、向上卷取数据、旋转。另外，动态分析也可以改变分析观点来管理不同维之间的比较以便提供决策支持[7~10]。例如：数据立方的安全管理根据时间、地点、事件类型和其他观点来分析的，因此，煤矿企业的管理者有用来指导安全生产的关于安全的全面理解。

B.数据挖掘在煤矿企业数据仓库中的应用

根据已确定的主体和决策人物使用煤矿企业数据仓库中的基础数据作为对象。由于使用煤矿领域的专业知识结合存在的决策模型，数据挖掘设计依赖挖掘模型。数据挖掘在方法库中选择合适的数据挖掘算法和分析、提取和挖掘来自煤矿企业数据仓库中隐藏的规则，同时提供决策支持以及预言和指导安全生产、操作、管理[11~13]。例如：为了评估煤矿企业的安全级别使用神经网络来指导安全生产。在煤矿企业的意外事故中，主要是天然气和水渗入、挖掘压力、灰尘、火灾。这5个因素正如神经网络输入节点、煤矿企业安全级别和输出节点一样通过样本研究和培训，神经网络可以评估煤矿企业的安全级别。神经网络技术显示在图4中。

图4 神经网络技术

6、结论

煤矿企业数据仓库联机分析过程包括各种系统的重要数据。煤矿企业数据仓库建立以后它将会变成为信息系统集成和信息发展奠定基础的数据中心。数据仓库技术会成为一个煤矿企业改善信息处理等级、安全生产和商业管理的重要工具。它会使管理者综合的、实时的、准确的认识到科学的安全生产、商业管理和决策。

感谢

这个研究得到了Muchengjian煤矿企业和北京豪华能源公司的支持。作者感谢张瑞鑫教授的细心指导和其他学生的帮助和支持。

参考文献

[1] W. H. Inmon. Data Warehouse. Machinery Industry Press, Beijing,

2000.

[2] LI Xuefeng, ZHONG Shuyu, DUAN Xixiang. “The Discussion of

Data Warehouse Development in Mine Corporation,” China Mining,

vol. 13, 2004, pp. 26-18.

[3] CHEN Jingmin. Data Warehouse and Data Mining. Electronic

Industry Press, Beijing, 2002.

[4] WANG Shan. Data Warehousing and On-Line Analytical Processing.

Science Press, Beijing, 1999.

[5] WANG Wenming, SUN Guoran. “The Application of Data

Warehouse in the Information Management of Mine Enterprises,”

Metal Mine, vol. 13, 1999, pp. 36-38.

[6] CAO Chongying, CHEN Luozi, XIAO Feng etc. “Application of

Data Warehouse Technology for Decision Support System,”

Applications of the Computer Systems, vol. 1, 2000, pp. 10-13.

[7] YUAN Changhe, WU Yongming. “The Research and Development

of Decision Support System Based on Data Warehouse,” Computer

Engineering and Applications, vol. 16, 2001, pp. 101-103.

[8] XU Zhiqiang, XIA Yuming. “Numerical Simulation of Coal Water

Mixture Pipeline Transport Axial Flow Field,” International

Conference on Computer Science and Information Technology, 2008,

pp. 243-246.

[9] XIA Yuming, TIAN Jinyun, XU Zhiqiang, WANG Weidong,

"Computational error of laminar flow pipeline transport axial flow

field," 2009 International Conference on Computer Science and

Information Technology (ICCSIT 2009), 2009, pp. 635-639.

[10] SUN Gang, ZHANG Ruixin, LUO Fen, "Evaluation Method of Coal

Mine Production Safety Based on BP Neural Network," 2009

International Conference on Information Technology and Computer

Science (ICITCS 2009), 2009, pp. 514-517.

[11] XIA Yuming, WANG Weidong, XU Zhiqiang, "Numerical

computation of laminar flow pipeline transport axial flow field," 2009

International Conference on Information Technology and Computer

Science (ICITCS 2009), 2009, pp. 196-199.

[12] XIA Yuming, XU Zhiqiang, “Electromagnetic Flowmeter

Measurement and Numerical Computation of Laminar Flow

Transport Pipeline Flow Quantity,” 2009 Second International

Symposium on Electronic Commerce and Security (ISECS 2009),

2009, pp. 169-173.

[13] HE Xuchun, HU Nailian, LI Guoqing. “Study of Mining Enterprise

DSS Based on Data Warehouse,” China Mining, vol. 16, 2007, pp. 4-

7.下载本文