工业数据智能之基石——领域数据模型

来源: | 作者:pmod6d781 | 发布时间: 2023-04-12 | 2246 次浏览 | 分享到:

我们借鉴了领域驱动设计的思想做数据工程，在数据治理的过程中，有意识地去做透彻的业务分析，使用标准业务术语，以数据模型的方式描述一些关键的业务规则。而不是看见一堆数据就加工一下，有新的需求就重复造轮子或者打补丁，这会导致整个数据驱动的应用程序变得非常混乱，越来越越难以理解，最终会阻碍数据应用创新。

Q5：有了领域数据模型，对数据分析有哪些帮助？

将数据按某一类结构做存储和管理，能让各个方面各个专业的人，都很方便拿到他想要看的维度，去做他想要做的分析，是一件复杂的事。

有了领域数据模型做基石，针对特定业务问题的数据分析建模就会事半功倍。因为很多模型都有一些共性的业务逻辑要表达。如果直接从原始数据里取数，得先把数据取出来，有哪些是业务上的异常值，有哪些基本过程需要识别出来，在这个过程中把数据有序组织起来，再进行后面的分析。前面这一大段数据治理工作至少在某些专业领域内，很大程度是可以通用的。

领域数据建模一方面能减少很多重复性的工作，让分析师做更多有创造力的工作；另一方面还能在多维度数据参考下，找出问题背后隐藏的关联关系。

单点问题，通常来说比较容易好发现和好解决。但现实情况下，某个单一参数异常，通常并不具有现实含义，还需要结合设备正在什么工况下运行，正常温度应该是什么范围内，影响温度的其他参数数据如何表征等等，通过数据间的相互关系去判断问题所在。在面对长流程复杂工艺的数万个测点时，一旦出现异常，靠人工排查非常慢且很难锁定问题根因。以产线为物理对象，建立交叉融合的领域数据模型，可以对设备乃至操作设备的人有更客观准确的认知和评价。

Q6：领域模型的建设还需要考虑什么要点？

领域模型的本质是一个思维模型，其关联的数据逻辑上是紧密联系的，实际上却从属于不同的系统。那么模型上线运行的时候，怎么去访问这些数据呢？可以写一段能够体现模型数据关联的数据访问程序，也有一些比较先进做法，比如数据联邦，可以跨库做数据查询。在数据联邦技术下，领域模型可以被翻译成联邦查询的一些元数据，使其帮助处理数据访问。

将领域模型变成一个可持续运行的系统，需要考虑到，底层的领域模型有一个好的设计思路以及灵活的技术架构，能支持系统和系统之间的解耦，模型和系统之间的解耦，支持各个不同的系统之间统一与协作，再去做应用维护、分析模型开发，这样在后续面临业务变更、产线迭代、设备升级等等情况时，才不至于大动干戈。

Q7：领域模型到底应该是什么样的？能否举例说明？

领域模型可大可小。

比如某电子制造案例中，有一个数据字段叫EL不良，代表电致发光，这个不良类型有17种。这一个字段背后就承载了很多业务逻辑。再往大了说，如果要去刻画一个产线的生产过程，有一个很经典的领域模型——生产制造运营系统里面的ISA-95模型。虽然它是为了支撑生产过程，但它其实刻画了加工能力跟设备是什么关系，有的时候是一对多，有的时候是多对多，取决于现场设备是单一能力还是复合能力。