离散制造车间的质量数拯采集探讨论文离散制造车间的质量数据釆集探讨论文预读：摘要:摘要：在智能制造时代，质量数据具有数量大，结构模式复杂,变化多的特点，如果没有合理的质量数据采集方式,会造成质量管理的困难，增加质量管理成本•文章通过分析非关系型数据库特点，得到非关系型数据库是以后质量数据管理应用的重要工具的结论，最后介绍基于非关系型数据库的C/S架构的质量数据采集系统应用的实现.关键词：质量数据采集；非关系型数据库中图分类号：TP274.2文献标识码：A文章编号：1006・8937(2015)31-0059-02作者简介：李海洋(1984—),男，江苏徐州人，在读工商管理硕士、工程硕士，研究方向：工商管理、工业工程从上个世纪90年代以来，随着改革开放政策的推进，中国慢慢成为了全世界的制造中心.但是中国在全球的制造价值链上仍处在比较低的位置上，中国可以算一个制造大国，不是制造强国,因为中国制造产品的普遍形象是低成本、低质量，一个重要的原因就是中国公司在质量管理的信息化程度不足•质量管理系统中最重要一块内容是质量数据的收集，质量管理信息系统的基础就是质量数据的收集、处理和应用.如何有效、及时、准确、智能地去收集这些数据,是需要重点解决基本问题.本文根据新时期离散制造业信息化和质量数据•的特点，提出了基于新型的NOSQL数据库系统的质量数据收集和处理解决方案.1离散制造业质量数据特点离散制造,是相对于流程制造来说存在更多的不确定性和多选择性.离散制造同一时间可能会生产多种产品，且产品采用不同的装配模式或者不同的配置.同时，各种机器人和自动检测设备越来越多的引入到未来实际的生产中，这些设备也产生了各种各样海量的数据.1」数据量大如果一个工厂的生产产能是每天几万件,每个产品从最初的原料到最终的成品要经过若干工序,每个工序后面还会有若干检验工序，每个检验工序都要检测几百个点的参数，一件产品从最初的原材料到最后的成品，将会产生成干上万条数据，这样每天产生的需耍去收集和处理的数据可能都会有上亿条.这样的数据量对收集和处理数拯的能力都提出了很髙的要求.1.2数据结构复杂整个生产过程中所产生的大量的数据的结构也会非常复杂，其中有些是结构化数据：能够用数据或者同一的结构来表达数据；有些是非结构化数据，即不能够使用同一的数字或者模型来表达出的数据.从最新的统计结果來看,现代制造企业整个生产过程中产生的数据，有85%都已经变为了非结构化数据•，结构化的数据只占到了15%左右.1.3数据内容结构变化频繁从产品制造的整个生命周期来看，存在多个阶段：产品的构想阶段、工程验证阶段、设计验证阶段、量产验证阶段、量产阶段.可能每隔一段时间就耍对收集的数据的结构和内容作出变更.这种频繁的数据结构的变化会对数据的采集和管理形成较大的困难.2关系型数据库与新型非关系型数据•库的对比传统的关系型数据库，是指建立在关系模型上，所有数据都要符合特定的要求，具有遵循ACID原则的特点.非传统数据库统称为NOSQL,指那些分布式的,不遵循ACID原则的数据库结构为非关系型的数据库•现代离散制造业的质量数据的特点为：海量、类型复杂、多变化等，这种特点导致传统的关系型数据库很难去处理这些数据：①管理困难•因为传统的数据库在存储数据之前需要先预定义数据表，在预定义好表和字段以后，才能把相应的数据存储进数据库中•但是由于质量数据的海量和多变性,导致很难去提前预泄义好所有的字段和表•②面对大数据量的性能困扰•在数据量特别大的时候，传统的关系型数据库的性能会急剧的下降,这个时候如果对数据库做一些变更，比如创建或者删除索引等工作，会变得非常困难,效率低③扩展性能差.在数据库的性能或者磁盘容量上出现问题的时候,传统的数据库在扩展上显得无能为力•传统的数据库在性能的扩展空间上是有限的.3非关系型数据库的特点综上所述，在智能制造时代，关系型很难去应对大数据的挑战.新型的非关系型数据库开始进入了舞台,非关系型数据库有以下几个特点：①管理方式灵活.因为非关系型数据库实现数据存储仅要求数据符合特定的格式,对数据本身的内容没有特定的要求.所以这种特性给质量数据的管理...