任何一种新车型的开发，都要对整车及其各个部件进行大量的运行测试，从而产生大量的、有待处理的试验数据。这些数据以不同的文件形式存放，数据间交互困难，不利于进行综合分析；如何将它们进行整合，帮助汽车研发人员发现潜在规律，是亟待解决的问题。根据相关研究，以数据库为基础建立汽车试验数据及经验知识的综合管理及应用平台，可以使试验知识在产品研发过程中得到最高效的利用，有助于企业提高产品质量和经济效益。
由于汽车试验的专业性较强，数据类型多样，数据分析的实际需要也各不相同：在进行诚验数据管理系统的开发过程中，需求方与设计方往往沟通不畅，对实际的数据管理需求无法形成共同的认识。本文通过对汽车试验数据特点和实际数据分析需要进行总结，力求完整描述试验人员对数据管理的普遍需求。
1 现状
汽车试验数据既存在于通用格式的数据文件中，也存在于专业测试软件生成的二进制文件中。目前，企业对这些文件的管理没有统一的模式，往往由相关试验人员独立管理或简单地存放在特定的存储空间内。在非数据库的存储环境下，这些数据在维护和使用方面存在以下缺点。
1.1 相对分散，不易检索，利用率低
相同批次或类型的试验数据简单地存放在单独的文件夹中，试验人员无法看到所有数据的统一视图。数据的筛选与查看需要通过手工的方式完成，效率低下，易出差错，因此历史试验数据利用率较低。
1.2 数据组织混乱
汽车研发过程中的试验工作是逐步深入进行的。每个平台有多个试验车型，每个车型在FT、ET、PT阶段都要进行一系列的试验，在同一阶段不同配置的样车、零部件也要分别进行试验。文件式的数据管理方式不能很好地体现试验数据间的递进、并列关系。当数据积累到一定程度时，会出现多个数据文件相似、具体含义无法区分的情况，导致试验分析人员调用错误的试验数据，产生错误的分析结果。
1.3 试验信息缺乏完整性
目前的商业测试软件对试验环境（风速、路面等）、样车运行条件（选择挡位、油门开度等）信息的存储没有提供完善的支持，而这部分信息（下文统称工况信息）又包含了大量的试验细节和指导经验，对于真实地反映当时试验状况和汲取改进经验，都是非常宝贵的参考资料。另外，试验对象的参数信息（如发动机排量、变速箱型号等）、试验任务信息（如开发节点、更换的零部件等）也是试验结果评判的重要参考。试验工况信息的不完整，导致试验过程的许多细节无法跟踪，影响对试验结果进行正确判断，试验数据就失去了重复利用的价值，造成了资源的巨大浪费。
1.4 安全保密性差
由于缺乏统一的保存和管理机制，数据文件易受到未经授权地访问、修改，并导致重要数据的泄密，数据的流向不能被有效控制；多次的数据拷入拷出，可能会造成数据版本不一致，数据完整性、一致性无法得到保证。如果没有有效的数据备份机制，当出现计算机病毒或者故障，试验数据可能彻底丢失，造成不可挽回的损失。
1.5 缺乏数据分析的支撵设施，无法进行数据挖掘
汽车试验的首要目的是对试验数据进行分析，从中找出数据的变化规律，以便于指导进一步的设计、制造和试验。花费大量人力、物力获得的数据中，蕴藏着丰富的信息。但是不同试验项目的数据在模式上差异较大，即使是同一个试验项目，如果使用的采集分析软件不同，试验结果在形式上也有较大差异。如果没有统一的数据分析环境，则无法对这些差异数据进行对比分析，深度的数据挖掘也无法进行，造成各种试验数据分析技术随时间不断流失。
2 试验数据的特点
汽车试验是工程领域的一项重要的活动，试验人员通过组织试验活动获得试验对象的功能、性能、适应性等信息，从而完成对部件或系统的评价和判定，它是一项严密组织的系统工程，对试验环境、试验设备、试验人员都有一定的要求。与商业数据相比，汽车试验数据在来源、数据模式、数据时效性方面有很大的不同。一般来说，汽车试验数据具有以下特点。
2.1 数据来源广泛
试验数据既包括人工记录的纸质档案，也包括不同数据采集软件生成的文件。此外，与试验相关的图片、工况信息、原始时域文件等也属于试验数据的范畴。
2.2 数据量大
随着测试技术的进步，汽车试验项目越来越多，所采集的试验数据也在不断增加。比如NVH试验，在进行噪声信号采集时，需要使用较高的采样频率，每次试验产生的数据量都可能达到几百兆。因此，需要管理的试验数据量是非常庞大的。
2.3 数据价值相对稳定
一般的商业数据，随着时间的推移，历史试验数据的细节不再重要，只有简单的数据汇总值对以后的数据分析有利用价值。但汽车试验数据对于产品研发的有效期很长，可以达到十几年。试验进行的早晚和试验数据的价值没有必然的联系；很多年前的试验数据，也可能有很高的利用价值，需要一直保存，不能被随意的删除。
2.4 数据类型多样
试验数据有多个维度（见图1），可以按不同的方法进行分类。比如，根据领域不同，汽车试验可分为多种不同的项目。不同项目的试验数据在采集方式、数据模式上有很大的区别。随着测试技术的进步，试验项目处于一个动态变化的过程中。
图1 数据的维度
2.5 数据模式不确定
试验具有易变性特点。根据试验目的的不同，在具体的数据采集过程中，试验对象的运行工况和使用通道数目是变化的，对应的试验数据在模式上会各不相同。另外，试验设备的更新换代、试验方法的改进、试验环境的变化、具体试验对象的特点也会影响数据模式。
2.6 数据与数据处理程序紧密耦合
不同的试验项目会用到不同的采集分析软件，数据分析方法由对应软件提供；试验目的不同，则对数据的分析处理方法不同，生成的文件格式也不一样；即数据与处理程序是紧密耦合的。不同软件对同一个物理量的描述可能会使用不同的数据量纲，当对这些数据进行对比时，需要进行数值换算，正确体现数据间的关系。
汽车试验数据管理需求分析（二）
核心关注：拓步ERP系统平台是覆盖了众多的业务领域、行业应用，蕴涵了丰富的ERP管理思想，集成了ERP软件业务管理理念，功能涉及供应链、成本、制造、CRM、HR等众多业务领域的管理，全面涵盖了企业关注ERP管理系统的核心领域，是众多中小企业信息化建设首选的ERP管理软件信赖品牌。
转载请注明出处：拓步ERP资讯网http://www.toberp.com/
本文标题：汽车试验数据管理需求分析（一）
相关文章
