基于数据仓库的建设项目智能管理信息系统架构

(重庆大学 建设管理与房地产学院,重庆 400045)
摘 要：文章介绍了智能管理信息系统的相关理论和基本 手段，通过分析建设项目对信息管理系统智能化的需求，提出了一种以数据仓库为中心，以 数据挖掘为知识、模型、规则的获取手段，以专家系统等技术为辅助决策工具，同时遵循多 级分布式的体系架构思想的建设项目智能管理信息系统架构。 
关键词：数据仓库；人工智能；建设项目管理信息系统；数据挖掘
中图分类号：TP311  文献标识码：A  文章编 号：1007—6921(2009)14—0074—02 

近年来，管理信息系统(MIS)大量应用于建设项目管理，尤其在一些大型复杂建设项目管 理中，以建设项目管理数据库为核心构建的建设项目管理信息系统(PMIS)应用极为普遍， 它不仅提高了项目管理中信息的传递、处理、存储的效率，也极大地提高了项目管理工作的 精准性，已经成为项目管理人员工作的基本手段。但受制于技术条件的局限，建设项目管理 信息系统一直停留在对信息存储、传输、管理的应用阶段，没有对这些宝贵的电子化信息进 行有效地处理和利用，为整个建设过程提供及时、准确的决策依据。随着建筑企业承接项目 的不断增多，现代化建设项目日益大型和复杂化，以及信息交流容量的不断扩大，开发和应 用新型的智能化的建设项目管理信息系统已成为必然趋势。

智能管理信息系统除具有满足项目日常操作的工程数据库以外，还通常具有知识库、模型库 、方法库等分析型的数据库，它可以通过一定的模糊识别、规则判断和逻辑推理得到新的数 据、方案或者结论，以更方便地帮助人们解决实际的问题〔1〕，其典型代表有专家 系统、决策支持系统等技术。大多数专家系统和决策支持系统都是建立在专家知识库基础上 的，而专家知识库需要人工获取、构造和维护，其智能水平和适用范围有限，因而难以在工 程实践中成熟应用。然而，随着数据仓库和数据挖掘技术的快速发展，这一问题可以逐步得 到改善〔2～3〕。

文章根据建设项目信息管理的实际需求，在已有的研究基础上，提出一种以数据仓库为中心 ，以数据挖掘(DM)和联机分析处理(OLAP)技术作为获得信息资源中决策和推理所需知识的 工具，以工程决策支持系统(DSS)、专家系统(ES)、智能控制系统等技术为智能推理和辅 助决策工具，同时遵循多级分布式的体系架构思想的建设项目智能管理信息系统架构。
1 建设项目管理信息系统应用需求及实现目标
1.1 建设项目信息管理系统的智能化需求

从目前建设项目管理信息系统(PMIS)应用情况来看，工程管理技术人员和信息技术人员可以 通过信息化的技术手段很容易得到各种原始工程数据，但使用这些数据的问题时，仍然回到 凭工程经验和直觉做决策的老路。同时，建设项目管理信息系统在满足使用对象的层次性、 多阶段管理的适应性、人机交互系统的协调性等方面的性能也尚待提高〔4〕。导致 这种结果的原因有几点：①虽然用于辅助决策的智能化工具发展较快，但研究最多的只是应 用于局部问题，如专家系统和决策支持系统，无法和管理信息系统有效集成；②传统的建设 项目数据库大多是面向日常事务操作的，致力于将信息放入数据库，然而将大量的工程和管 理数据组织起来存入传统的数据库后失去许多信息之间的关联关系，缺乏有效地利用；③由 于访问数据的能力不足，造成对大量数据的访问性能明显下降。

建设项目本身具有一种临时性的、创造一项唯一的产品和服务的任务，它具有目标性、约 束性、系统性与整体性、相对独立性、寿命周期性等基本特性。为了实现项目时间、成本、 质量的目标，使项目获得成功，须对项目的全过程进行项目管理。建设项目本身的特点决定 了它的智能化的信息管理系统要具有全面性、系统性的特点，必须具有对项目全面管理的能 力，涵盖项目管理的所有领域和所有要素，并在系统的内外部都形成一定的结构和秩序，使 系统能够发挥出各组成部分所没有的新的功能。现阶段的管理信息系统中，用于辅助决策的 信息往往分部许多部门系统中，这些数据彼此难以集成，限制了智能化的发展。随着互联网 技术的发展，同一企业的不同项目之间和同一项目的不同参与企业之间的信息交流量的增大 ，早期简单的文件共享方式已不再满足需要，建设项目管理信息系统将自身以数据库为核心 的传统信息系统从C/ S模式向Internet/Intranet的系统架构转变已成为切实需要。
1.2 智能管理信息系统实现目标

建设项目智能管理信息系统除具有管理信息系统的一般功能外，还应为建设项目提供决策支 持的智能分析功能，项目管理者通过各种直观的报表及图表进行动态分析，也可根据事先设 定的警戒条件及时通过各种手段通知决策者，从而及时发现可能存在的项目风险和措施改进 机会。主要内容如下：①通过建立企业门户网站，面向所有企业的合作伙伴，所有员工的、包括各种业务、管理 、应用发布的操作界面入口，可以随时随地取得即时信息，并能同时提供WEB 浏览器与C/ S  并存的架构。②能与企业现有PMIS系统或ERP 系统以及其他信息系统无缝结合。③提供多维数据分析，利用OLAP和多维查询分析工具，用户可从不同角度(逐层钻取及多维 度旋转和切片)提取有关数据和利用分析过程对数据进行深入分析和加工。可视化即兴报表 ，只需通过鼠标的点击、拖拉，便可完成各种用户所需报表格式,以及实现运算、求和、汇 总、排序等报表功能,并可随时按用户需要，以表格或统计图形的方式进行展现。④提供知识发现和辅助决策功能，利用数据仓库中已定义的主题挖掘项目状态的信息和知 识，补充并协同知识库、模型库、案例库为工程辅助决策提供支持。
⑤提供主动警讯管理，通过事先设置的各种警讯条件，当达到条件时 ，系统可主动通过各 种手段(如Email、电话、传真、手机短信等)向管理人员提供报警通知。⑥报表的产生分送自动化。一些定期的静态报表，可以通过事先工作日程的安排，定期产 生并分送给有关人员。⑦集中权限监控管理系统。用户权限的集中管理并与操作系统安全认证相结合，灵活控制 不同用户对报表和数据分析的权限。
2 智能信息管理系统概述

智能管理信息系统(Intelligence management information systems，简称IMIS)是人工智 能和现代管理科学与信息系统相结合的产物，它在传统的管理信息系统的基础上，引用人工 智能专家系统、知识工程等现代科学方法和技术进行智能化设计和实施，是有目的的、有组 织的、开放的、进化的系统，是能够灵活地、有效地、创造性地进行信息获取、处理和利用 的系统。智能信息系统通常有知识库、方法库、模型库，通过对经验的语料学习，利用各种 人工智能的技术和算法，进行归纳推理，得到用户需要的面向主题的答案。
2.1 数据仓库和数据挖掘

数据仓库是面向主题的、集成的、稳定的、不同时间的数据集合, 数据仓库中的数据含基本 数据、历史数据、综合数据和元数据，这些数据不是大量数据库的堆积，而是按决策主题重 新组织的，便于用户从大量数据中提取各自的辅助决策数据和信息。数据挖掘则致力于知识 的自动发现，通过关联分析、相似搜索、趋势分析与预测、序列数据中的序列模式分析等方 法获得新的知识，做出归纳性的推理，从中挖掘出潜在的模式〔4〕。
2.2 专家系统

利用专家的知识和某些现成的模型，针对用户提出的问题通过推理进行分析、求解。模糊专 家系统是在知识的表达中运用模糊集理论，对规则内部和观察事实引入隶属度的概念，允许 使用模糊量词，而推理机制则是采用模糊逻辑，允许规则与事实的部分匹配，推理的结果也 可能是一个模糊集。
2.3 智能决策支持系统

决策支持系统是决策支持系统与人工智能技术相结合的产物，与传统的决策支持系统相比不 仅要进行知识库与模型库的选择，而且要进行大量的推理和逻辑判断。在推理与判断中，许 多情况很难确定，最终的方案也不是一个确定的数字就能决定的。
2.4 智能控制

智能控制理论是人工智能和自动控制交叉的产物，也是传统控制的继承和发展。智能控制的 基本特点是不依赖或少依赖控制对象数学模型，而主要利用人的操作经验、知识和推理能力 以及控制系统的性能和状态进行控制操作〔5〕。智能控制的思想主要应用于自动化 领域，但在项目管理领域的研究使用也有出现，如文献〔6〕建立一种施工进度计划 自动安排系统，该 系统可以结合项目管理的计划原理，对施工活动自动分类、分解，计算持续时间并建立逻辑 关系，实现进度自动生成的功能。
3 基于数据仓库和数据挖掘的智能化信息管理系统架构

智能化信息管理系统遵循多级分布式的体系架构思想，基于WEB的应用，以项目管理为主， 贯穿项目的整个生命周期，集成企业业务流程，各部门协同工作，以实时监控、智能分析、 信息柔性化管理模式进行系统的集成和部署。使用者通过WEB浏览器实现对应用的访问，底 层数据与前台应用分离，应用层、服务层、数据层各自相对独立，从而保证系统各层次的逻 辑独立性和可扩展性。
3.1 数据源

由于不同信息系统的数据多样化，数据可以来源于各类业务系统有关数据库，也可来源于非 结构化的数据或分布式数据库系统。在数据转换过程,需要为每个业务系统数据源设计一个 数据转换程序或方法,将数据转入中心数据库。


3.2 数据转换

由于业务系统的多样化，数据的存储格式和表示方式各有不同，在转换过程需根据数据仓库 所建立的业务模型，对原始数据进行清洗、转化、集成、综合等操作，然后导入数据仓库。 
3.3 中央数据仓库

中央数据仓库是决策支持系统的核心部分，企业建设数据仓库的成败，主要体现在数据仓库 建设组织的科学性、条理性和严密性。如何利用历史数据设计出符合生产、决策、调控的业 务模型，便于进行历史数据挖掘，以发现数据之间内在联系。
3.4 知识发现和辅助决策引擎

数据挖掘和联机分析处理组件实现了主题定义、数据准备和知识提取等阶段中的相关功能。 辅助决策用于提供逻辑推理和决策支持等相关功能。
4 结论与展望

随着建筑业行业的市场竞争逐渐加剧和现代化建设项目的日益庞大和复杂，工程管理人员需 要对项目的进度、质量、成本和安全等方面进行更为严格的管理和控制。建筑业企业应及时 改变以工程业务数据为主的管理信息系统的观念，建立智能型的项目管理信息系统，利用现 代化的信息技术增强信息系统对工程数据深入分析和综合利用的能力，提高工程决策的效率 和质量，从而增强全面提升企业的项目管理水平，在竞争日益激烈的市场竞争中把握先机。 
［参考文献］
［1］ 赵彦华，等.智能管理信息系统研究综述［J］.黄河水利职业技术学院学报,  2003,15(2):91~93.
［2］ Helen Hasan. Peter Hyland. Using OLAP and multidimensional data for  decision making［J］. IT Professional, 2001, 3(5)：44~50.
［3］ Michael Blaha. Data warehouses and decision support systems［J］. MC omputer, 2001, 34(12):38~39.
［4］ 林宇等.数据仓库原理与实践［M］.北京:人民邮电出版社,2003.
［5］ 钱锡凡,李日文.人工智能技术及应用［M］.北京, 中国电力出版社,2008.[ ZK)]
［6］ 胡文发,何新华. 基于知识系统的施工进度自动安排［J］.同济大学学报,200 5,33(7):980~984.