在卷烟厂的信息化过程中，许多卷烟厂已经利用传统数据库建立自己的卷烟质量管理系统，积累了大量的原始质量数据。这些以传统数据库为基础的质量管理系统是面向事务处理的，一般只能处理即时的质量数据，不能对质量发生的原因进行深层次的分析，而且这些数据有的来自生产部门，有的来自质检部门，各自为政，杂乱无章，缺乏时效性，很难及时针对质量问题做出综合性的及时分析，给企业高层实施全局质量控制造成困难。这样的数据库系统已经不能满足现今“大企业”质量管理的要求。针对生产质量管理的这种现状，为了充分利用现有的数据，需要将这些分散的异源数据整合集成，产生高质量的、纯净的和集成的数据，便于质量管理者对卷烟质量进行深层次的分析，找出影响卷烟质量的根本原因，提出提高质量的有效措施。
为此，有必要在卷烟质量管理系统中建立数据仓库系统，在数据仓库的基础上，利用OLAP(联机分析处理)技术和数据挖掘技术处理多维数据，对大量的卷烟成品及半成品的质量数据、设备数据和原辅材料数据进行多维分析处理，并把分析结果以多维视图方式展现给决策者，帮助决策者及时了解整个企业产品质量发展趋势，帮助决策者快速、准确地定位导致质量下滑的生产环节，并分析、找出质量下滑的原因(如设备或原辅材料的原因)，从而提高产品质量，增强市场竞争力。
1 卷烟质量管理系统的体系结构
根据卷烟质量管理的需要与数据仓库技术的特点，卷烟质量管理系统的体系结构如图1所示。该体系结构弥补了传统质量管理系统的不足，又可以充分发挥面向主体、适于分析的特点。
图1 质量管理数据仓库系统的体系结构
该体系结构的下层是易变的、详细的、非集成的主题域数据源，包括各职能部门的数据(各生产部门、质检科和三级站质量检验数据以及原辅材料信息和设备信息)和相关外部数据。这里的外部数据指的是：根据各牌号加工流程要求和质量要求制定的各牌号工艺指标和各牌号制丝、卷接、包装以及成品质量标准。数据源按照元数据模型，经过抽取、转换、清洗、装载(ETL)的过程进入数据仓库服务器。数据仓库服务器中保存了主题的近期细节数据和大量的稳定的历史综合数据，能满足各种分析需求。OLAP服务器则根据客户端的分析要求从DW(数据仓库)服务器中提取数据、分析数据，并在客户端将结果以友好直观的方式展现给用户，使高层管理者从不同角度了解整个企业的生产质量情况，合理制定生产计划。
进行质量检验的最终目的是为了通过少量的样本检验，控制产品的质量合格率，并找出导致产品不合格的因素持续改进质量，达到“零缺陷”的质量目标。所以，知识库在这里主要提供了当质量特征值超过预定的质量控制目标值时的解决方案。知识库中的知识从OLAP得到补充，反过来又更好地支持OLAP。分析模型库提供了各种卷烟品牌的质量分析模型。质量分析模型是根据卷烟产品质量特征，通过专业分析以及大量的质量检验数据，抽样方法，采用数学方法建立的。依据质量分析模型就可以得到质量总体控制目标值，这个值如果在合理的范围内即为产品合格，这样就可以给出产品质量的总体评价。
2 卷烟质量管理系统关键技术
2.1 数据仓库
数据仓库理论的创始人W.H .Inmon在(Building the Data Warehourse》一书中给出了数据仓库的定义：数据仓库是一个面向主题的、集成的，随时间变化的、非易失性数据的集合，用于支持管理层的决策过程。它从大量的事务型数据库中抽取数据，通过清洗、转换，形成统一的存储格式，这些数据再经过数据分析和数据展现技术，根据用户的不同分析要求形成相应的结果并表现出来，形成图形或表格，给最终用户特别是决策者们提供更好的数据访问支持。
数据仓库功能强大的主要原因在于它能集成和管理不同数据源的数据。为了集成和管理这些异源异构数据需要处理好数据颗粒度和数据的分割。
2.1.1 数据颗粒度
在数据仓库中，数据被分为4种级别，分别是高度综合级、轻度综合级、当前细节级、早期细节级。当前数据首先进入当前细节级，然后根据应用的需求，通过预运算将数据聚合成轻度综合级和高度综合级。比如，在卷烟企业的质量检验报表中记录了每种产品每次抽样的合格率，进行OLAP分析时，常需要不同层次的数据颗粒度，因此可以通过预运算将数据综合成每天的合格率，甚至是每月的合格率。有些细节数据因长期未用而老化进入早期细节级。
2.1.2 数据的分割
所谓数据分割是指将数据分散到各自的物理单元中以便能够独立处理，提高数据处理的效率。数据分割后的单元称为分片。由于数据仓库中的数据量极大，使用起来会带来很多问题，比如将2000年～2005年的质量检验记录放在一张表中，则即使问题范围只在2002年内，一次查询也需检索整张表。如果将这张表按年份分割成几张表，则只需检索2002年的表即可。
2.2 联机分析处理(OLAP)
OLAP是基于数据仓库的信息分析处理技术，具有强大的分析能力，能提供数据的多维概念视图。OLAP针对某个特定的主题进行联机数据访问处理和分析，通过直观的方式从多维度、多种数据综合程度将系统运营情况展现给使用者。OLAP主要是通过对多维组织后的数据进行切片、聚合、钻取、旋转等分析动作，使决策者能够从不同的视角和综合度查看数据，以获得对信息的深入理解。
OLAP的具体实现方案采用三层客户用及务器结构(如图2所示)。第一层是数据仓库服务器，它实现与基层运营的数据库系统的连接，完成数据一致和数据共享的工作；第二层是OLAP服务器，它根据最终客户端的请求实现，对数据仓库中的数据进行各种分析动作；第三层是前端的展现工具，用于将OLAP服务器处理的结果用最直观的方式，如多维报表、饼图、柱状图、三维图等展现给最终用户。
图2 OLAP的三层客户朋民务器结构图
