论文摘要：利用数据采集卡构建的数据采集系统一般价格昂贵且难以与实际需求完全匹配。声卡作为数据采集卡具有价格低廉、开发容易和系统灵活等优点。本文详细介绍了系统的开发背景,软件结构和特点,系统地分析了数据采集硬件和软件设计技术,在此基础上以声卡为数据采集卡,以matlab为开发平台设计了数据采集与分析系统。
本文介绍了matlab及其数据采集工具箱,利用声卡的a/d、d/a技术和matlab的方便编程及可视化功能,提出了一种基于声卡的数据采集与分析方案,该方案具有实现简单、性价比和灵活度高的优点。用matlab语言编制了相应软件,实现了该系统。该软件有着简洁的人机交互工作界面,操作方便,并且可以根据用户的需求进行功能扩充。最后给出了应用该系统采集数据的应用实例。
1绪论
1、1课题背景
数据也称观测值，是实验、测量、观察、调查等的结果，常以数量的形式给出。数据采集，又称数据获取，就是将系统需要管理的所有对象的原始数据收集、归类、整理、录入到系统当中去。数据采集是计算机管理系统使用前的一个数据初始化过程。数据采集技术广泛引用在各个领域。比如摄像头，麦克风，都是数据采集工具。
数据采集（dataacquisition）是将被测对象(外部世界、现场)的各种参量(可以是物理量，也可以是化学量、生物量等)通过各种传感元件作适当转换后，再经信号调理、采样、量化、编码、传输等步骤，最后送到控制器进行数据处理或存储记录的过程。wWw、133229、cOM
被采集数据是已被转换为电讯号的各种物理量，如温度、水位、风速、压力等，可以是模拟量，也可以是数字量。采集一般是采样方式，即隔一定时间（称采样周期）对同一点数据重复采集。采集的数据大多是瞬时值，也可是某段时间内的一个特征值。准确的数据测量是数据采集的基础。数据测量方法有接触式和非接触式，检测元件多种多样。不论哪种方法和元件，都以不影响被测对象状态和测量环境为前提，以保证数据的正确性。数据采集含义很广，包括对连续物理量的采集。在计算机辅助制图、测图、设计中，对图形或图像数字化过程也可称为数据采集，此时被采集的是几何量数据。
在智能仪器、信号处理以及工业自动控制等领域，都存在着数据的测量与控制问题，常常需要对外部的温度、压力、流量、位移等模拟量进行采集。数据采集技术是一种流行且实用的电子技术。它广泛应用于信号检测、信号处理、仪器仪表等领域。近年来，随着数字化技术的不断发展，数据采集技术也呈现出速度更高、通道更多、数据量更大的发展态势。
数据采集系统是一种应用极为广泛的模拟量测量设备，其基本任务是把信号送入计算机或相应的信号处理系统，根据不同的需要进行相应的计算和处理。它将模拟量采集、转换成数字量后，再经过计算机处理得出所需的数据。同时，还可以用计算机将得到的数据进行储存、显示和打印，以实现对某些物理量的监视，其中一部分数据还将被用作生产过程中的反馈控制量。
数据采集系统是计算机测控系统中非常重要的环节，目前，有各种数据采集卡或采集系统可供选择，以满足生产和科研试验等各方面的不同需要，但由于数据源以及用户需求的多样性，有时并不能满足要求。特别是在某些应用中，需要同时高速采集多个通道的数据，而且为了分析比较各通道信号间的相互关系，常常要求所有通道的采集必须同步。现有的数据采集系统能够满足上述要求的比较少，且价格十分昂贵，体积较大，分量较重，使用十分不方便。
一般模拟量是通过各种数据采集卡进行数据采集。目前常用的是具有isa总线、pci总线等接口形式的a/d采集卡，虽然数据传输率很高，但是还存在整个系统笨重，缺乏灵活性，不能实现即插即用，不适合小型、便携设备采用等缺点。另外这些类型的采集卡在计算机上安装比较麻烦，而且由于受计算机插槽数量、地址、中断资源的限制不可能挂接很多设备。因此，工程师们往往需要花费大量的时间和资源用于系统搭建。
随着现代工业技术的迅猛发展，生产规模的不断壮大，生产过程和制作工艺的日趋复杂，对自动测试和各种信息集成的要求也就越来越高。数据采集系统的好坏将直接影响自动测试系统的可靠性和稳定性，为了满足不同的测试需求，以及减少对资源的浪费，在系统的设计上应该尽量满足通用性和可扩展性。在高度发展的当今社会中，科学技术的突飞猛进和生产过程的高度自动化已成为人所共知的必然趋势，而它们的共同要求是必须建立在有着不断发展与提高的信息工业基础上。人们只有从外界获取大量准确、可靠的信息经过一系列的科学分析、处理、加工与判断，进而认识和掌握自然界与科学技术中的各种现象与其相关的变化规律，并通过相应的系统和方法实现科学实验研究与生产过程的高度自动化。换言之，生产过程的自动化面临的第一个问题就是必须根据从各种传感器得到的数据来检测、监视现场，以保证现场设备的正常工作。所以对现场进行数据采集是重要的前期基础工作，然后再对现场数据进行传输和相应的处理工作，以满足不同的需要。
数据采集卡是中低端数据采集系统设计的必选产品。基于isa、pci的插卡式数据采集设备存在以下缺陷：安装麻烦；价格昂贵；受计算机插槽数量、地址、中断资源限制，可扩展性差；在一些电磁干扰性强的测试现场，无法专门对其做电磁屏蔽，导致采集的数据失真。而现代工业生产和科学研究的发展要求数据采集卡具有更好的数据采集、处理能力，传统的cpu已经不能满足这一要求。针对以上要求，本文将论述一种基于pc机的声卡技术，它安装容易，成本较低。只需利用计算机本身的软硬件资源，而不需添加其他任何设备即可构成数据采集与分析系统，使用matiab语言编制简洁的图形用户界面，该界面操作方便，并且可以根据用户的需求进行功能扩充。
数据分析在整个科研工作中是个重要的必不可少的环节，它的目的是把隐没在一大批看来杂乱无章的数据中的信息集中、萃取和提炼出来，以找出所研究对象的内在规律。在实用中，数据分析可帮助人们作出判断，以便采取适当行动。数据分析是组织有目的地收集数据、分析数据，使之成为信息的过程。这一过程是质量管理体系的支持过程。在产品的整个寿命周期，包括从市场调研到售后服务和最终处置的各个过程都需要适当运用数据分析过程，以提升有效性。例如，一个企业的领导人要通过市场调查，分析所得数据以判定市场动向，从而制定合适的生产及销售计划。因此数据分析有极其广泛的应用范围。数据分析系统工作的质量和速度如何，对整个科研工作的影响也是很大的。因此研究一种质量性能高的通用数据采集平台具有很大的意义。
在近几十年来ic技术和计算机技术的高速发展，为数据采集与分析提供了非常良好与可靠的科学技术基础，也提出了更高的要求和强有力的推动。如今面临着先进的计算机技术和信息技术与落后的信息采集与分析技术的现实差距，那将大大影响科学技术的高度发展和生产过程的高度自动化。所以，近几十年来世界各国都大量投入进行信息采集与分析的工作，尤其是在经济发达的美、英、德、法日等国与我国，都对这一技术高度重视。
1、2国内外研究动态
数据采集是获取信息的基本手段，数据采集技术作为信息科学的一个重要分支，与传感器、信号测量与处理、微型计算机等技术为基础而形成的一门综合应用技术，它研究信息数据的采集、存储、处理及控制等作业，具有很强的实用性。随着科学技术的发展，数据采集系统得到了越来越广泛得应用，同时人们对数据采集系统的各项技术指标，如：采样率、线性度、精度、输入范围、控制方法以及抗干扰能力等提出了越来越高的要求，特别是精度和采样率更是使用者和设计者所共同关注的重要问题，于是，高速及超高速数据采集系统应运而生并且得到了快速发展。今天，数据采集技术己经在雷达、通信、水声、振动工程、无损监测、智能仪器、工业自动控制以及生物医学工程等众多领域得到广泛的应用并且收到了良好的效果。高速数据采集系统在国防、航天、边缘科学研究中及国民经济的各个领域的成功的应用，进一步引起了各方的关注，推动了它的研制和发展。随着科学技术的发展，数据采集系统得到了越来越广泛的应用。目前，国外很多公司与厂商都投入巨资进行数据采集系统的研制开发与生产销售，其中比较著名的有neff，ni、hp，tek等。
从数据采集系统产品来看，各大公司提供的系列产品都包括了完成数据采集的诸如信号放大、滤波、多路开关、模数转换和接口等各种模块。现有的高速数据采集器件和开发的产品中，目前还没有完全实现高速、高分辨率。在雷达、通信、谱分析、瞬态分析、电视等应用领域，为满足实时检测和高速采集的日益更新的需要，实现数据采集的高速、高分辨率已成为数据采集系统的一个发展方向。现有的高速adc器件和产品价格都比较昂贵，有些高速、高分辨率的器件本身还存在着不稳定性，因此，在数据采集系统向高速、高分辨率发展的同时，开发和研制的器件和产品应不断地提高可靠性，降低成本，提高性价比，以便使之得到更广泛的应用。在国内，由于历史、技术等原因，我们的产品普遍存在：通用性差、用途单一、测点少、测量距离小、环境适应性差等缺点，远没有形成系列化、模块化、标准化的通用产品，根本无法满足国内用户不断增长的需要，也远远不能与国外产品抗衡，正因此使得价格高昂的国外产品占有了相当大的市场份额。
1、3数据采集系统的现状及发展
数据采集与分析一直是生产实践研究与应用领域的一个热点和难点。随着微电子制造工艺水平的飞速提高及数据分析理论的进一步完善与成熟，目前国内外对数据采集系统的高性能方面的研究上取得了很大的成就。就a/d转换的精度、速度和通道数来说，采样通道从单通道发展到双通道、多通道，采样频率、分辨率、精度逐步提高，为分析功能的加强提供了前提条件。而在数据分析的微处理器上，最初的数据采集系统以8位单片机为核心，随着微电子技术的不断发展，新兴单片机的不断问世，十六位、三十二位单片机也为数据采集系统研制厂家所采用，近年来采用具有dsp功能的数据采集系统也己投入市场。同时，通用pc机的cpu用于数据处理也较为常见。总之，伴随着高性能微处理器的采用和用户技术要求的不断提高，数据采集系统的功能也越来越完善。数据采集系统的发展主要体现在以下几个趋势：
首先，在专业测控方面，基于pc计算机的数据采集系统越来越成熟和智能化。在过去的二十年中，开放式架构pc机的处理能力平均每十八个月就增强一倍。为了充分利用处理器速度的发展，现代开放式测量平台结合了高速总线接口，如pci和pxi/pactpci，以便获得性能的进一步提升。计算机的性能提升和由此引起的基于计算机的测量技术的创新，正在持续不断地模糊着传统仪器和基于计算机的测量仪器之间的界线。
其次，在通用测控方面，采用嵌入式微处理器的方案也由早期的采用a/d器件和标准单片机组成应用系统发展到在单芯片上实现完整的数据采集与分析，即目前极为热门的soc(systemonchip)。通常在一块芯片上会集成一个，可以采样多路模拟信号的a/d转换子系统和一个硬cpu核(比如增强型80_52内核)，而且其cpu的运算处理速度和性能也较早期的标准cpu内核提高了数倍，而且有着极低的功耗。这种单芯片解决方案降低了系统的成本和设计的复杂性。
此外，为了解决soc方案中数据处理性能的不足，采用dsp作为数据采集系统的cpu的研究与应用目前也逐渐引起业内重视。但是这类产品目前仅仅处于发展的初级阶段，在精度、速度或其它性能指标上并不能很好的满足要求。因此，国内外以dsp作为数据采集系统的采样控制和分析运算的研究与应用正在展开。
近年来随着芯片技术、计算机技术和网络技术的发展，数据采集技术取得了许多新的技术成果，市场上推出了繁多的新产品。高速数据采集技术的发展一方面是提高采集速率，另一方面不断向两端延伸。一端是输入的信号调理，另一端是采集后的数字化信号的实时处理与事后处理。20世纪90年代末，随着数字技术快速发展，数据采集技术已向着并行、高速、大量存储、实时分析处理、集成化等方向发展。
(1)采样方式
①过采样（oversampling）。采样方式中最早是过采样，根据采样定理，采样频率fs必须高于被采信号最高频率fch的两倍，才不致产生频率混叠现象。例如信号最高频率为10khz，采样频率必须高于20khz。
②欠采样（undersampling）。在通信和动态数据的采集中，发展了一种欠采样技术，即采样频率fs可以低于信号频率fch，但信号的频带宽度不得大于0、5fs，利用采样信号产生的高次谐波，将采样后的信号移至第二或者更高的奈奎斯特区。例如采样频率fs为10khz，可对频带fch落于11～14khz的信号(频带宽度为3khz，低于0、5fs=5khz)进行欠采样。于是在采样频率2次谐波两边产生的采样后的信号频带为f2ch=2fs±fch=20khz±(11～14khz)=31～34khz，或9～6khz
③等效时间采样（equivalenttimesampling）。主要是对于重复的周期波形进行等效时间采样。例如美国泰克公司的tds784d数字存储示波器，其实际的采样频率为1gs/s(1ghz)，对于重复的周期信号，采取周期微差法，可以达到250gs/s(250ghz)的等效时间采样。例如对于1ghz的方波，进行周期微差法采样，每个周期的采样只有微小的时差，将若干个周期中的样点集中排列，即可测出方波上升沿和下降沿的波形。对于单次瞬态信号，这种方法是无效的。
④变速率变分辨率采样。
(2)采集方式的发展
①扫描式采集（scanningacquisition）：时分制、多通道巡回采集。
②并行式采集（parallelacquisition)：多个通道同步并行采集，每个通道采用一个独立的a/d转换器，通道采集速率只取决于a/d的转换速率，与通道数无关。
③交替采集（internativeacquisition）：一个通道由多个a/d转换器交替采集，使每个通道采样速率等于多个a/d的转换速率之和，可以高于单个a/d的转换速率。
(3)采集数据的实时分析与处理软件
目前国外的测试仪器或系统生产厂家，在生产硬件的同时，推出其相应的支持软件或软件开发平台，如为产品开发者提供的软件工具；为系统集成者提供系统应用软件的集成的环境；为终端用户提供编写自己的用户应用程序的手段。
1、4本文主要内容和章节安排
本文完成了一种基于matlab的数据采集系统的方案的设计，实现了在matlab环境下利用声卡和matlab数据采集工具箱进行的数据采集与分析。
全文的结构安排如下：
第一章绪论，说明了研究背景、意义、国内外现状，以及系统的发展现状。
第二章主要介绍了系统结构特点及性能
第三章主要介绍了声卡、matlab软件及其工具箱的使用
第四章主要讨论了系统结构功能设计与实现，以及数据采集与分析的具体过程
第五章主要对数据采集进行了举例
2数据采集系统结构特点
2、1系统组成结构
数据采集系统主要由两部分组成：采集子系统和计算机子系统，即下位机智能数据采集系统和上位机hmi（humanmachineinterface）系统。采集子系统实现将客观世界被测对象信号采集和转换为能被计算机处理的数字信号的功能等；计算机子系统实现对采集数据的控制、存储和处理等功能，计算机起着对采集数据的存储和处理、统计分析、提供人机接口与其他计算机的数据通信和交换的功能。
数据采集系统涉及多学科，所研究的对象是物理或生物等各种非电或电信号。根据各种非电或电信号的特征，利用相应的归一化技术，将其转换为可真实反映事物特征的电信号后，经a／d转换器转换为计算机可识别的有限长二进制数字编码，以此作为研究自然科学和实现工业实时控制的重要依据，实现对宏观和微观自然科学的量化认识，典型的数据采集系统组成如图2-1所示。
图2-1典型数据采集系统的组成
而一般的外置式数据采集系统结构如图2-2所示。模拟信号由传感器采得经过信号调理模块送入数据采集硬件设备。在数据采集设备中完成a／d转换，包括采样、量化、编码，转化成数字信号后送入与之相连的pc机中。根据不同的要求，在pc机上利用matlab以及二次编程实现数据的实时分析与处理。用户可以通过人机交互界面修改、设定各项参数来控制数据采集硬件设备的工作状态，同时可以得到数据的采集与分析结果，从而实现数据采集与分析的自动化。
图2-2一般的外置式数据采集系统结构
利用声卡在windows环境下开发数据采集系统时，由于受编程语言的限制，其数据分析与处理的功能非常有限。例如，为了对所采集的数据进行功率谱分析，则需要用户以vb或c语言来编写功率谱分析的子程序，这显然增加了开发的难度，并且也极不利于分析功能的进一步扩展。
而利用声卡作为a／d转换工具，经过衰减和取样电路得到的模拟信号送至声卡的线路输入端linein，并利用matlab中提供的数据采集工具箱，可满足控制声卡进行数据采集的要求。用户通过调用matlab命令，可对采集的数据进行分析和处理。
整个系统可分为数据采集和数据分析两大部分，以友好的图形界面与用户进行交互沟通。数据采集部分实现数据采集功能，根据用户选择的采样频率和预设的采样时间，从声卡获得用户需要的数据；数据分析部分对采集到的数据进行频谱分析。全部数据的时域和频域波形以图形方式直观地呈现于用户面前。此外，还提供保存数据以及回放数据的功能。
图2-3给出了基于matlab的数据采集系统的简图，主要部件数据采集工具箱提供了硬件驱动程序和matlab环境之间“对话”所需的硬件驱动程序适配器、数据采集引擎和m-文件函数、
图2-3基于matlab的数据采集系统简图
硬件驱动程序适配器在硬件驱动程序和数据采集引擎之间交换属性数值、数据和事件；数据采集引擎用来存储各个设备对象，以及每个设备对象的属性值；对采集到的数据进行存储并且使不同事件同步；m-文件用来创建设备对象、采集或输出数据、配置属性值和检测数据采集状态和数据采集设备。
2、2系统的特点和性能指标
现代数据采集系统发展到今天，一般来说具有如下主要特点：
（1）现代采集系统一般都由计算机控制，使得数据采集的质量和效率等大为提高，也节省了硬件投资。
（2）软件在数据采集系统中的作用越来越大，增加了系统设计的灵活性。
（3）数据采集与数据处理相互结合的日益紧密，形成数据采集与处理系统，可实现从数据采集、处理到控制的全部工作。
（4）数据采集过程一般都具有“实时”特性，实时的标准是能满足实际需要；对于通用采集系统一般希望有尽可能高的速度，以满足更多的应用环境。
（5）随着电子技术的发展，电路集成度的提高，数据采集系统的体积越来越小，可靠性越来越高，甚至出现了单片数据采集系统。
（6）总线在数据采集系统中有着广泛的应用，总线技术它对数据采集系统结构的发展起着重要作用。
评价一个数据采集系统的性能有很多指标，但是一般采用以下几个比较常用的指标进行评价。
（1）系统分辨率
系统分辨率是指数据采集系统可以分辨的输入信号的最小变化量。通常可以用如下几种方法表示系统分辨率：
使用系统所采用的a/d转换器的位数表示系统分辨率；
使用最低有效位值（lsb）占系统满度值的百分比表示系统分辨率；
使用系统可分辨的实际电压数值表示系统分辨率；
使用满度值可以分的级数表示系统分辨率。
（2）系统精度
系统精度是指当系统工作在额定采集速率下，整个数据采集系统所能达到的转换精度。a/d转换器的精度是系统精度的极限值。实际上，系统精度往往达不到a/d转换器的精度。因为系统精度取决于系统的各个环节（子系统）的精度，如前置放大器、滤波器、模拟多路开关等。只有当这些子系统的精度都明显优于a/d转换器的精度时，系统精度才有可能达到a/d转换器的精度。系统精度是系统的实际输出值与理论输出值之差，它是系统各种误差的总和，通常表示为满度值的百分数。
（3）采集速率
采集速率又称为系统通过速率或吞吐率，是指在满足系统精度指标的前提下，系统对输入的模拟信号在单位时间内所能完成的采集次数，或者说是系统每个通道、每秒钟可采集的有效数据的数量。这里说的“采集”包括对被测物理量进行采样、量化、编码、传输和存储的全部过程。
（4）动态范围
动态范围是指某个确定的物理量的变化范围。信号的动态范围是指信号的最大幅度和最小幅度之比的分贝数。
2、3系统常见的几种结构形式
（1）多通道共享采样/保持器和a/d转换器数据采集系统
这种系统构成如下图所示，这种结构形式采用分时转换工作的方式，多路被测信号共用一个采样/保持器和一个a/d转换器。当采样保持器的输出已充分逼近输入信号（按给定精度）时，在控制命令的作用下，采样保持器由采样状态进入保持状态，a/d转换器开始进行转换，转换完毕后输出数字信号。在转换期间，多路开关将下一路信号切换到采样/保持器的输入端，系统不断重复以上的操作，可以实现对多通道模拟信号的数据采集。采样方式可以按顺序或随机进行。
多通道共享采样保持器和ad转换器数据采集系统图
这种采集系统结构形式最简单，所用芯片数量少，适用于信号变化率不高、对采样信号不要求同步的场合。如果被测信号变化速率较慢，可以不用采样保持器，直接进行a/d转换。如果信号很弱而干扰噪声强，需要在系统电路中增加信号放大电路和滤波环节。
（2）多通道同步数据采集系统
多通道同步型数据采集系统图
其结构如上图所示，也属于分时转换系统。
多路模拟输入信号共用一个a/d转换器，但是每个通道各有一个采样/保持器，在同一采样指令控制下对各路信号同步进行信号采样，得到各路信号在同一时刻的瞬时值。模拟开关分时将各路采样/保持器切换到a/d转换器上，进行模数转换。这些同步数据可以描述各路信号的相位关系，所以这种结构被称为同步型数据采集系统。
由于各路信号必须串行的在共用的a/d转换器中进行转换和计算，若采样信号回路过多时，这种采集结构的速度仍然较慢。
（3）多通道并行数据采集系统
多通道并行数据采集系统框图如上图所示。这种结构形式中，每个通道都有自己的采样保持器和a/d转换器，经过a/d转换的数据经过接口电路送到计算机中。相对于前两种数据采集系统，这种结构形式的数据采集速度最快，但所用的硬件电路复杂，成本较高。
通用型模拟量数据采集模块则属于这一类的数据采集子系统。数据采集模块是属于单片机的智能器件，在整个数据采集系统中，每个模块可以认为是实时、并行地工作，每个模块仅完成几路信号的检测和采集，实时响应性能优。
（4）分布式数据采集系统
以上介绍的三种结构形式中，系统各部件之间的空间距离很近，逻辑上耦合程度紧密，都可以称之为数据采集系统。这种系统的优点是：结构简单，容易实现，能满足中小规模的集中数据采集的要求。在市面上均有成熟产品可供选用。系统的体积和设备量小，造价低。
由于工作原理、结构形式和性能设计等原因，这类系统也存在不少缺点：
因为系统结构不灵活，不易扩展，所以不适合大规模的数据采集应用场合。抗干扰能力差，尤其对于被测对象物理位置分散、传感器输出的微弱信号需要长距离传输时，所受的干扰不容忽视的。可靠性差。系统结构中某一部件出现故障会导致整个系统工作崩溃。由于各部件之间紧密耦合，导致系统的可扩展性和灵活性差。分布式数据采集系统是数据采集技术、计算机技术和通信技术综合和发展的产物，基于“分散采集、集中管理”的思想设计的系统结构形式，由若干个“数据采集点”和上位机以及通信接口组成。分布式数据采集系统结构如下图所示：
分布式数据采集系统图
处于分散部位的数据采集点相当于小型的集中数据采集系统，位于被测对象的附近，可独立完成数据采集和预处理任务，并将采集的数据转换为数字信号的形式传送给上位机，采用数据传输的方法可以克服模拟信号传输的固有缺陷。分布式数据采集系统的主要特点是：
（1）系统适应能力强。因为可以通过选用适当数量的数据采集点来构成相应规模的系统,所以无论是大规模的系统，还是中小规模的系统，分布式结构都能够适应。
（2）系统可靠性高。由于采用了多个数据采集点，若某个数据采集点出现故障，只会影响某项数据的采集，而不会对系统的其他部分造成任何影响。
（3）系统实时相应性好。由于系统各个数据采集点之间是真正“并行”工作的，所以系统的实时相应性较好。
（4）另外，这种数据采集系统是用数字信号传输代替模拟信号传输，有利于克服常模干扰和共模干扰。因此，这种系统特别适合于在恶劣的环境下工作。目前对于大规模的数据采集场合一般都采用分布式结构，根据不同的数据采集工作原理、结构形式和性能特点，在本系统中采用集中式的数据采集器件作为数据采集终端，采用上下位的连接方式，最终组成整个数据采集系统。
3matlab软件
3、1matlab简介
matlab是美国mathworks公司开发的一种功能极其强大的高技术计算机语言和内容极其丰富的软件库，它适合于工程各领域的分析设计与复杂计算的软件，该软件包括基本部分和专业扩展两大部分、扩展部分称为工具箱，用于解决某一方面的专业问题、它以矩阵和向量的运算以及运算结果的可视化为基础,把广泛应用于各个学科领域的数值分析、矩阵计算、函数生成、信号处理、图形及图像处理、建模与仿真等诸多强大功能集成在一个便于用户使用的交互式环境中,为使用者提供了一个高效的编程工具及丰富的算法资源。对于信号处理和图像处理等数字处理领域,matlab更是得天独厚,它丰富的m文件和强大的绘图可视功能为使用者带来了极大的方便,被广泛的应用于信号与图像处理、控制系统设计、通信、系统仿真等诸多领域，尤其对初学者可起到事半功倍之效。
matlab是一种解释语言，所有的程序和指令都必须在matlab解释器中读入后才能运行，因而极大地限制了代码执行速度。matlab强大的计算功能只能在其平台上才能使用，也就是说，必需在安装了其解释器的机器上才能使用matlab的m文件，这样就给工程应用带来了很大不便。对于一般用户来讲，matlab只能作为离线的计算和分析工具，而不能作为实时的工程工具。幸运的是，开发matlab的mathworks公司为广大的应用者提供了应用程序接口(api，applicationprograminterface)和编译器(piler)。利用matlab和c语言交互，也可以开发基于matlab的数据采集系统。如果配上数据采集线路，该系统就可以作为一个虚拟仪器来使用。
3、2数据采集工具箱及声卡简介
matlab自带的数据采集工具箱(dataacquisitiontoolbox,daq)能更容易地将实验测得的数据进行分析和可视化操作。数据采集设备包括:多媒体声卡、美国国家仪器e系列和1200系列接口板、hewlett-packard-vxie1432-系列接口板及其他各种数据采集硬件设备。数据采集硬件设备的内部特性对matlab的接口完全透明,无论是使用一个或几个硬件设备,数据采集工具箱都会向所有硬件设备提供单一和统一的接口。通过调用matlab命令和函数可对与计算机兼容的数据采集硬件设备进行访问并对其属性进行可视化监控。
数据采集工具箱是一种建立在matlab环境下的m函数文件和mex动态链接库文件的集合，包含3大区域的组件：m文件函数、数据采集引擎及硬件驱动适配器。它具有如下特点：是一种通过使用与pc机兼容的、即插即用的数据采集设备在matlab环境中的架构；支持模拟信号的输入输出以及数字信号的输入、输出，子系统还包括同步模拟输入输出的转换；支持声卡；事件驱动采集。
在matlab数据采集工具箱里集成了数据采集的m文件格式的函数和mex文件格式的动态链接库。其主要特征如下：
(1)提供了将实时测量数据从数据采集硬件采集到matlab中的框架。
(2)支持模拟量输入(ai)、模拟量输出(a0)以及数字量i／0子系统，包括模拟量i／o实时变换。
(3)支持pc声卡和业界非常流行的数据采集设备如ni卡、并行口(lpt1-lpt3)、keithley卡等。
1经济社会统计数据的空间化
以空间分析为手段,将总量数据离散到空间区域上已有很多应用[1-3],以行政区域为单元的统计数据分散到更接近真实情况的自然或经济区域上的做法也有一些尝试[4],特别是对于区域面积很大,且内部特征差异十分明显的区域做这样的工作更有实际意义。将社会经济信息进行空间化处理是根据经济对象空间分布特征、影响经济对象分布的自然和社会经济要素分布,将一定空间单元上的对应信息转化成1km×1km栅格数据(或其他空间大小的单元,如500m×500m等),每个栅格上的值则表示在1km2内的平均状况。
1、1经济社会统计数据空间离散化通用方法
经济社会统计数据对应的社会经济指标在空间的分布和变化受多种因素的影响,这些因素就是该经济社会统计指标的影响因素,区域经济社会统计数据在空间上分布的计算(离散化),必须考虑该指标影响因素的空间分布情况,及其对该指标的空间作用方式,才能将该经济社会指标总量数据“分配”到区域内不同的空间上[5]。经济社会统计空间离散化处理的基本方法是,对于某个经济社会统计指标,首先计算其每一种影响因子对该经济社会指标的影响数值,该计算需要依赖地理信息系统软件工具实现,以ARCGIS软件为例,其计算方法是利用GRID下的ZONALSTATS函数进行SUM统计,对于增长百分比性质的参数计算,采用平均值统计方法,公式(1)有:TEMPINFO1=ZONALSTATS(ADMGRD,ELEGRD)。其中:ADMGRD为ZONALGRID;ELEGRD为影响要素。公式(2)有:TEMPINFO2=ZONALSTATS(ADMGRD,STATGRD)。其中:ADMGRD为ZONAL-GRID;STATGRD为被统计对象。这样可以逐个计算得到影响要素在每个行政单元内的总分值、社会经济要素的总量。将TEMPINFO1,TEMPINFO2合并到一起,并用经济要素总量除以总分值,即可得到每个分值所代表的经济总量,并将该值添加到TEMPINFO1的一个属性项SCORE中;将TEMPIN-FO1与行政区划ADM属性表连接,将SCORE项转换成GRID数据,结果为SCOREGRD;用SCOREGRD乘以要处理的社会经济要素数据STATGRD,即可得到处理离散过社会经济指标数据STATGRD。实际计算中没有必要就每一种区域自然及社会经济条件对社会经济要素空间展布的影响分析,可以建立一种模型对某一种社会经济要素的所有影响因子及基础条件进行统计计算其影响力,模型为公式(3):AGRD=Vi×EiGRD。其中:Vi为第i种影响因子的权重值,其所有值的和为1;EiGRD为第i种影响因子对该社会经济要素的影响分值GRID。
1、2人口数据空间离散化
我国人口的空间分布是若干年来经济社会与自然相互作用的结果,其基本格局是西疏东密,但东南部地区密中有疏,西北部地区疏中有密[6]。根据全国人口统计实际状况,人口空间分布数据的计算以县级行政单元人口数据为基础,考虑人口空间分布的各种影响因素,特别是与产业结构的空间分布有很大关联度[7]。在人口离散化计算中,首先计算城镇人口空间分布,然后计算农村人口空间分布,两之合即总人口的空间分布。
1、2、1城镇人口的空间离散模型。虽然在城镇内部人口的分布存在一定差异,全国范围内城镇分布在空间上有很大的差别[8],但在全国尺度上,城镇人口在城镇斑块上的分布可以视作是均匀的,因此城镇人口的空间离散化可以将城镇人口按照城镇斑块面积平摊,在全国尺度上具有一定可信任性。全国城镇人口的离散化处理是以每个县级行政区为单元计算的,然后进行汇总,形成全国的城镇人口分布数据,对于任意一县级行政单元来说,该县级行政单元城镇用地地块中的任意栅格i,其上分布的人口(即城镇人口,以2000年为例)可以表示CTPOP_2000i=CTPOP_2000×Si∑ni=1Si。(4)式中:CTPOP_2000i是2000年该县级行政单元城镇用地地块栅格i上的人口;CTPOP_2000i为该县的城镇人口总量;Si为栅格i的面积,该县级行政单元共有n个城镇用地地块栅格;∑ni=1Si即为该县城镇用地面积。
1、2、2农村人口的空间离散模型。由于自然及社会经济条件的差异,在全国尺度上,农村人口空间分布具有极大的不均匀性;农村人口的分布依赖于土地利用类型、居民点分布、距交通线远近、自然资源的分布情况等多种自然地理要素和人文地理要素的空间分布;为此,在县级行政单元尺度上,为实现尽可能接近农村人口分布的实际需要,采用加权多因子影响力距离衰减模型。加权多因子影响力距离衰减模型中,首先单独考虑模拟各种影响因子对人口的影响,而后对各种因子影响力的相对大小进行模拟,并以线性叠加的方式将各种影响因子的影响力综合起来。由于数据的限制,这里主要考虑了城镇居民点和农村居民点中心的吸引作用、农村居民点斑块的限制作用,土地利用/覆盖类型的影响作用。对于任意一县级行政单元来说,该县级行政单元农村用地地块中的任意栅格i(以2000年为例),加权多因子综合影响力可以表示为W_2000i=∑mj=1∑ni=1K_2000j×Dij。(5)式中:W_2000i为2000年栅格i上加权多因子综合影响力;i为栅格序号,该县级行政单元内共有n个农村用地地块栅格;j为因子编号,该模型中共考虑m个因子;K_2000j为第j个因子在整个模型影响力的权重值;Dij为j因子在栅格i上的影响力。在得到各栅格点的影响力的总和值W_2000i之后,可以将W_2000i视作面积调整系数,与城镇人口空间离散模型相仿,可建立下面的数学模型进行农村人口的空间离散。得:COPOP_2000i=COPOP_2000×W_2000i×Si∑ni=1W_2000i×Si。(6)式中:COPOP_2000i是2000年某县级行政单元农村用地地块栅格i上的人口;COPOP_2000是该县级行政单元的农村人口总量;Si为栅格面积,W_2000i为2000年的加权多因子综合影响力,也即栅格i上的人口(农村人口)调整系数。
1、2、3总人口的空间分布模型。将城镇人口空间分布数据和农村人口空间分布数据进行叠加,即可形成表征总人口空间分布数据。数学模型表示为TPOP_2000i=CTPOP_2000i+COPOP_2000i。(7)式(7)中:TPOP_2000i为任意栅格i处的人口;CTPOP_2000i为栅格i处的城镇人口;COPOP_2000i为栅格i处的农村人口数;i为栅格序号。
2经济社会统计数据空间均匀度计算
行政区域有若干级别,考虑到在诸多研究中大量使用以省级行政单元为对象的经济社会统计数据,为便于研究,这里以省级行政区域单元为对象计算区域GDP、人口、产业增加值等空间均衡性,各指标值的空间均衡性以均匀指数表达。表达均匀程度有很多种方法,这里用自相关指数(ARCGIS中的MORAN指数)来表示。MORAN指数是一种空间自相关描述方式,可以用于描述地理实体在空间的分布关系,可以用于发现和解释物体在空间分布的原因,在模拟空间现象时可以确定空间临近程度,该指数的使用有助于提高传统统计方法分析能力。MORAN指数的计算为公式(8)C=∑∑WijCij/(∑∑Wij)[∑∑(Zi-Zm)2/n]。其中:C表示MORAN指数;∑∑Wij=4×n;n表示GRID中格网的总数,NROW×NCOLS;i,j指任意两个相临的格网;Zi格网i的属性值;Cij是格网i,j属性的相似性(Zi-Zm)×(Zj-Zm);Wij是格网i,j位置的相似性,如果格网i,j直接相临(4个方向上),则Wij=1,否则Wij=0。该模型算法中采样变量σ2采用(∑Zi-Zm)2/n公式计算,其中Zm是GRID数据的格网平均值,其计算是根据空间位置及属性的相似性进行的。对于计算结果,有3种值可能出现:C>0,表示空间上属性相似,具有一定的区域性,属性值在空间具有一定的平滑性;C=0,表示空间上相对独立,空间上没有关联性,基本上是随机出现;C<0,表示完全不相同,具有相邻空间区域上的属性反差很大。借助于软件工具,基于已空间化的经济社会各指标数据,可以计算每一省级行政单元上任何指标的MO-RAN指数。社会经济统计各指标空间均匀指数计算过程:首先,对于某一社会经济要素及每一个省级行政单元,从对应社会经济要素的全国1km×1km栅格数据中将各省级行政单元数据提取出来;第二,在软件工具支持下,计算每个省级行政单元的空间自相关指数MORAN指数;第三,均匀指数计算,将MORAN指数值最小的省级行政单元的值设为1,MORAN指数值最大的省级行政单元的值设为100,其他省级行政单元的均匀指数利用公式(9)进行计算:EQi=(MORANi-MORANmin)/MORANz×99+1。其中:EQ为均匀指数;i为第i个省级行政单元;MORANi为第i个省级行政单元的MORAN指数;MORANmin为所有省级行政单元中MORAN指数最小值;MORANz为所有省级行政单元中MORAN指数最大值与最小值的差值。
3经济社会统计数据空间均匀度分析
基于上述算法,分别计算2000年以省区为统计单元的社会经济指标GDP,第一产业、第二产业、第三产业增加值及其他指标空间均衡情况,发现不同的经济社会指标在相同区域的均衡性有很大的差异。三次产业结构的空间上的差异受市场空间分布、区域经济发展阶段和发展水平等多种因素影响[9]。在三次产业增加值计算的过程中,发现在省级行政区交接地带,既有产业结构明显差异的一面,也有经济合作的烙印[10]。表1是我国2000年度GDP各指标在省级行政单元上的均匀程度。对于GDP总量,就全国而言,其均匀指数为60、8;就各省区而言,均匀性最好的是北京市,其次是天津和上海;均匀指数最低的是,其次是青海、贵州,这说明在各直辖市内区域内部的差异相对较小,而在经济欠发达的西部地区,GDP总量在空间分布极不均匀。对于第一产业,均匀指数最高的是,其次是青海,其主要原因是这些地区农业相对较为落后,以畜牧业为主,由于普遍增加值较低,相对比较均匀;均匀指数较低的是上海、天津,这些区域农业增加值比重相对较低,且主要分布在城市边缘地区,整体的空间均匀性较差。对于第二产业,均匀指数最高的是北京,其次是黑龙江、上海、天津,由于第二产业主要集中在城市和城镇区域,所以在直辖市及工业基础较好的区域,均匀性较好;均匀性比较差的区域是、青海。对于第三产业,均匀性较好的是北京、天津、上海,这些区域的第三产业基础较好,分布较为均匀,均匀性比较差的区域是广东、、云南等;广东不均匀的原因主要是珠江三角洲地区与北部、西部山区地区的差异过大造成的,而、云南等地则是人口、城镇相对集中造成的。
关键词：试验数据分析 SPC 设计
中图分类号：TP274、2 文献标识码：A 文章编号：1007-9416（2016）11-0142-01
南京中车浦镇海泰制动设备有限公司是主要从事铁路客车、动车组、城市轨道交通设备制动系统及其零部件和试验装置的研发、设计、制造、销售、修理、租赁及技术咨询、试验检测和技术服务的高新技术公司。公司现有数十台各类非标设备用于产品的出厂试验，每台设备的试验类型、试验参数规格以及试验报告都不相同。
试验数据分析系统的目的就是需要将这些非标设备的试验数据进行集中统一上传存储，并提供统一的查询以及分析，使管理者或相关人员能迅速知晓产品性能参数，通过对试验数据的分析，了解产品的生产过程的结果，实时监控产品试验过程，对阶段性产品试验数据进行SPC分析。科学的区分出生产过程中产品质量的随机波动与异常波动，从而对生产过程的异常趋势提出预警，以便生产管理人员及时采取措施，消除异常，恢复过程的稳定，从而达到提高和控制质量的目的。
1 系统整体设计
系统整体框架结构包括三个部分：基于C/S的试验台应用配置系统 + 数据上传适配器中间件 + 基于B/S的试验台数据分析系统，如图1所示。
C/S的应用配置系统完成对不同类型试验台的应用配置，配置内容包括试验台的试验子项内容定义；试验子项的存储结构定义；试验子项的数据字典定义；试验子项的规格值定义；试验台试验报告单的报表格式及数据源定义。
数据上传适配器接口基于配置数据库中的配置实现将不同类型的试验台试验数据进行上传并存储。
B/S试验台数据分析系统基于配置数据库的配置，实现对不同类型的试验台试验数据进行显示以及分析。
2 数据上传接口设计
在试验过程中，每完成一个试验项目，则将当前试验项目的试验结果信息和参数信息通过调用Web Service接口上传并转储至服务器中的数据库中（如果遇到服务器故障的情况下数据本地保存）。
本地试验数据上传采用windows消息队列方式。原理如图2所示。
3 试验数据报表显示设计
由于试验数据分析系统需要显示不同试验平台下的试验数据报表。在设计中需要根据不同类型的试验台定义报表显示模版，定义模版中的数据源，最后将模版和数据源进行绑定并进行显示。设计结构如图3所示。
基于XML定义报表模版对应的数据源。XML文档格式设计如下：
4 结语
本文提出了多样性试验平台数据上传、集中存储、分析以及报表显示的设计解决方案，并对整体系统的构架做了详细的设计及实现，现系统正在稳定运行中。系统运行SPC分析图如图4所示。
【关键词】大数据 政府 统计分析
大数据思维方式与统计分析进行融合并非偶然，而是时展对工作模式进行改变的要求。大数据平台的发展起到了重要的支撑作用，纵观现代网络信息的广泛性，每天都有大量的用户通过互联网来获取社会信息，在这种大数据聚集的网络中，“大数据+”的工作模式便成为时展必然结果。我国政府在传统的统计分析工作中，由于数据管理缺乏一定的准确性和完整性，导致统计分析工作的质量较低，为此，大数据思维模式与统计分析工作进行结合便应运而生。
1 大数据形式下统计分析的特点
1、1 打破时间与空间的限制
在传统的统计分析工作中，政府在进行信息收集时，其往往是通过单一的渠道，对某个特定地方的数据进行收集和整理。不仅工作量大，效率低，而且因空间的限制导致整个的数据准确度不够。大数据形式下统计分析的特点与之相反，不仅能够打破空间的限制，让数据的搜集更具广泛性与全面性。更因互联网的数据传送不受时间限制，让数据的统计分析工作更为高效和准确。
1、2 数据统计具备多样性
政府在对传统的数据进行统计分析时，往往采取文本形式呈现。随着社会的不断发展，现阶段我国政府的文本形式已不能满足社会发展的需要。必须更新数据的统计形式，基于互联网下的大数据模式与统计分析工作进行融合，不仅能够全面准去的对数据进行搜集和智能化整理，更能让统计分析工作中的数据以表格和图形的形式展现出来，是数据的统计呈现出多样性，打破传统数据统计的单一结构。
1、3 y计分析结果价值大
传统的统计分析工作，受地域限制的影响太大。让数据受到严重的空间限制，其所反映的问题仅限于局部，以此基础上形成的数据，其准确性无法保证，而且部分数据在统计的过程中亦容易出现漏洞。大数据思维下进行统计分析工作时，往往从全面性的数据中进行筛查，进而让数据与工作的结合度大大提升，在此基础上进行统计分析，其统计数据质量、统计工作质量便会极大提高。
2 基于大数据思维下统计分析的应用
政府的统计分析工作需要建立在周密的数据基础上，为此，大数据形式的应用便是政府统计工作急需引入的基础。在大数据思维下统计分析工作的应用主要趋向于以下几方面：
2、1 国民经济发展数据统计分析
我国每个月、每个季度、每年都会对我国各项经济指标进行详细化统计，通过各项经济数据的变动，来制定不同的经济发展战略，其中有GDP、居民消费价格指数、工业企业主要经济指标等数据。现阶段大数据思维的应用，是我国政府统计分析工作实现了全面性，对各项数据进行统计时，能够利用网络对我国社会各个组织机构的数据进行整合，充分保证了宏观上数据的全民性。让统计周期大大缩短，减少了统计分析的误差，进而让政府可以根据有效、准确的数据做出决策，做到“先知先觉”，通过大数据对未来的经济发展形式与趋势做出预判。
2、2 国民就业、失业率统计分析
政府在传统的统计分析中，对国民就业与失业率的统计是通过毕业生增长情况和社会对劳动力的需求量进行统计分析。此分析方式不仅准确性严重缺失，更会因此而制定出缺乏科学性的决策或政策。进而让问题不断扩大化，大数据思维在统计分析中的应用，是就业率与失业率的统计工作完全实现了智能化，政府通过大数据平台对相关数据进行关键词的搜索就可以得出相应的数据，所有数据全部通过大数据平台自动化生成，不仅效率高，准确性亦远远超出传统统计方式。
2、3 医疗卫生领域数据统计分析
我国政府在传统的医疗卫生领域进行数据统计分析时，往往从各个医院与药店进行数据的提取，并根据不同地域的医院和病理来对我国医疗卫生发展的现状进行初步了解。对人口疾病走向以及疾病种类与地域性的关系进行分析，不仅整体的统计周期长，相关数据的完善性亦不够，导致最终的估测结果准确性难以保证。基于大数据思维的统计分析，是通过大数据平台对我国各个地域的网民疾病进行“一体化”的统计，并自行生成图形分析，还能打破时间限制，实时检测各个地域的医疗动态与疾病发生情况。通过对同疾病的发生状况与就诊人数来对各个疾病做到预判，让大数据平台为政府医疗卫生管理部门提供帮助，进而实现对不同疾病的有效防范。
2、4 国民人口分布数据统计分析
传统国民人口分布统计工作是一项庞大的工程，政府对逐一将每个省市进行分组，投入大量的人力和财力进行“走访式”的人口普查。其统计分析工作能够对我国人口的分布特征、人口数量、男女人口比重、人口的出生率和死亡率等进行普查。然而，基于大数据平台的统计分析工作，不仅能够将传统人口现状所筛查的领域进行更加准确化的统计，更能够对不同地区的人口消费习性、学历水平等综合性指标进行分析，其统计分析数据更具全面性，让统计结果更立体的得出我国现阶段人口的群体性特征。
3 结语
综上所述，当代社会的不断发展速度不断加速。统计分析工作模式必须要跟上时展的步伐，尽可能的打破时间与空间限制，让我国统计分析工作建立在大数据思维之上，大数据平台的建立，使政府部门的通过效率和工作质量得以保障。大数据思维在政府统计分析工作中的应用前景十分广阔，统计分析工作是我国政府肩负的重要工作，必须要充分结合时代的发展要求，让统计分析工作朝着科学的、先进的发展方向前进。
参考文献
[1]刘尚希，孙静、大数据思维：在税收风险管理中的应用[J]、经济研究参考，2016，01（09）：19-26、
[2]魏呈呈、大数据思维在国库统计分析中的应用[J]、浙江金融，2016，02（06）：45-50、
[3]“大数据在政府统计中的应用研究”课题组、互联网大数据在政府统计中的应用路径研究[J]、调研世界，2015，02（09）：12-22、
[4]周世佳、大数据思维初探：提出、特征及意义[J]、中共山西省直机关党校学报，2014，04（05）：10-12、
关键词 计量统计；数据库；动力能源；供给；事件管理
中图分类号：TP2 文献标识码：A 文章编号：1671-7597（2013）12-0124-01
企业动力能源保证是企业生产的基本条件，动力能源管控系统的平稳运行保证着企业产品的质量和企业的经济效益。随着电子技术的快速发展，电控技术突飞猛进，我们企业通过技术改造项目实施，在电气控制中引进新产品、新技术，使设备性能和生产能力都有了飞跃性的提升。动力能源车间对设备管控技术有了崭新的突破，实现与制冷机、空调机组、空压机、冷干机以及供水系统数据通讯、智能联控调节，锅炉、变配电设备远程监测。原来设备大都停留在单机运行、手动操作的阶段，车间人员配置较多，数据的统计与计量全靠人工手抄和手工计算，设备、能源管理等也停留在经验与估算的基础上，在动力能源数据管控、统计与分析、管理方面呈现基础薄弱、技术水平低下的特点。目前结合车间动力能源管控系统的开发与完工，我们具备了一套功能完备、技术先进、易于操作、便于维护的动力能源管控于一体的信息集成系统，实现电力能源供应、空调机组、制冷机组、空压机组、真空泵机组、变配电、锅炉供热、给排水及污水处理配套设施全面自动化控制和信息化采集，系统通过遍布在全厂的能源监测点，全面控制、调节和管理各设备，为生产调度提供准确和实时的数据，对全厂的水、电、蒸汽、真空、压缩空气等能源监测点进行计量与监测；对重要工艺设备的水、电、气和汽用量与质量指标进行监测，保障设备正常运行，保证企业生产的正常开展。
动力能源管理系统，是基于计算机网络和数据库技术的应用，实现了网上并行工程处理和数据共享以及同其它应用程序的动态数据交换，保证计量和管理信息准确及时。动力能源设备通过底层设备控制器及PLC从各个采集点搜集数据，实时监控各生产设备运行状态、开停情况、故障次数、故障原因等运行情况；把不同的数据传输至管理系统SQLSERVER数据库中；相应数据再次经过SQLSERVER数据库的处理，将数据用关系数据库的模型以表的形式存贮在 数据库中；SQLSERVER数据库中的数据不仅可以在控制网络中得到，也可以在其他数据库中或其他的管理系统中通过网络读取数据。
动力车间首要工作是保持动能设备平稳运行，稳妥供给企业水电气汽需求。通过精准计量统计分析，杜绝资源浪费，合理调配动能设备投入量，节约能源消耗。我们基于动力能源管控系统平台可以顺利实现有效设备管理、管路泄露和动能消耗计量统计，通过客户机终端登录管理系统，查询到所需要的数据，访问所需相应模块，输出各种报表，并建档保存；为提高设备的作业率和设备操作人员的工作效率，就要将动力车间的各种设备的运作效率、设备运行情况以及设备的故障情况等各项指标进行完整的记录和详细的分析，将这些信息经行完整有效的规范化管理。
设备管理与备件消耗统计，进入设备管理模块，通过机械设备故障数据的收集和分析，加强设备维修管理，开展预防性维修，提高设备运行可靠性、降低设备突发故障率，提升维修预知性，准确统计设备维修成本，以及维修费用阶段性变化，有效组织单机设备的维修计划，准确下达项修、大修任务。对设备进行检修或排除设备故障的同时，维修人员通过填写统一格式的维修记录，一方面可以整理维修思路和经验，便于技能素质的提升；另一方面通过维修工单的数量掌握每一位维修人员工作量，通过维修工单内容维修效果分析维修人员的个人技术能力。对设备维修施工数据的统计存档，利于掌握设备全寿命周期内历史事件查询，固定资产审核保存记录。
水、气、汽管路节点计量统计，首先通过动力能源管控系统平台数据的收集，提供管路分布数据，统计各个分支管路消耗数据指标，掌握某个部门或某个工艺设备用能消耗情况，分析数据可以发现是否有异常浪费，是否动能供给量过剩与不足，调整动能设备的投入；经过某段管路的计量信息统计，分析是否异常泄露情况，维修人员检查确认，可以判定接头、法兰、弯头、阀门等管件的泄露情况。
能源计量统计，主要是电力和天然气消耗，以高压配电计量统计为例，计量统计数据为上位监控每半个小时自动采集发送。选择“查询内容”为“查看用量值”，通过选择“统计类型”可查看每个时间段，每日，每月，每年的用量值，若选择“查询内容”为“查看表码数”，可查看计量表各时间段的表码数。通过导出统计汇总表查阅某时段内各个线路的用电量，分析部门、车间、设备用电结果；统计各车间部门用电功率并统一汇总存档，为日后的能源消耗考核提供参考数据。部门的详细用电功率汇总表分别列出生产用电部分的用电功率和照明用电部分的用电功率，明细部门用电情况。
基于生产数据的统计报表数据，要从生产数据中按照科学的运算模式抽取需求数据，把各种业务数据相关联起来，层层数据挖掘、分析，并通过实时数据获取、报警与事件管理数据的处理，进而完成实时数据存储与历史事件追溯查询功能，利用SPC分析等技术，对车间工作安排和下一步团队发展，提出建设性的指导建议，为车间管理工作提供更加强有力的帮助。
参考文献
[1]崔坚、西门子工业网络通讯指南[M]、北京：机械工业出版社，2005、
[2]阳宪惠、现场总线技术及运用[M]、北京：清华大学出版社，2001、
ISO：9001在数据分析中，指出了数据来源和分析的范围。包括：“a、顾客满足；b、与产品要求的符合性；c、过程和产品的特性及趋势，包括采取预防措施的机会；d、供方”。根据物业管理的特点，在使用中可将统计的对象分为以下四类：物业管理和服务的质量；客户对服务满足度的反馈；员工素质及内部管理；经营效益。
一、统计数据的收集
在物业管理实践中，就是要通过日常物管人员对经营，服务，管理中的大量数据的采集，整理，分析，计算，直观地表现出工作水平和工作质量，找出失误的变化规律，分析对比后用以指导实践工作。
在设置个体的统计对象时，对客户满足度、物业收费率、能耗数量、物资耗材与库存等定量化数据可直接采集。但还有一些定性化的信息，就需要有一个定性向定量转化的过程。统计分析是将统计调查和统计整理的结果通过各种对比，通过动态数列，指数指标分析等方法进行深入的总结分析，形象的事物变化的规律。从质的角度剖析事物变动方向和变动程度，及时发现和纠正偏差。
二、建立实施统计分析的前提条件
统计的标准是实施统计的依据。统计标准的设定应与管理项目的服务需求相适宜，并具有权威性。统计标准的取得，可以引用国家、政府或行业规定的标准。如政府对供暖和制冷温度规定的标准，对绿化养护所制定的标准，以及引用物业创优规定的建筑物和设施设备完好率、客户报修到场时间、客户满足率、物业管理费收费率等标准。
统计的频次及位置视同为质量检测抽样的数量及部位，要求统计频次和位置具有代表性，同时兼顾到效率。如对公共能耗要每天统计记录，每周统计分析；对日常物料耗材，要每月统计用量和库存；对保洁质量检查频次可做如下设定：保洁领班（主管）每日检查不少于2次，主管部门检查每日不少于1次，项目或公司检查每周不少于2次。假如太少，则所取得的数据就失去代表性，太多，则影响效率，加大工作额度。统计的频次要考虑到客观和效率两个方面。在设备管理方面，通过数据统计结果和分析，了解设备的运行现状，运行态势，据此制定设备维保，零件更换更详细调整计划，可以分析能耗，掌握能耗的规律，为节能降耗提供佐证。
三、统计及数据分析的实施
应注重以下三个要害点的控制：一是控制统计数据的真实性、可靠性。统计记录形成的过程，应是真实数据采集和同项数据归类的过程。尤其是对定性向定量转化的判定，要把客观事实放在标准依据上进行评价，每个转化数据都是评价的过程，不能凭空想象，防止主观臆断。以上要求是针对每个统计者要采取培训、传帮带等措施进行规范，必要时使用交叉验证的方式来检查统计结果的真实性。对统计获得的数据，专业主管和部门经理要对其进行有效性审核，识别并剔除无效数据。如对客户投诉处理的统计，首先要识别客户投诉是否真实、有效，剔除无效投诉，只对有效投诉的处理进行统计。再如对异常数据也要进行识别和剔除，只有剔除虚假不实、无效或异常的数据，才能保证统计数据的客观性和准确性。
二是控制数据分析结论和运用的质量。获取了真实、全面、系统的统计数据，制作出各类反映客观规律和趋势的统计报表并非是统计技术应用的目的所在。对经分析后所产生的统计结论的采纳、运用才是运用统计技术的最终目的。一方面，要对统计获取的数据进行分析，找出这些数据内含的意义，做出分析的结论。再者，将这些结论与纠正和预防进行挂钩运用，用以改进管理和服务的质量。其三，若干同类统计数据累计后所产生的趋势化，是管理者要控制的重点。要注重将获得的数据，利用柱状图等形式反映出质量趋势，对不利趋势尽早加以控制。对出现的有利趋势，也要注重发现并分析原因，以便巩固，使趋势继续向好的方向发展。例如我们对员工遵规守纪程度进行统计时，将遵规守纪的程度设定为自觉、通过督导能遵守和违纪等三个等级，每个等级的分值设定为100分、70分、50分，通过此种设定，将员工的表现就可以用数字说话了；另外，客户满足度、供方服务质量、维修质量等诸如此类的定性化评定都可以通过这种方法转化为量化，从而使统计技术的运用范围得以有效扩大，物业服务及相关的工作都可以列入直观的量化统计了；又如我们每天统计小区的公共用水的损耗量，对每天公共用水量进行记录分析，当有一天发现公共用水量较以往有较大的增加并持续一段时间时，我们就应该查找是否有地下水管破裂我们没及时发现，尤其是地下管道破裂所导致非正常损耗往往表面是看不出来的，但统计数据却能明显反映出来；还有对于物料采购量合理控制方面，通过对每月项目物料盘点，统计每月各类材料消耗量及库存量，进行时间横向和纵向对比分析，确定各类材料的下月合理采购量，减少不必要积压库存。
综上所述，物业管理数据统计分析就是充分地利用这些差异化的数据，找出运行规律，对不良趋势采取纠正、预防等控制措施，对有利趋势加以培植，以解决服务中存在的各问题。
参考文献：
1 引言
Excel提供了一组强大的数据分析工具，称为“分析工具库”，使用分析工具库可以在用户建立复杂统计或工程分析时节省许多操作步骤。但由于“分析工具库”中的分析工具具有很强的专业性，一般在统计学或工程学的特定领域应用得比较广泛，因此普通的Excel用户对此“分析工具库”工具都采取了一种敬而远之的态度，很少有用户使用Excel的“分析工具库”功能及其提供的内容丰富的函数。其实在Excel的“分析工具库”中包括了许多非常实用的函数，利用这些函数可以帮助我们方便地解决许多Excel实际应用中的难题。
Excel以其简便易学已为大多数研究人员所掌握,其中的“分析工具库”能做一些常用的统计处理,我们只要针对实际问题找到对应的分析工具就可以了。
鉴于Excel具有强大的数据处理与统计功能，而在药学研究中，血药浓度的计算、药动学参数的求解、给药方案的设计、数据设计及组织管理、绘制图表等，需要进行大量而繁琐的数据处理、绘制各式图形。在医学数据的处理上，数据的统计缝隙也是非常重要的。电子表格处理系统Microsoft Excel for Windows是具有强大的数据处理及管理、图表绘制和打印等功能的软件，该系统操作简单，提供数据的动态显示和报告，数据分析工作直观，图表与Word等字处理软件兼容性好，能相互切换，可以方便地用于医学和药学研究的数据处理。
2 数据分析工具的应用
2、1 描述统计 “描述统计”分析工具用于生成源数据区域中数据的单变量统计分析报表，提供有大数据趋中性和离散性的综合信息［1］。
2、1、1 示例 某医院用中药治疗青光眼的试验中一些患者眼压的变化，用“描述分析”对这组数据进行基本的统计分析。
2、1、2 操作步骤 因为改统计分析软件操作界面比较简单直观，只要按照题目的要求填写相应的数据即可得到所需的结果，这里就不再赘述了。输入界面如图1所示。图1 “描述统计”输入操作界面(略) 汇总统计结果可以包含：平均值、标准误差（相对于平均值）、中值、众数、标准偏差、方差、峰值、偏度、极差（全距）、最小值、最大值、总和、总个数、最大值（#）、最小值（#）和置信度［2］。
2、1、3 结果分析 如图2所示，输出了实验数据所需的各种统计结果，以备医务工作者分析患者的病情。 图2 描述统计分析结果(略)
2、2 t检验 实际工作中，除需要判断某种处理结果与某一已知结果间的差异外，还需比较两种处理的效果，即比较两个样本总体的统一参数的差异。本节将讨论Excel“统计分析”工具包中的t检验。适用于等方差、异方差和成对数据的情况。
2、2、1 t检验 双样本等方差假设。等方差假设这个分析工具可用来确定等方差的两个样本均值是否相等或均值差是否等于给定值。
示例：考察一组成年男女体重的数据进行检验分析。要求用t检验来验证两组体重数据的均值差是否为20。
2、2、2 操作过程 打开t检验工具的对话框，按要求填入相应的检验参数，如图3所示。 图3 t检验：双样本等方差检验(略)
2、2、3 结果分析 统计分析结果如图4所示，从中可以得出分析结果为T统计量（0、020046449）小于双尾临界值（1、972016435），也小于单尾临界值（1、652585979）；而相应的双尾概率高达0、984026506，单尾概率也达到0、492013253。所以可以有把握地认为均值差等于给定值20。
2、3 方差分析 方差分析是数理统计中重要的组成部分，在统计实践中也有着广泛的应用。由于方差分析的运算量随着变量的增多呈几何级数增长，如果不使用计算机，很难完成大规模数据的方差分析。在应用统计学的几个主要领域里，方差分析也是惟一无法直接用Excel 2002中的函数完成的科目（当然，如果耐心地对每组数据逐个进行计算，也可以用函数实现，但繁重的运算会使得工作效率变得很低，错误率增大）。
方差分析主要分为单变量方差分析、无重复双变量分析和有重复双变量方差分析。Exce1 2002在“统计分析”工具包中就对应地提供了这三个工具。下面仅介绍单因素方差分析。
单因素方差分析的作用是通过对某一因素的不同水平进行多次观测，然后通过统计分析判断该因素的不同水平对考察指标的影响是否相同。从理论上讲，这实质上是在检验几个等方差正态总体的等均值假设。单因素方差分析的基本假设是各组的均值相等。
2、3、1 示例 进行某化学合成反应时，为了解催化剂对收率是否有影响，分别用5种不同的催化剂独立地在相同条件下进行试验，每种催化剂实验4次，要求用方差分析判断催化剂对收率是否有影响［3］。
这是一个典型的单因素方差分析问题，催化剂是一个因素，而不同的催化剂可以视作该因素的不同水平。
2、3、2 操作过程 将原始数据输入工作表，打开单因素方差分析对话框，按要求填写选项。
2、3、3 结果分析 统计分析结果如图6所示，从中可以得出分析结果为
运算结果分成概要和方差分析两部分。
概要：返回每组数据（代表因素的一个水平）的样本数、合计、均值和方差。
方差分析：返回标准的单因素方差分析表，其中包括离差平方和、自由度、均方、F统计量、概率值、F临界值。
分析组内和组间离差平方和在总离差平方和中所占的比重，可以直观地看出各组数据对总体离差的贡献。将F统计量的值与F临界值比较，可以判定是否接受等均值的假设。其中F临界值是用 FINV函数计算得出的。本例中F统计量的值是10、34346，远远大于F临界值3、055568。所以，拒绝等均值假设，即认为5种催化剂的对收率差异有显著性。从显著性分析上也可以看出，概率为0、000317，远远小于0、05。因此也拒绝零假设。
3 讨论
数理统计方面的软件应该说目前为止比较流行的软件也有一些，如SPSS、SASS、STATISTICA等等，但这些软件一是专业性比较强，艰深难懂，操作起来比较麻烦，且基本上是英文版的，对于一般人来讲还使用起来会觉得不方便的，二是软件价格过于昂贵［4］。
Excel是微软公司出品的办公系列软件，是很多人非常愿意使用的软件，所以它的普及程度比较高，即使是人们没有太多的使用Excel的许多高级应用，学习起来也会比其他的专业软件得心应手一些。
Excel中的“数据分析工具”智能地同步引用了多个统计函数对样本数据进行分析，可同时返回所希望的多个分析结果甚至图表，使医药工作者在进行科学研究及实验数据处理时不再忙于繁杂的数据计算过程，而更加专注于试验设计，计算（分析）结果的编辑打印则更便于资料的存档和交流。
本文只引用了几个应用Excel“数据分析工具”进行医药数据统计的实例，其实Excel“数据分析工具”还有好多种统计分析工具，它们能够进行非常复杂的统计计算，这种计算功能非常强大，如果采用人工计算会费时费力，得不偿失，比如，回归分析，方差分析以及各种检验统计分析等等。Excel友好的界面，清晰的统计分析结果，使医药工作者在使用Excel的“数据分析软件”时会感到非常的方便快捷，灵活实用。由于论文篇幅的限制，Excel“数据分析工具”的其他应用实例就不在这里赘述了。
【参考文献】
1 王晓民、Excel 2002高级应用—数理统计、北京：机械工业出版社，2003，214、
2 徐秉玖、药物统计学、北京：北京医科大学出版社，1999，6-7、
关键词：数据分析；数据挖掘；大数据；云计算
0引言
商业银行作为经营信用、货币的企业，面向的客户是几乎全方位的，同时银行业的竞争也是异常残酷的[1]。从网点、ATM、POS、网银、手机银行乃至其他网络信息等各类渠道数据信息中，挖掘、分析出有效的数据，可以增加营销效率、加快产品创新，快人一步扩大业务发展空间和市场份额[2]。大数据可以使商业银行决策由经验依赖到数据依赖的转变，实时、深入地把握业务和市场动态，从而更加科学、有效地决策，让商业银行能够稳健、可持续发展[3]。大数据的挖掘、分析可以有效地提高商业银行精细化管理水平，在风险控制、成本核算、资本管理、绩效考核等各个方面发挥出巨大作用，让经营管理能力大幅提升，更理性、更高效、更精确[4]。
1大数据技术
1、1HadoopMapReduce技术
Hadoop是一种分布式系统的平台，通过它可以很轻松地搭建一个高效、高质量的分布系统[5]。Hadoop的最核心的设计思想：MapReduce是Hadoop的核心组件之一，Hadoop主要包括2部分：一是分布式文件系统HDFS,HDFS为海量的数据提供了存储；二是分布式计算框MapReduce，为海量的数据提供了计算。MapReduce是大规模数据计算的利器，Map和Reduce是它的主要思想，Map负责将数据打散，Reduce负责对数据进行聚集。Hadoop采用并行工作模式，同时维护多个工作数据副本，确保失败的节点能够重新分布处理，具有可靠、高效、可伸缩、低成本的优点。
1、2NOSQL数据库技术
NOSQL(NotOnlySQL)数据库是指非关系数据库。这是相对于传统关系数据库提出的概念，随着Web2、0网站的兴起，数据量越来越大，传统关系型数据在处理大数据、实时读写以及多表联查已经越来越力不从心，而NOSQL以键值对存储，机构不固定，每个元组可以根据需要增加、减少键值对，减少了时间和空间的开销，同时NOSQL可以处理大数据，能够良好地运行在廉价的PC服务器机器上，便于扩展[7]。
1、3内存分析技术
内存分析(In-memoryAnalytics)技术是在内存中直接获取分析数据。随着64位操作系统的普及，系统可用内存大幅度提升，同时由于工艺不断成熟，内存容量不断，价格不断下降。由于内存容量暴增，人们开始直接将数据预读到内存中，对内存中的数据进行分析加工，而不用如传统的那样将数据反复不断地读入内存、写入磁盘，从而极大地提升了数据分析效率。
2商业银行数据应用现状
目前，商业银行对于大数据的挖掘还处于起步阶段，没有一个在设计之初就目标明确的定位于大数据挖掘、分析的系统[8]。现有的几个与数据挖掘相关的管理信息系统有PCRM系统（个人优质客户系统）、RPTS系统（综合报表系统）、GDP系统（基础数据平台系统）等，这些系统在设计之初就具有先天的局限性，它们仅仅是针对某个或者某几个业务部门的应用开发的，远远还谈不上大数据分析。同时这些系统由于没有统一的规划设计，物理架构大致相同，一些重要数据，如定期、活期主档及明细表全部重复加工，造成人力、财力的浪费，效率较低[9]。在上面提到的几个管理信息系统中，GDP系统是相对比较典型的应用，现在对GDP系统物理架构和逻辑架构进行分析。如图1所示的GDP物理架构图，采用成熟的3层B/S架构，2台乃至多台PC服务器部署WEB前置服务，做表示层；由1台小型机部署应用服务程序，做逻辑层；1台小型机上运行数据库系统，做数据访问层。数据库由控制库和日终库组成，其中控制库使用SYBASEASE库，将不同的处理任务划分成一个个的作业链，作业链中包含不同的作业，通过对作业和作业链调度次序进行控制；日终库采用SYBASEIQ库，对日终数据进行高效处理。控制库与日终库可在同一台小型机上。2台PC服务器使用IBMWebSphere部署高可用集群，提供WEB服务，包含作业调度服务和前台展示。
3构建商业银行数据分析
系统模型商业银行作为传统金融企业，与新兴的互联网企业不同之处在于：行内的数据中含有许多机密、隐私的信息，同时无论媒体还是客户都关心银行数据的安全性。在数据挖掘、分析包括使用的时候，效率与安全的选择需要慎重考量。为了避免资源的浪费，本文在设计模型前，必须对现有数据进行详尽分析，剔除重复、无效的数据，将有效数据进行分类。商业银行数据应用中大致可以分为2种类型：一类是高可靠数据，以数据的准确性为主，需要提供给统计部门、核算部门及监管部门，对于这类数据我们必须在使用前进行数据清洗、筛选后，才能够真正使用；另一类则不需要很精确，只需要一个大致数量级或者一个大的方向，主要供决策层、管理经营层及产品研发、营销等部门使用，对于这类数据其实才是真正符合现今大数据的概念，无需对数据进行清洗，可以直接进行挖掘。针对侧重于安全可靠和快速高效这2种不同的需求，以及结合商业银行现有技术发展，本文设计出下面2种模型。
3、1高可靠模型
基于商业银行对数据的精度要求较高，在设计模型时首先考虑的是数据的完整性和安全性，其次才考虑效率等其他的问题。因此，本文对现有成熟和完备的商业银行GDP系统3层架构和业务定位深入分析的基础上，进行了一些改进，克服现有GDP系统3层结构的不足。
3、2高效率模型
对于商业银行精度要求不高，但是非常具有时效性和海量的数据，不需要考虑数据的完整性、安全性。为此，本文使用一些互联网的新技术以及开源的软件，抛弃原有3层架构，引入大数据挖掘新技术，实现大数据的挖掘需求。
4数据分析
当将海量的数据挖掘出来后，怎样使用这些数据？投入这么多人力、物力当然是希望它能带来更多的收益，怎样将数据变成收益？这就需要对数据进行分析，结合自身以及行业的现状进行分析。在传统的数据中，以少量的数据为依据，以数据的准确性为目标进行的统计工作，其实这样的统计是有偏差和片面的。而大数据则以海量数据为依托，强调数据的完整性、综合性和复杂性，通过答题轮廓，捕捉发展脉络，确定未来发展方向。从决策层出发，大数据可以为我们更快地找出未来银行的发展方向，最大限度地避免在决策方向上出现偏差。一直以来商业银行的决策是由个人或小团队进行的，但是在这些决策中往往有很多依靠过往的经验、主管判断的，这就带来决策缺少扎实的依据，很多决策适合一些地方，但在另外一些地方却未必很适合。特别是现在科技发展日新月异，对传统银行业带来了巨大的冲击，原来的很多经验不但不能带来帮助，甚至会制约决策层的思维，决策远远满足不了前瞻性、有效性和针对性的要求。
而大数据的分析则可以更准确、更快捷地帮助决策层把握脉络，从而做出具有前瞻性、及时的、精准的决策。从管理执行层来看，通过大数据的分析可以更快捷地推出精品产品，更有效地营销客户，更高效的使用行内各种资源，提高管理能力，创造更多利润。通过大数据的分析，管理层能够分析出哪些产品受哪些客户的喜好，分析各类客户都有什么需求，可以根据这些有针对性地开发一些受客户欢迎的产品。可以对一些高质量的VIP客户进行分析，对他们的资金利用进行跟踪，尽量将资金链锁定在行内，利用资金空闲时段进行中间业务的营销，可以对这些客户在贷款的利率上进行一定幅度的优惠等等。可以对基层行、网点人员效率进行分析、优化，对行内的电子设备，如ATM、POS机等进行分析，在使用量庞大的地方可以加大投放，收回一些效率低下的设备等等。从监管层来看，通过大数据的分析可以更加直观、有效地对商业银行的合规经营做出监管。可以从大数据中对各地的经营、营销费用、采购招标等需要进行监管的地方进行分析，一旦发现某个地方有异常情况，就可以进行重点关注、重点监管，而不是像以前那样无差别的监管，或者靠经验去进行监管，从而能够更快、更有效地进行监管，提前去发现问题，制止问题事件的扩大，为商业银行减少损失，更有效保障商业银行的利益。
5结语
大数据在商业银行决策、生产运行和经营管理中越来越重要，构建商业银行自身的大数据挖掘、分析系统已经迫在眉睫了，如何构建大数据分析系统、利用分析系统实现数据到价值、利润的转化，这需要不断的研究。本文通过深入分析商业银行的数据分析现状，总结其数据分析的优、缺点。并针对侧重于安全可靠和快速高效2种不同需求，以及结合商业银行现有技术发展，设计了商业银行数据分析系统，使商业银行从珍贵数据中分析、挖掘对其战略发展和业务经营有巨大推动作用的信息。
参考文献：
[1]薛良飞、云计算在新型信息化系统中的综合研究[D]、济南:山东大学,2013、
[2]李斌,黄治国,彭星、利率市场化会降低城市商业银行投融资水平吗？——基于中国24家城市商业银行数据的实证研究[J]、中南财经政法大学学报,2015(1):40-47、
[3]方先明,苏晓珺,孙利、我国商业银行竞争力水平研究——基于2010—2012年16家上市商业银行数据的分析[J]、中央财经大学学报,2014(3):31-38、
[4]刘晓茜、云计算数据中心结构及其调度机制研究[D]、北京:中国科学技术大学,2011、[5]陆嘉恒、Hadoop实战[M]、北京:机械工业出版社,2012、
[6]张世明,徐和祥,钱冬明,等、云架构模式下“网络学习空间人人通”体系探析[J]、华东师范大学学报(自然科学版),2014(2):30-39、
[7]江务学,张璟,王志明、云计算及其架构模式[J]、辽宁工程技术大学学报(自然科学版),2011(4):575-579、
[8]韩浩、大数据技术在商业银行中的运用探讨[M]、苏州:苏州大学,2014、