经过大量业务调研与数据分析，建立了星型模型

对于逻辑上的多维数据模型，可以使用不同的存储机制和表示模式实现多维数据模型。目前，使用的多维数据模型主要有星型模型、雪花模型。星型模型由事实表和维度表构成，事实表居中，多个维表呈辐射状分布于其四周，并与事实表连接。换句话说，每个维度表都与事实表直接相连。在星型模型的基础上，进一步对维度表进行标准化。在雪花模型中，某些维度表是通过其他维度表间接地连接到事实表的。无论哪种模型中，事实表中存放的数据量非常大，维度表中存放描述性的数据，数据量相对较小。

　　经过大量业务调研与数据分析，建立了星型模型。

　　质量检验结果事实表：产品关键字、设备关键字、时间关键字、设备关键字、班组关键字、车间关键字、合格品数量、废品数量。

　　检验员维度表：人员关键字（PK）、职工编号、姓名、性别、年龄、文化程度、身份证号、出生年、出生月、出生日、入厂年、入厂月、入厂日、技术等级、职称资格、聘任资格

　　时间维度表：时间关键字（PK）、年、月、日

　　班组维度表：班组关键字（PK）、班组名称

　　车间维度表：车间关键字（PK）、车间编号、车间名称、车间负责人

　　产品维度表：产品关键字（PK）、产品类别号、产品图号、产品名称、产品类型、产品数量

　　4.2 设计与实现

　　ETL是数据抽取、转换和加载的总称。在Microsoft SQL Server中，Integration Services提供一系列支持业务应用程序开发的内置任务、容器、转换和数据适配器。*编写一行代码，就可以创建SSIS解决方案来使用ETL和商业智能解决复杂的业务问题。在本系统设计过程中，应用了SSIS将ERP等生产过程中数据经过一系列转换、分割、合并等操作，较终将其加载到数据仓库中供分析使用。

　　4.3 设置维度和多维数据集

　　首先*事实数据表FactQty，*维度表DimProduct、DimTime、DimWorker、Diminspector。然后定义维度的层次结构： 时间维度（YEAR-QUARTER-MONTH-DAY），产品维度（CATEGORY-SUBCATEGORY-NAME）， 职工维度（SHOP-CLASS-WORKER_ID），并且确定度量值为合格量、废品量。

　　4.4 通过OLAP技术对数据进行分析

　　建立多维立方体后，即可进行多维数据分析。分析操作通常包括切片、切块、钻取、旋转等。

　　切片是在某两个维上取一定区间的维成员或全部维成员，而在其余的维上选定一个维成员的操作。例如，选定WORKER维度和工序维度，在时间维度选取一个属性成员（如2011年5月），就得到了立方体在WORKER维度和工序维度两个维度上的一个切片（操作者、工序、合格量，废品量）：切块可以看作是由多个切片重叠起来构成的数据块，如2011年5月～2011年6月，就得到了一个切块；钻取分为上钻操作和下钻操作。下钻可以得到细节性的数据，反之，上钻得到的是相对概括性的数据。钻取的深度与维度的层次结构紧密相关；在立方体中，将横、纵坐标转换，即称为旋转，旋转可以得到不同视角的数据。