论文导读：食用菌实验室管理系统LIMS以食用菌研发数据管理为核心。系统利用数据仓库技术将菌种、营养环境参数、试验方案、研发人员、海量实验数据等信息进行抽取清洗和存储。采用数据挖掘技术对以上各类数据进行分析。
关键词：LIMS，数据仓库，数据挖掘
1 引言
食用菌实验室管理系统LIMS以食用菌研发数据管理为核心，系统利用数据仓库技术将菌种、营养环境参数、试验方案、研发人员、海量实验数据等信息进行抽取清洗和存储，采用数据挖掘技术对以上各类数据进行分析。目的在于整合应用HACCP控制体系，对产品研发过程进行智能化监控。通过对工厂化研发食用菌产品的各项关键技术、风险评估、比较执行度等参数进行管理和监控，实现食用菌产品研发管理流程过程管理目标。
美国试验与材料学会（ASTM）在概念模型中将LIMS的功能分成了3个级别。三个不同等级在全局功能、数据库结构、数据采集和分析、实验报告、实验室管理以及系统管理方面都有明确规定的描述。
国内真正构建和全面应用LIMS的实验室还不多，且大部分偏重于管理，其功能与LIMS国际标准存在较大差别，系统通用性与专业性无法平衡，不能满足食用菌实验室研发数据管理的需要。国内部分单位开发的食用菌方面的软件可以帮助实验室处理一般数据和转换格式，但缺少对食用菌实验室的实验流程、实验资源、研发数据、实验结果等全方位信息进行管理分析的网络化LIMS。
2 相关技术介绍
目前关于农作物研发实验数据分析领域主要分成两类：具有人工智能特点的推理机系统和一般的信息系统。前者通常需要预先建立知识库，然后在此基础上创建知识原型系统。这样的专家系统存在很多不足，一方面它们仅能罗列一些简单知识，而且随着专家知识的不断积累，增加或者修改库中的知识都会引起知识大爆炸和推理时的逻辑混乱，使得产生错误的结论而失去了专家系统的意义。一般的信息系统系统则只能提供咨询服务和信息查询，没有数据分析和建模的功能。将数据仓库和数据挖掘技术应用到食用菌LIMS中，实现实验参数的电子化管理和监控，帮助发现食用菌实验数据内部的规律性联系，解决实验过程管理和决策优化辅助问题。
数据仓库中的数据面向主题，与传统数据库面向应用相对应[1]。数据仓库的典型技术包括：数据的抽取转换和装载，数据的存储和管理，数据挖掘和呈现等等。
2.1 数据的抽取转换和装载
用于数据挖掘的原始数据源可能是多个数据库或数据仓库，而这些数据源的结构和规则可能是不同的，这将导致原始数据非常杂乱和不可用，即使在同一个数据库中，也很可能存在重复的和不完整的数据信息，为了使这些数据能够符合数据挖掘的要求，提高效率和得到清晰的结果，必须进行数据的预处理[2]。ETL过程就是对原始数据进行抽取转换清洗等预处理，按照预定义好的数据仓库模型，将数据装载至数据仓库中。
2.2 数据的存储和管理
数据仓库在数据存储和管理上有三个明显的技术特征：首先，系统要求对大量数据进行存储和管理。其从，要求能够解决并发处理的问题，也就是说能够将用户的请求进行均衡分担。第三个问题是针对决策支持查询的优化。第四个问题是支持多维分析的查询模式。数据仓库专家们发现，关系数据库若采用“星型模式”来组织数据就能很好地解决多维分析的问题[3]。因此面向决策支持扩充的并行关系数据库在这四个个方面都有不错的表现，是非常成熟的管理系统，大多数厂商提供的数据仓库解决方案也都采用此类系统[3]。
2.3 数据呈现和挖掘
数据呈现技术主要集中在多维分析、数理统计和数据挖掘方面。食用菌分析应用中一个很重要的任务就是找出食用菌培育各困素之问可能存在的相关性，利用分类决策树、关联规则、时间序列算法来创建分析模型[4]。通过前台分析工具，将查询报表、统计分析、多维联机分析和数据发掘的结论展现在用户面前。
3系统设计
3.1 功能设计及模块详述
系统包括如下业务功能模块：试验方案管理、研发过程管理、食用菌CCP管理、风险管理、发菌管理、出菇管理、基本信息管理模块。如图1所示。
图1 功能结构图
现针对上述结构图，分别对功能模块作详细描述。
（1）试验方案管理
该模块用于工厂化研发食用菌产品试验方案的管理。每个试验方案创建时，系统会自动分配方案的唯一标志号，为以后查询、修改方案提供方便。试验方案中的详细数据项可为系统其他模块如发菌管理、出菇管理、智能决策、警提供数据来源。
HACCP定义数据包括：
（2）研发过程管理
该模块以食用菌研发周期为基础，对食用菌研发管理的各个流程全程记录，准确的实现产品溯源，提高产品研发过程的质量管理。通过与HACCP系统有效整合应用，用户能够对系统所定义的食用菌的栽培过程中的每个特性值进行采集、分析，实现对企业技术中心各部门、各试验实施环节运行情况的监测。具体包括数据采集、曲线图表、历史查询、报表统计、报警监视、培养料配置、带装灭菌、接种管理、发菌期管理、出菇管理、采收管理等
（3）菌种生产管理
菌种生产管理用于食用菌菌种生产计划和菌种生产的过程管理，辅助实现菌种规范化、标准化生产，有效提高菌种质量。
其中菌种生产计划HACCP数据定义包括：母种、原种、栽培种培养基的选择、配制，包括配方选择和培养基配制记录，其中涉及日期、培养料级别、配方原料种类、数量、总数量（瓶/kg）、制备负责人、验收结果、验收人、对不合格的处理措施）等主要内容。
灭菌消毒操作HACCP数据包括：灭菌方式的选择，如常压灭菌/高压蒸汽灭菌。不同的焙养基选择不同的压力指标、灭菌时间、灭菌形成温度。灭菌消毒记录表：涉及日期/灭菌设备号/物品名/数量/操作人/检验结果/检验人。论文参考。
菌种培养作HACCP数据包括：涉及日期、菌种名、种类、数量、培养室编号、检验依据、检查情况等。
（4）风险管理
本模块在检测各项关键技术因素的基础上，比较执行情况与其原始方案的差异，从而进行合理的技术风险评估，推算出与之相关的研发栽培措施，及时调配研发人员，体现了强大的交互功能。
① 风险评估：将已识别的技术风险因素，通过执行情况与原始方案的差异比较，利用一定评估方法计算出风险的大小，并分析风险因素的敏感性(或称影响度)，最终以风险评估报告的形式呈现给用户。
②应对方案：根据风险的大小即可确定技术风险的严重性，根据严重性风险排序，即可制订风险应对方案，决定下一步任务，及时调配技术人员解决问题。有些技术风险与其他风险紧密相关或交叉重叠，需要综合分析和处理；有些技术风险还需进一步跟踪研究，待时机成熟再加以控制。在制订应对方案时，通过风险影响度分析，将影响度高的风险因素作为风险控制的核心。
③ 风险追踪：通过技术风险跟踪，可以监视技术风险状态．当技术风险超过需控制的标准，即通过预警功能，进入制订风险应对方案阶段。
④报警处理：对研发过程中出现的报警记录及时进行处理
⑤ 风险数据库构建：该模块用于管理食用菌研发过程各项环节中各项风险知识，包括创建、存储、修改、删除等功能。其中知识存储的数据结构和知识独立性是实现关键。
（5）基本信息管理
该模块用于人员及产品信息管理，为管理层提供便捷的信息服务，提高管理服务效率。包括：公司信息管理、部门信息管理、人员信息管理、产品信息管理、角色管理、系统模块访问权限控制。
3.2 技术架构设计
食用菌LIMS技术架构设计的基本原则包括兼容性、灵活性、充分考虑与其它业务管理子系统的衔接和扩展，为未来进一步的系统应用整合打好基础。 鉴于上述原则，系统从技术架构上可以划分为四个层次：数据层、控制访问层、业务逻辑层和用户呈现层。论文参考。如图2所示：
图2 技术架构设计
数据层的设计目标是解决数据的保存和管理问题。其中，数据库中数据表的设计是该层需要考虑的核心和关键，如何从现实业务逻辑中抽象出易于系统处理的数据，从而降低各平台间的数据关联性，减少数据关联性，降低模块耦合度。该层的配置包括：DTS配置、数据对象配置和Analysis Service配置。
控制访问层由数据库基础组件和配置文件组成,配置数据库层访问的参数、性能、安全加密等配置，包括数据访问模块、数据分析模块、图表汇出模块。
用户层根据不同的业务类别调用下层的逻辑组件，最后对业务逻辑组件的调用结果进行处理。该层由多个业务模块组成，包括： 分析结果显示模块、图表控制模块。
5 结语：
本项目将食用菌产品研发管理的全部流程纳入到软件层次进行管理。对工厂化研发食用菌产品的各项关键技术、风险评估、比较执行度等参数进行管理和监控。利用构建的软件平台可以直接查询数据，进行食用菌试验方案的追踪溯源。论文参考。本项目使食用菌产品研发与管理技术研究信息化系统得以与HACCP系统有效地进行整合应用，系统采用自行研发的报表统计分析系统，能够对各种数据实时汇总到系统。不仅能为企业管理者提供相关的决策信息，达到实时监控整个企业技术研发的稳定高效开展，达到辅助决策的目的，而且可以动用管理决策相关的数学方法和技术进行决策优化，为各级技术研发管理层提供各种最优解、次优解或满意解、可行解，提高管理决策的科学性；合理利用企业技术中心的各项资源，提高企业的经济效益。
参考文献：
[1] W. H. Inmon. Building the DataWarehouse Third Edition [M]. John Wiley & Sons, Inc. 2002.
[2] 安淑芝. 数据仓库与数据挖掘[M]. 北京：清华大学出版社，2005.
[3] 高小惠. 数据仓库技术在企业人力决策支持中的应用. 科学时代. 2007,12 .
[4] 张荣祖. 数据挖掘技术在食用菌数据分析中的应用. 复旦大学硕士学位论文，2004.
|
