莱芜仪器检测-莱芜仪器校准-莱芜检测机构-计量校准

在密度计检定的实际工作中,一般采取批量检定。由于在检定密度计时数据处理比较复杂。例如根据分度值不同,判定合格与否的大允许偏差不同;检选取不同;证书中给出的有效位数不同;根据检的不同、工作用液的不同,标准器所给的修正值不同、毛细修正常数不同等等诸多因素。利用人工完成数据计算、数据筛选、结果判定及证书数据录入等工作,面对如此多的密度计、如此庞大的检数目和如此繁杂的检定数据,工作量非常大,十分容易出现人为差错,造成量值传递准确性的不可靠,对企业用户造成不利的影响。针对这种现状设计开发;检定密度计数据处理系统;,实现密度计检定工作中的数据处理、原始数据管理及证书打印的计算机自动化。
检定密度计数据处理系统的数据库设计
在数据仓库设计中的典型逻辑结构有星形模型、雪花型模型等。他们的各自特点为:星型结构模式是一种多维的数据关系,由一个事实表((FactTable)和一些维表(Dimension Table)组成。维表是数据仓库中的表,其条目描述事实数据表中的数据。维表包含创建维度所基于的数据。事实表是数据仓库架构中的中央表,包含联系事实与维表的数字度量值和键。每个维表都有一个维作为主键,所有这些维组合成事实键。事实表的非主属性称为事实,它们一般都是数值或其他可以进行计算而维表都是文字、时间等类型的数据。雪花型模型结构是星型结构的一个扩展,由多个表定义一个或多个维度。在雪花架构中,只将主维度表(Primary Dimension Table)与事实数据表连接。其他维度表连接到主维度表。主维度表是与事实数据表直接相关,完成维度定义的其他表连接到主维度表,而不连接到事实数据表。本系统数据处理所涉及的关系并不十分复杂,采用星形结构就可以满足需求,而且交叉点少,数据交互速度更快。