coreldraw7拆分打印

Coreldraw X7分页打印排好的版

1、要求：将排好的不规则大小的cdr文件按照设定的图像尺寸拆分打印成n

张A3或A4的白纸（例如：笔者将一个800*500毫米的版面自动拆分打印成4张A3的纸，而不改变我设置的大小）

2、实施步骤

a)打开排好的cdr文件，然后点文件里面的打印

b)再调出打印选项如下图

c)选首选项打开如下图（这里可以打打印尺寸设置成你想要的拆分后的打

印大小）笔者拆分为A3纸打印

数据仓库建模方法论 2018-3-29

数据仓库建模方法论通过上一篇数据仓库建设的全局概览，我们认识了数据仓库，也明确了数据建模在仓库建设中的核心地位，数据仓库模型是整个大厦的基石，也是个难点。这么重要的环节就有必要单独拿出来详细说明一下。（本文的重点是维度建模）1什么是数据模型数据模型是抽象描述现实世界的一种方法，是通过抽象的实体及实体之间的联系来表示现实世界中事务的相互关系的一种映射。数据仓库模型是数据模型中针对特定的数据仓库应用系统的特定模型。由下图四部分内容组成： ●业务建模，主要解决业务层面的分解和程序化。 ●领域建模，主要对业务模型进行抽象处理，生成领域概念模型。 ●逻辑建模，主要将领域模型的概念实体以及实体之间的关系进行数据库层次的逻辑化。 ●物理建模，主要解决逻辑模型针对不同关系型数据库的物理化以及性能等一些具体的技术问题。

2数据仓库数据模型架构数据仓库模型由五部分组成，如下图：系统记录域：数据仓库业务数据存储区，模型保证了数据的一致性。（继续使用Oracle？）内部管理域：也就是元数据模型的存储管理。（工具待定）汇总域：系统记录域的汇总数据，数据模型保证的主题分析的性能，满足部分报表查询。分析域：用于各个业务部分的具体的主题分析。也就是数据集市。反馈域：针对前端反馈的数据，根据业务需求而定。 3数据模型的作用 ●进行全面的业务梳理，改进业务流程。 ●建立全方位的数据视角，打通信息孤岛，去除数据差异。 ●解决业务的变动，提高数据仓库灵活性。 ●帮助数据仓库系统本身的建设。

4如何创建数据仓库模型 4.1数据仓库建模四个阶段 4.1.1业务建模 ●划分整个企业的业务，一般按部门划分，进行各个部分之间业务工作的界定，理清各业务部门之间的关系。 ●深入了解各业务部门工作流程的方法。 ●提出修改和改进业务部门工作流程的方法。 ●数据建模的范围界定，确定数据仓库项目的目标和阶段划分。 4.1.2领域概念建模 ●抽取关键业务概念，并抽象化。 ●将业务概念分组，按业务主线聚合类似的分组概念。 ●细化分组概述，理清分组概念内的精力流程并抽象化。 ●理清分组概念之间的关联，形成完整的领域概念模型。 4.1.3逻辑建模业务概念实体化、事实实体化、说明实体化，并考虑其属性内容。 4.1.4物理建模 ●针对特定物理平台做出相应的技术调整 ●针对模型的性能考虑，结合特定平台做出相应调整

事实表设计

事实表中一般要包含2部分：一是由主键和外键所组成的键部分，另一部分是用户希望在数据仓库中所了解的数值指标，这些指标是为每个派生出来的键而定义和计算的，称为事实或指标。由于事实是一种度量，所以事实表中的这种指标往往需要具有数值化和可加性的特征。但是在事实表中，只有那些具有完全可加性的事实才能根据所有的维度进行累加而具有意义。而事实表有一些事实表示的是某种强度，这类事实就不具有完全加法性，而是一种半加法性。例如，账目余款反映的是某个时间点的数据，它可以按照地点和商品等大多数维度进行累加，但是对于时间维度则例外，将一年中每个月的账目余款进行累加是毫无意义的，而决策者则可能需要了解所有地区和所有商品账目余款的累加值。在事实表中还有一些事实是非加法性的，即这些事实具有对事实的描述特性，在这种情况下一般要将这些非加法性事实转移到维度表中。以事实表中度量的可加性情况，可以把事实表及其包含的事实分为4种样式。 1．事务事实事务事实以企业事件的单一情况为基础，因此通常只包含事实的次数这一种度量条件，应该尽可能以最低级别来表示。比如银行的ATM提款机的提款次数，使用某种服务的次数等。2．快照事实快照事实以企业在某一特定时间的特殊状态为基础。也就是只有在某一段时间内才出现的结果。它们也许没有包含所有维的条件，比如不是所有的产品每天都有销售量。 3．线性项目事实这类事实通常用来储存关于企业经营项目的详细信息。包括表现与企业相关的个别线性项目的所有度量条件，比如销售数量、销售金额、成本和运费等数值数据，也就是关键性能指标。此类事实运用范围很广，比如采购、销售和库存等。 4．事件（状态事实）这是类特殊的事实，通常只表示事件发生与否和一些非事实本身具备的细节。它所表现的是一个事件发生后的结果变化，并且没有度量数值表示。如哪些产品在促销期间内没有卖出，有还是没有，就是事件或状态事实所表现的结果。在事实表模型的设计中还需要注意到派生事实。派生事实主要有2种，一种是可以用同一事实表中的其他事实计算得到，例如销售行为中的商品单价可以用商品的销售总金额和销售数量计算得到，对于这些派生事实一般不保留在事实表中；另一种是非加法性事实，例如各种商品的利润率等各种比率。在事实表模型的设计中必须要考虑到事实表中的这些事实特性，通过多次反复来确定。首先，通过调查确定所有可能的基本事实和派生事实；然后，对所有的事实按照功能或某种方式进行排序，以删除重复的事实；接着，确认那些基于不同准则但是有相同性质的派生事实，例如公司门市销售总额与地区销售总额虽由于维度的不同而被定义为不同的事实，但实际计算方法是一样的；最后，再一次确定事实表模型，在确认中要检查所有的计算派生事实的基本事实是否已经包含在模型中，并且与用户取得—致。在设计事实表时，一定要注意使事实表尽可能地小，因为过于庞大的事实表在表的处理、备份和恢复及用户的查询等方面需要较长的时间。在实际设计时，可以利用减少列的数量、降低每一列的大小和把历史数据归档到单独的事实表中等多种方法来降低事实表的大小。另外，在事实表中还要解决好数据的精度和粒度的问题，下面将阐释粒度的设计方法。 =========================== 事实、度量和事实表确定分析内容的构成：事实及其粒度事实表是数据库中最大的表，是星形模型结构的核心。事实表包含了基本商业事务的详细信息，是对商务活动进行客户关系、销售趋势和产品趋势等分析的素材。事实表的设计包括对

数据仓库维度建模笔记

数据仓库维度建模笔记 2009-03-24 20:01 《数据仓库工具箱—维度建模的完全指南》是数据仓库建模方面的经典著作， 1996年第一版出版被认为是数据仓库方面具有里程碑意义的事件。作者kimballl是数据仓库方面的权威，他将多年的数据仓库建模实战经验、技巧融入本书。他提出的许多维度建模概念被广泛应用于数据仓库的设计和开发中。2002年本书出版了第二版。这是一部非常好的数据仓库建模的书，前后完整的读了三遍，受益匪浅。以下笔记将本按四个部分组织：一、数据仓库体系结构和建模过程、技巧。二、维度表建模技术。三、事实表建模技术。四、行业建模经验。一、数据仓库体系结构和建模过程、技巧关键点：数据仓库体系结构、维度建模的四个步骤、数据仓库总线结构、一致性维度。 1、对于数据仓库来说，业务需求是第一位的。 2、数据仓库的目标：（1）、随心所欲的访问数据。直观、明显、简单、易用、切割、合并、下钻、上卷。（2）、一致的展现数据（相对于原来从多个系统中出来的报表不一致）。（3）、适应性、扩展性、可维护性。（4）、为领导决策提供支持。 3、数据仓库的组成。源数据-->数据准备区-->数据仓库（维度建模）-->数据聚集区（OLAP）-->展现。其中原系统到数据准备区属于ETL过程。数据仓库和数据聚集区本书称为数据展示。展现本书称为数据存取工具。 4、数据仓库应特别注意的几点特点：（1）、数据应该以维度的形式进行展示、存储和访问。（2）、数据仓库中必须包含详细的原子数据。（3）、必须采用共同的维度和事实表来建模。 5、数据仓库采用使用维度建模的好处：易理解、查询的高性能、修改的灵活性和可扩充性。 6、维度建模的扩展性。表现在三个方面：（1）、在现有的事实表中增加维度。（2）、在事实表中增加事实。（3）、在维度表中增加属性。（第一章） 7、维度模型设计的四个步骤。（1）、选取业务（主题）。（2）、定于业务处理的粒度。（3）、选择维度。（4）、选择事实。 8、应优先为模型选择有原子性的信息，因为原子性的数据提供了最大限度的灵活性，可以接受任何可能形式的约束。（第二章）

一步一步学习ETL

一步一步学习SQL Server BI 一步一步学习sqlserver BI--数据仓库设计因为项目还没有真正开始，但是接触BI已有半年多，手痒，这几天准备搞一个简化版本的BI项目。一方面给刚BI入门的朋友一个参考，另外一方面也为自己的将要开始的项目做个准备，让自己能够考虑到一些项目的细节。同时也希望对BI有研究的朋友提供一些建议和经验。因为我们的这个案例是采用微软的sqlserver2005的BI平台开发的，所以这里先贴一张WebCast里面截来的图，这张图主要反映了采用 sqlserver2005的BI项目的架构。好了，咱们开始吧。我说的这个项目需求很简单，因为是简化版本的么。这是一个游戏中使用到的物品的销售分析软件。里面包括几个概念，游戏，销售部门，物品，交易金额，交易笔数，发布单数等。我们要做的事情就是按游戏，按部门，按物品来实现对交易金额，笔数等的数据交叉分析。在我们这个系统里面，我们的数据颗粒度是天。好了，既然是简化版，我们也就不用那么罗嗦，什么需求分析，分析设计都省了吧，下面直接进入数据库设计。我们的数据库一共包括四张维度表（部门维度，游戏维度，物品维度，时间维度），一张事实表（游戏交易数据事实表）。部门维度表

游戏维度表物品维度表时间维度表

交易数据事实表由于我们的这个案例比较简单，所以维度与事实表之间的关系也比较简单，是一个简单的星型架构。这一节我们就先写到这里，下一节我将会详细的写这个项目的ETL部分。

一步一步学习sqlserver BI--ETL设计这节我们主要讲讲我的游戏交易数据分析项目的ETL（数据抽取、加载、转换）具体是怎么做的。先来讲下源系统吧，因为我们的交易主站的服务器不是架在公司的，因此不能直接从源系统直接抽取数据了。事实上我们已经存在一个简单的数据分析系统了，只不过这个是以前人家做的，没有采用sqlserver2005的BI平台来做，而是直接写winform程序来弄的。原来的数据抽取是主站那边提供导出的excel文件过来，然后到我们这边，导入到我们的分析库中去。好了，为了简便，事实上我只是在做一个demo，为以后项目做准备，所以我们抽取数据直接是从上面说的已经存在分析库中抽的，因为数据结构比较相近，所以ETL过程还是比较简单的。先看看游戏维度表吧：首先，我们来新建一个Integration Services项目。接着，新建一个ImportDimGamePackage.dtsx的SSIS包。拖放一个数据流任务到控制流面板上（如图）双击数据流任务，来到数据流面板

浙江工商大学数据仓库与数据挖掘以及试卷真题回忆

1、数据仓库的定义：数据仓库就是面向主题的、集成的、不可更新的（稳定性）、随时间不断变化（不同时间）的数据集合，用以支持经营管理中的决策制定过程。数据仓库特征：数据仓库是将原始的操作数据进行各种处理并转换成综合信息，提供功能强大的分析工具对这些信息进行多方位的分析以帮助企业领导做出更符合业务发展规律的决策。 2、数据仓库与数据库的相同点与不同点： 3、数据仓库的重要特性：面向主题性、集成性、时变性、非易失性、集合性和支持决策作用。 4、数据挖掘的定义：从技术角度看，数据挖掘就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知道的，但又是潜在有用的信息和知识的过程。 5、数据挖掘与数据仓库的关系： ●数据挖掘是数据仓库发展的必然结果：数据挖掘可以看作是联机分析处理的高级阶段。 ●数据仓库为数据挖掘提供应用基础总之，数据仓库为数据挖掘提供了更广阔的活动空间。数据仓库完成数据的收集、集成、存储和管理工作，数据挖掘面对的是经初步加工的数据，使得数据挖掘更能专注于知识的发现。 6、数据仓库的体系结构：数据仓库系统是由数据源、数据仓库的数据存储、数据仓库的应用工具和可视化用户界面组成。 7、主题数据是数据仓库的核心数据，一般以多维数据模型的形式存储在数据仓库中。 8、在数据仓库中涉及数据存储包括以下几种：数据源、主题数据、数据准备区和查询服务数据。 9、数据集市定义：数据集市一般是为满足某个业务部门进行分析决策的需求而建立的，我们可以将数据集市理解为部门级的数据仓库，数据仓库是数据集市的集合。如果一个数据集市不依赖于中央数据仓库,则这个数据集市为独立数据集市。 10、元数据的定义：元数据就是关于数据的数据。元数据是任何信息处理环境的一个重要组成部分。元数据描述了数据仓库的数据和环境，并使得用户能够更方便地使用数据仓库中的数据进行各种分析，辅助决策。 11、元数据的主要两种作用：元数据进行数据仓库的管理和通过元数据来使用数据仓库。用于对元数据进行管理的元数据称为管理元数据，而帮助我们使用数据仓库的元数据又称作用户元数据。 12、元数据的分类：根据元数据的内容我们将其分为四类：数据源元数据、预处理数据源元数据、数据仓库主题数据元数据、查询服务元数据。 13、数据仓库的数据模型： ●概念模型：多维数据模型是一种能够清楚地表达分析领域的数据模型。实体关系模型注重的是数据的结构，而多维数据模型注重的是数据的含义。数据仓库的概念模型一般采用多维数据模型来建模。在多维数据模型中，包含两种建模要素：观察事物的角度和观察得到的事实数据，前者被称作维度，后者被称作事实。一个分析领域或主题表达为由多个维度和一组事实数据构成的一个星型模型。 ●一个数据仓库通常包含多个主题，其概念模型也就由多个星型模型组成。 ● 14、数据仓库中的粒度是指数据仓库的数据单位中保存数据的细化或综合程度的级别。越是详细的数据，粒度级别就越小；越是概括的的数据，粒度级别就越大。判断：粒度问题是设计数据仓库的一个非常重要的方面，它既是一个逻辑设计的问题，也是一个物理设计的问题。 15、数据分割是把大的数据集划分成多个较小的数据集，并分散到多个物理单元中进行存储，使它们能独立的被处理。粒度的划分和数据的分割对数据仓库的设计和实现有重大的影响。 16、确定粒度大小的一般原则： ●如果数据仓库的空间很有限的话，为了节省存储空间，宜采用大粒度集表示数据。 ●如果追求数据仓库能够回答的问题类型的能力，要求能够回答非常具体的问题，那么使用较小的粒度级别。 ●如果想要减轻服务器的负担，提高查询性能，则采用较大的数据集粒度。 ●如果没有存储空间的限制，则可以在一个数据仓库中采用多重粒度级别，既存储多粒度级别的数据，也存储高粒度级别的数据，以同时获得高的查询效率和查询能力。 17、数据仓库的建设应该以建立部门级的数据集市为出发点，同时统观全局，使建立的数据集市成为整个企业数据仓库的逻辑子集。从而由多个数据集市集成企业级的数据仓库。为了实施这种数据仓库建设的思想，提出了一种总线型的数据仓库结构，称之为数据仓库的总线型结构。这种数据仓库结构的核心思想是使用统一的维和统一的事实来构造数据仓库的总线。 18、统一的维是指该维可以在数据集市中共享，且不论它与哪个事实表相连接，维的含义都是完全相同的。

工程材料样品确认单

工程材料样品确认单君邻天下园林景观工程一期示范区项目工程材料样品确认单材料名称: 规格: 使用部位: 施工单位确认: 监理单位确认: 设计单位确认: 建设单位确认: 年月日年月日年月日年月日君邻天下园林景观工程一期示范区项目工程材料样品确认单材料名称: 规格: 使用部位: 施工单位确认: 监理单位确认: 设计单位确认: 建设单位确认: 年月日年月日年月日年月日君邻天下园林景观工程一期示范区项目工程材料样品确认单材料名称: 规格: 使用部位: 施工单位确认: 监理单位确认: 设计单位确认: 建设单位确认: 年月日年月日年月日年月日君邻天下园林景观工程一期示范区君邻天下园林景观工程一期示范区工程材料样品确认单工程材料样品确认单材料名称: 规格: 使用部位: 材料名称: 规格: 使用部位: 施工单位监理单位设计单位建设单位施工单位监理单位设计单位建设单位确认: 确认: 确认: 确认: 确认: 确认: 确认: 确认: 年月日年月日年月日年月日年月日年月日年月日年月日君邻天下园林景观工程一期示范区君邻天下园林景观工程一期示范区

工程材料样品确认单工程材料样品确认单材料名称: 规格: 使用部位: 材料名称: 规格: 使用部位: 施工单位监理单位设计单位建设单位施工单位监理单位设计单位建设单位确认: 确认: 确认: 确认: 确认: 确认: 确认: 确认: 年月日年月日年月日年月日年月日年月日年月日年月日君邻天下园林景观工程一期示范区君邻天下园林景观工程一期示范区工程材料样品确认单工程材料样品确认单材料名称: 规格: 使用部位: 材料名称: 规格: 使用部位: 施工单位监理单位设计单位建设单位施工单位监理单位设计单位建设单位确认: 确认: 确认: 确认: 确认: 确认: 确认: 确认: 年月日年月日年月日年月日年月日年月日年月日年月日君邻天下园林景观工程一期示范区君邻天下园林景观工程一期示范区工程材料样品确认单工程材料样品确认单材料名称: 规格: 使用部位: 材料名称: 规格: 使用部位: 施工单位监理单位设计单位建设单位施工单位监理单位设计单位建设单位确认: 确认: 确认: 确认: 确认: 确认: 确认: 确认: 年月日年月日年月日年月日年月日年月日年月日年月日

数据仓库与数据挖掘期末复习

1.数据仓库的概念和特点p11 定义：一个面向主题的、集成的、非易失的且随时间变化的数据集合，用来支持管理人员作出决策。特性：面向主题的、集成的、非易失的、随时间不断变化的。 1、面向主题的：数据仓库以一个奇特或组织机构中固有的业务主题作为处理的主体，是从整体的、全局的角度来衡量这些主题在企业中的作用。 2、集成的（最重要）：数据仓库必须将不一致的数据进行有效的集成，使之在数据仓库中有一致性的表示形式。一致性问题只是集成所包含的一部分工作，另外还需要根据主题进行有效的数据组织。 3、非易失性：一旦操作型数据进入数据仓库，只要数据未超过数据仓库的数据存储期限，通常不对数据进行更新操作，而只进行查询操作。即不进行一般意义上的更新，而且与操作型数据相比，更新频率要低得多，对时间的要求更为宽松。 4、随时间不断变化的（数据因时而变的特点）《与操作型数据比较的，书上14页》：（1）数据仓库中的数据的时间期限要远远长于操作型环境中的数据的时间期限。操作型环境一般60-90天，数据仓库5-10年。 ⑵操作型环境中的数据库含有数据的“当前值”，其准确性访问是有效的，其当前值能被更新，数据仓库中的数据只是一系列某一时刻所生成的数据的复杂快照。

⑶操作型环境中的数据键码结构可能含有也可能不含有；数据仓库的键码结构总是包含某时间元素。 2.数据仓库中的关键概念14 外部数据源：就是从系统外部获取的同分析主题相关的数据。数据抽取：是数据仓库按分析的主题从业务数据库抽取相关数据的过程。数据清洗：所谓“清洗”是指在放入数据仓库之前将错误的、不一致的数据予以更正或删除，以免影响DSS决策的正确性。数据转换：各种数据库产品所提供的数据类型可能不同，需要将不同格式的数据转换成统一的数据格式，称为数据转换。数据加载：是指把清洗后的数据装入数据仓库的过程。数据加载策略包括数据加载周期和数据追加策略。数据加载周期要综合考虑经营分析需求和系统加载代价，对不同业务的数据采用不同的加载周期，但必须保持同一时刻业务数据的完整性和一致性。元数据：元数据是关于数据的数据。元数据位于数据仓库的上层，而且能够记录数据仓库中对象的位置。数据集市：面向企业中的某个部门（主题）而在逻辑上或物理上划分出来的数据仓库中的数据子集成为数据集市。数据粒度：粒度是数据仓库的数据单位中保存数据的细化程度或综合成都的级别。细化程度越高，粒度级别就越低。相反，细化程度越低，粒度级别就越高。数据仓库的数据组织结构：

材料样板确认单(石材)

材料样板确认单注：1、材料板的确认仅对效果及质量进行确认，规格尺寸以图纸要求为准。 2、本表单一式三份，建设方、监理、施工单位各一份；无监理的项目一式二份，建设方、施工单位各一份） 3、对无监理的工程项目，无需报监理审查确认，可直接报建设方确认。 4、涉及效果的材料要经设计部相关人员共同确定，并以设计意见为准。

工程项目验收单模板

工程项目验收单模板表格目录（1）F1：《钢筋工程质量样板验收表格》（2）F2：《模板工程质量样板验收表格》（3）F3：《墙体砌筑工程质量样板验收表格》（4）F4：《墙体抹灰工程质量样板验收表格》（5）F5：《防水工程质量样板验收表格》（6）F6：《铝合金门窗质量样板验收表格》（7）F7：《面砖粘贴质量样板验收表格》（8）F8：《入户门及户内门安装质量样板验收表格》（9）F9：《管线洞口吊模施工质量样板验收表格》（10）F10：《室内给水管线安装质量样板验收表格》（11）F11：其他通用验收表格

记录编号：项目名称施工单位样板施工部位样板施工时间施工样板验收检查重点： □纵向受力钢筋连接方式；□机械连接和焊接接头力学性能；□受力钢筋品种、级别和规格；□接头位置和数量；□机械连接、焊接和外观检查；□机械连接、焊接的接头面积；□绑扎搭接接头面积的百分率和搭接长度；□搭接长度范围内的箍筋；□绑扎钢筋网长、宽（±10mm）；□绑扎钢筋网眼尺寸（±20mm）；□绑扎钢筋骨架长（±10mm）；□绑扎钢筋骨架宽、高（±5mm）；□受力钢筋间距（±10mm）；□受力钢筋排距（±5mm）；□受力钢筋保护层－基础（±10mm）；□受力钢筋保护层－柱（±5mm）；□受力钢筋保护层－梁（±5mm）；□受力钢筋保护层－板、墙（±3mm）；□绑扎箍筋、横向钢筋间距（±20mm）；□钢筋弯起点位置（20mm）；□预埋件中心线位置（5mm）；□预埋件水平高差（＋3mm，0mm）；验收意见/存在问题（可加页附照片说明）验收结论□不符合设计与规范验收要求，需返工整改 □符合设计和规范验收要求，无变更，可以大面积展开施工 □原则通过，但存在问题须整改后方可大面施工验收确认施工单位监理单位建设单位其他部门样板验收，由项目工程组标段负责人组织项目工程师、监理单位和施工单位项目管理人员、建设单位相关人员参加，只有通过样板验收后，方可大面积开展施工，合格项目打“√”，不合格打“×”，并记录。

数据仓库与数据挖掘实验二(多维数据组织与分析)

一、实验内容和目的目的： 1．理解维（表）、成员、层次（粒度）等基本概念及其之间的关系； 2．理解多维数据集创建的基本原理与流程； 3．理解并掌握OLAP分析的基本过程与方法；内容： 1．运用Analysis Server工具进行维度、度量值以及多维数据集的创建（模拟案例）。 2．使用维度浏览器进行多维数据的查询、编辑操作。 3．对多维数据集进行切片、切块、旋转、钻取操作。二、所用仪器、材料（设备名称、型号、规格等）操作系统平台：Windows 7 数据库平台：SQL Server 2008 SP2 三、实验原理在数据仓库系统中，联机分析处理（OLAP）是重要的数据分析工具。OLAP的基本思想是企业的决策者应能灵活地、从多方面和多角度以多维的形式来观察企业的状态和了解企业的变化。 OLAP是在OLTP的基础上发展起来的，OLTP是以数据库为基础的，面对的是操作人员和低层管理人员，对基本数据的查询和增、删、改等进行处理。而OLAP是以数据仓库为基础的数据分析处理。它具有在线性（online）和多维分析（multi-dimension analysis）的特点。OLAP超越了一般查询和报表的功能，是建立在一般事务操作之上的另外一种逻辑步骤，因此，它的决策支持能力更强。建立OLAP的基础是多维数据模型，多维数据模型的存储可以有多种不同的形式。MOLAP和ROLAP是OLAP的两种主要形式，其中MOLAP（multi-dimension OLAP）是基于多维数据库的OLAP，简称为多维OLAP；ROLAP（relation OLAP）是基于关系数据库的

OLAP，简称关系OLAP。 OLAP的目的是为决策管理人员通过一种灵活的多维数据分析手段，提供辅助决策信息。基本的多维数据分析操作包括切片、切块、旋转、钻取等。随着OLAP的深入发展，OLAP也逐渐具有了计算和智能的能力，这些能力称为广义OLAP操作。四、实验方法、步骤要求：利用实验室和指导教师提供的实验软件，认真完成规定的实验内容，真实地记录实验中遇到的各种问题和解决的方法与过程，并根据实验案例绘出多维数据组织模型及其OLAP操作过程。实验完成后，应根据实验情况写出实验报告。五、实验过程原始记录(数据、图表、计算等) 本实验以实验一建立的数据仓库为基础，使用Microsoft的SQL Server Business Intelligence Development Studio工具，建立OLAP相关模型，并实现OLAP的一些简单基本功能。 ◆首先打开SQL Server Business Intelligence Development Studio工具，新建一个Analysis Service项目，命名为：DW ◆新建：数据源，连接实验一中建立的数据仓库 ◆

施工工艺样板确认单

项目名称明发桃源熙岸项目样板位置样板名称样板具体位置施工单位浙江欣捷建设有限公司开始完成时间主要施工方案描述1.按审批通过的施工节点图进行施工。 2.采用40*80镀锌方钢进行加固门框。方钢与顶棚和地面连接采用埋件、胀栓、焊接的方式。 3.门套木基层与方钢连接用燕尾丝固定。验收标准检查完成面尺寸是否正确，对角偏差≦3MM、表面平整度偏差≦3MM、焊接是否牢固验收记录（保证项目、允许偏差项目），必须另附照片经现场测量，完成面尺寸正确、对角偏差、表面平整度偏差均符合允许偏差范围，焊接牢固。承包商自查意见附合设计要求和验收规范。样板总体验收意见：以上样板经现场认定合格，准予进入大面积施工。 1监理单位意见：单位盖章负责人：年月日2项目部意见：部门盖章负责人：年月日其他部门（可视需要增加）：注：1、该表单由施工单位填写，项目部组织会签，认定后方可作为准予进入大面积施工的凭证；否则该部分产值不予计量。 2、材料样板由合约部提供2份，封样并由监理单位保存一份，以备施工中对照检查.

项目名称明发桃源熙岸项目样板位置样板名称样板具体位置施工单位浙江欣捷建设有限公司开始完成时间主要施工方案描述1.按审批通过的施工节点图进行施工。直型窗帘盒离幕墙龙骨间距为130MM，四个大角圆弧窗帘盒离幕墙龙骨间距为160MM。 2.采用40*40镀锌方钢与钢质定加工U型卡组合件进行与结构钢梁相连接。组合件间距为600MM。 3.采用阻燃多层板封石膏板。验收标准检查完成面尺寸是否正确，上口、下口直线度允许偏差≦3MM、水平度允许偏差≦3MM 验收记录（保证项目、允许偏差项目），必须另附照片经现场实际测量完成面尺寸正确、上口、下口直线度允许偏差、水平度允许偏差，均符合允许偏差范围。承包商自查意见附合设计要求和验收规范。样板总体验收意见：以上样板经现场认定合格，准予进入大面积施工。 1监理单位意见：单位盖章负责人：年月日2项目部意见：部门盖章负责人：年月日其他部门（可视需要增加）：注：1、该表单由施工单位填写，项目部组织会签，认定后方可作为准予进入大面积施工的凭证；否则该部分产值不予计量。 2、材料样板由合约部提供2份，封样并由监理单位保存一份，以备施工中对照检查.

建设工程样板工程验收制度及表格

建设工程样板工程验收制度及表格 The manuscript was revised on the evening of 2021

样板工程验收管理制度第一节样板工程验收目的、适用范围目的规范公司在建项目的分部分项工程、关键节点、防渗漏部位处理样板的确认方法和过程，强调质量策划与过程控制。以加强过程控制，提高工程质量，推动工程项目质量管理水平的提高。分部分项工程施工实行样板引路制，包括各分部分项工程、关键的节点、新工艺新材料的应用及关于渗漏部位的处理措施必须实行样板引路制度。通过实施样板引路的管理办法，对工程质量作到事前控制、统一标准，为批量施工提供质量验收标准及达到提高工程质量的目的。实现公司对工程项目质量管理的动态一体化管控。适用范围适用于公司所有在建项目的基础工程、主体工程、屋面工程、装饰工程、以及关键节点、防渗漏重点部位等重要工程样板确认，主要为施工工序质量、质量验收标准样板的确认。样板引路制度作为信筑置业工程部主要的工程质量管理办法，各施工单位执行的好坏直接与合格供应商考核挂勾，为公司后续项目合格总包单位的依据、实现质量预控而重点推行的工作。相关单位必须严格实施并彻底推行。第二节分部分项工程样板验收制度指导原则

为了认真贯彻执行《建设工程质量管理条例》以及国家、建设部颁布的强制性质量标准和质量规范。督促项目严格按《上海信筑置业有限公司施工工艺标准（暂定明）》实施。以达到工程质量管理的标准化、制度化、程序化为目的。切实提高工程质量，特制定本管理制度。样板验收制度指导原则：技术交底在先，样板开路在前，检查控制在过程中，结果检验评定及思考在后。即强调工程质量的前期策划及过程检查控制手段，实现工程质量的动态过程管理。第三节样板验收管理规定 1、在确保工程达到国家和部颁施工技术标准及规范的前提下，提高内部验收标准，强化对施工工序的全过程全方位的质量控制。 2、制定高标准的各项管理制度和工作目标以及施工质量标准，坚持每一道主要工序树立优秀的质量标杆样板，严格按照《信筑置业施工工艺标准，暂定名》要求检查通过后，各工程项目严格按照样板的工艺做法，按照样板的合格标准来施工。 3、有条件的项目应在现场设立标准统一、规范严谨的″样板展示区″。也可采用在现场施工部位进行样板工程的施做。 4 、样板展示区既是建筑工人的培训基地，也是检查验收的标准。对于一线建筑工人通过“样板引路”的展示，对于施工工艺、技术等细致分解，精确掌握，确保一线工人在建筑过程中严格按照要求作业，保证产品质量。将各工序的检查形成标准化程序，实现全过程标准化管理。