制造型企业具有业务系统特殊、数据量大、架构复杂交错等特点,同时各个应用系统之间数据难以互通,存在信息孤岛现象。打通制造型企业的数据壁垒,通过数据分析、数据挖掘以及人工智能等方式能够有效促进企业的经营、管理以及生产。制造型企业数据在流转的过程中会发生信息缺失、信息重复等数据质量问题,这些数据质量问题会影响到制造型企业依据数据所做的经营决策。制造型企业在解决信息孤岛和数据质量方面存在以下几个问题:异构数据源之间难以进行统一的数据交换完成业务需求;异构数据交换效率低下;异构数据的种类庞大,数据质量问题难以统一定义和处理;数据的来源不同、格式不同,语义不同,专业词汇不同,难以对语义相同的数据给出统一的表达;对于脏数据的检测、清洗和修复的数据处理无法满足要求。针对以上问题,本文在实际制造型企业项目支持下,开展对统一数据交换中心的关键技术研究,主要包括对数据交换技术研究和数据质量的研究,以及在此基础上完成统一数据交换中心平台的研制。本文主要贡献如下:（1）在数据交换技术方面:本文使用基于Kettle的ETL任务调度,针对Kettle集群进行改造。另外对基于Kettle的ETL任务调度算法进行研究,提出初始加权任务调度算法（Initial weighted task scheduling algorithm,IWTSA）和基于阈值优化蚁群算法的任务调度算法（Task scheduling algorithm based on threshold optimization ant colony algorithm,TSTOACA）,解决ETL任务调度集群效率以及负载均衡问题。（2）在数据质量方面:本文提出一种针对制造型企业的质量管理模型和框架,在框架中分维度对数据质量算法进行集成并对其进行并行化处理,不仅提高了数据质量管理效率而且大大方便了企业的使用。经实际项目使用,本文研究实现的数据质量相关算法,能够有效解决各种制造型企业数据质量问题。（3）在以上的关键技术研究上,设计实现出统一数据交换中心系统（Unified Data Exchange Center System,UDECS）,系统功能包括用户管理、日志管理、任务调度管理、数据质量管理、可视化大屏以及商务智能分析管理等。本系统可以为制造型企业提供数据服务并在此基础上经营、管理以及生产等方面提供决策支持。