文章 - 212 评论 - 33 收藏 - 0 粉丝 - 11 访问量 - 238259

“工业4.0”的提出,为中国制造业提出了新的发展方向,也提供了新的发展机遇。工业4.0战略的核心在于:1、建设一个网络 ;2、研究两个主题;3、实现三项集成;4、数据处理。现在越来越多的企业在讲大数据分析,但是如何让数据驱动经营、推动企业业绩增长、让数据发挥价值这是值得我们去总结,去落实。

“工业4.0”时代,制造企业的数据将会呈现爆炸式增长态势。随着信息物理系统(CPS)的推广、智能装备和终端的普及以及各种各样传感器的使用,将会带来无所不在的感知和无所不在的连接,所有的生产装备、感知设备、联网终端,包括生产者本身都在源源不断地产生数据,这些数据将会渗透到企业运营、价值链乃至产品的整个生命周期,是工业4.0和制造革命的基石。

总体来说,工业“4.0”关注的工程数据分为四类:

1、 产品相关的数据,俗称企业主数据;

2、 运营数据,一般称为交易数据;

3、 整个价值链上的数据,如供应商、分销商、客户等数据,也是属于企业主数据管理的范畴;

4、 对企业经营分析有价值的外部数据。

工业4.0落地中国企业,工业大数据是一项重要抓手。利用工业大数据分析,可以找出隐性的问题并预测未知情况的发生,有助于及时地做好预防,避免故障和偏差。

工业工程数据分析最重要、最关键的步骤是什么——建模。不同企业的工程数据的建模是有一定的共性,同时也有相同的方法论。《星际穿越》这边大片的五维空间给了我们提示,任何物体都离不开时空关系。所以工业工程数据建模的方法论,比如我们经常用到的的数据立方体模型、多维模型等,都是“数据空间关系”。

“数据空间关系”——即数据时空关系。业务的产生及执行是在一定的时间、空间维度实现的。任何一个行业的数据都逃不出这个“空间—时间”范畴,唯一不同的是度量指标(KPI),而且时间维度和空间维度(主数据)是两个比较独立的纬度,没有交集和关联关系,比如物料与时间没有直接的联系(但是对于有时效性的主数据与时间是有关系的,如食品、药品、化工原料等)这两个纬度一般是通过“度量”发生联系的,在“量”的属性中一定要关联时间及空间。

时间维度定义是数据标准化清洗时的标准规则,粒度设置一般视企业的管理深度。

常见的时间维度定义:– 小时 – 日 – 班次(白班、夜班;三班倒) – 需要去关注的特定业务时间段(如:订单处理时间段,制造时间段,物流时间段等) – 周 – 半月 – 月 – 季度 – 半年 – 年

对应时间维度的报表就有小时报表、日报表、月报表、季度报表、年报表

空间维度是数据抽取、清洗转换时的过滤条件和标准规则。是主数据的维度,不同的企业主数据不一样。

常见的度量指标有:“量”和“率”

– 总量、分量、平均量、单位产出量、比例、比率(单位分量,贡献率、利润率、投资回报率、投入产出率)、增量、差距量、排名名次、对比量

– 量是一个统计累加值,表明“多少”,一般业务系统中的记录都是反映这类指标,是由业务的流水量累加而成的

– 率是一个效率值,表明单位时间、单位“主数据”的值(如人均产值,单位成本等),表明一个效率

时空建模即数据空间模型一般采用链式结构表星型结构

链式结构表一般用于业务数据模型,便于扩展模型和存储流水数据,减少数据冗余。

星型结构一般用于报表分析模型,主要目的是分析查询,要求查询速度快,容许数据冗余。

斯欧工程数据分析解决方案——企业系统数据集成、清洗、转换、抽取、建立数据仓库、建模分析、多维度BI展现等一系列过程,确保数据分析的价值可以在各个层次得到体现,能够帮助企业更好的理解这个行业,建设起行业壁垒,为管理者提供决策支撑。

让企业IT更简单!

——————————————

更多精彩内容请关注斯欧信息微信公众平台 china-soa

发表于: 2015-03-28 15:48 阅读(1209) 评论(0) 收藏 好文推荐

发表评论(网友发言只代表个人观点,不代表本网站观点或立场。)

您尚未登录,请先【登录或注册