决胜未来,构建数据驱动的企业
本文标签: 物联网 工业物联网 工业大数据 数据分析 BI 商业智能 

    当今世界是一个数据爆炸的时代,实现数据驱动,是现代制造企业实现可持续发展的必由之路。制造企业的运营,从数据的视角来看,包括数据采集、数据存储与备份、数据安全、数据建模与可视化、数据分析与预测等过程,涉及的数据类型非常多,包括静态数据和动态数据,也可以分为实时数据和非实时数据,还可以分为结构化数据、半结构化数据和非结构化数据。企业要打通数据孤岛,最重要的基础是规范的数据编码。如何获取数据、管好数据、用好数据,如何用数据来驱动企业的业务运作和正确决策,成为企业赢得市场竞争力的必要条件。

   1.客户需求应当通过结构化数据来描述,并且与产品数据关联起来,将产品结构、装配关系、制造工艺、产品配置等产品全生命周期的数据统一管理

    如图1所示,在整个产品生命周期,从客户需求到概念设计、详细设计、工艺设计、仿真试验、生产制造到售后服务过程的数据应当全部贯通,并且通过结构树的方式准确地表达。这样,客户需求如果出现变更,会对产品结构,乃至后续的制造和服务产生哪些影响,才能够追溯清楚。对企业级BOM的有效管理,是制造企业实现设计重用,提升研发效率,实现产品快速配置的基础。如果没有准确的服务BOM数据,没有准确管理好客户在购买产品时的产品配置信息,客户在更换备品备件时,就可能会出错。


图1. 产品全生命周期的数据贯通
 
   2.企业的业务管理也应当实现数据驱动,基于数据进行协同。

    企业应用ERP系统可以实现产、供、销、人、财、物的协同管理,MES系统则要处理好人、机、料、法、环等影响生产和质量的数据。著名的业务流程建模软件ARIS能够将企业的业务流程与组织架构、产品及服务、数据和信息系统功能之间的关系梳理清楚,对业务流程进行仿真与优化,帮助企业实现按照规范的流程完成业务。


图2. ARIS的房式模型
 
    3.企业必须关注整个供应链、生态系统中的数据,以实现对市场波动的快速反应。

    制造企业应当聚焦于自己最擅长的领域,例如产品设计和最终装配,再加上若干关键零部件或关键工序,而将其他业务外包,因此供应链数据的准确、及时和双向交互对企业至关重要。国外的汽车、电子等行业已广泛应用了EDI(电子数据交换)来实现上下游企业之间的数据交互,无需人工干预,而我国大型企业还主要是通过建立供应商门户来与供应商进行数据交互,这实际上只是单向的,供应商只能查询数据。更进一步,如果要实现供应链协同计划与优化,更需要上下游企业之间实现供应链数据的共享和同步,避免出现“牛鞭效应”。德国Supplyon公司依托EDI平台,构建了面向整个欧洲航空行业的供应链数据交互平台AirSupply,整个行业的相关企业都通过该平台交换数据,从而大大提升了业务协作效率,降低了协作成本。


图3. EDI助力企业实现供应链数据双向交互

    4.实时采集工厂的生产数据、质量数据、能耗数据、设备数据,乃至人员数据,是企业提高生产效率、降低成本、避免非计划性停机、实现生产追溯、构建智能工厂的基础和必要条件。

    企业应当尽可能地利用设备的数据接口来获取相关数据。对于老设备,如果无法直接获取设备数据,则应当添加外接传感器。实际上,通过采集设备的能耗,也可以判断出设备的状态是停机、空载还是在加工,现在已经有不少厂商提供了可以外接的能源采集终端和能源管理软件。企业可以通过与设备厂商、数控系统厂商合作,来获取设备内部的传感器数据,从而实现对设备的状态监控,及时对设备可能存在的异常状态进行预警,避免由于设备故障而影响生产。例如,全球知名的裁床制造企业力克(Lectra)已经能够通过物联网对设备状态进行远程监控,力克75%的用户已购买了该服务;全球激光设备制造龙头企业德国通快集团也提供设备的远程监控服务;华中数控也可以通过物联网实时监控其数控系统的“心电图”,采集频率是毫秒级。

图4. 华中数控采集的机床“心电图”

    对于装备制造企业而言,推进已服役产品的运行状态的数据采集,一方面可以提高服务质量,指导用户更安全地使用设备,建立良好的使用习惯,在卖产品的基础上卖服务,促进备品备件销售,或者将卖产品转型为卖服务,罗罗公司已推出针对航空发动机的Total Care全包服务;另一方面,通过安装GPS定位和各种传感器,监控设备的运行状态,可以根据设备所处的地域进行大数据分析,促进企业有针对性地制定未来的区域市场营销策略。日本小松公司率先对工程机械的开机时间进行统计分析,如表1所示,从2016年10月至20017年9月,除了一月、二月(即我国春节期间)数据略低外,中国的工程机械平均使用时间维持在130小时/台以上,四五两月甚至达到150小时/台以上。而同期日本机械设备平均使用时间约为55小时/台,北美约70小时/台,欧洲为80小时/台左右。三一重工也定期发布挖掘机指数,成为我国基础设施建设的晴雨表之一。


表1.日本小松公司发布的月度工程机械工作时间对比

    5. 企业数据的边界在不断扩展。

    著名管理专家Michael Porter和PTC公司CEO Jim Heppelmann先生在《哈佛商业评论》上发表的‘智能互联产品如何改变竞争格局’一文中指出,随着产品的结构越来越复杂,由普通的机械产品演化为智能产品,进而演化为智能互联产品,在基础上,由多个产品组成产品系统。而用户企业则需要关注更多的数据。例如,一个现代农场需要关注农业机械、气象、种子、灌溉和天气的诸多与企业运行有关的生态系统数据。因此,企业收集数据的视野要开阔。


图5.一个现代农业企业需要关注的生态系统数据

    6.企业要注意利用社会的宏观数据,尤其是社交媒体的数据,与企业制定战略相关的宏观数据要充分利用。

    例如,原材料的价格波动,对企业的成本有很大影响,企业应当高度关注。地质灾害有可能给企业的供应链带来巨大风险。企业在社交媒体上的商誉数据,也必须高度关注。企业在做市场推广,聘请明星做广告代言人,也需要用大数据分析,根据明星在社交媒体的粉丝的人群分布与目标市场的匹配程度,受欢迎程度等因素进行遴选。

    7. 企业应当充分挖掘数据的价值,尤其是物联网数据。如果不重视数据分析,则采集数据、建设工业物联网的价值不大。

    对于海量的数据要去粗取精,去伪存真。对于业务数据,应当在进行实时分析的基础上,将决策支持的数据通过移动终端推送给企业各级负责人,决策过程用数据说话,不再是凭经验、拍脑袋。在设备数据采集的基础上,企业可以通过对传感器数据的分析,基于“深度学习”等人工智能算法,最终实现对设备进行预测性维修维护(Predictive Maintenance)。对于质量数据,企业也应当应用数字化的质量检测设备,可以直接将检测结果连入信息系统,避免手工输入录入质量检测数据。在准确采集质量数据的基础上,可以通过SPC(统计过程控制)和认知计算等方法,对质量数据进行深入分析,从而促进企业改进产品质量。

    图6是IBM完成的一个案例。通过物联网对生产过程、设备工况、工艺参数等信息进行实时采集;对产品质量、缺陷进行检测和统计;在离线状态下,利用机器学习技术挖掘产品缺陷与物联网历史数据之间的关系,形成控制规则;在在线状态下,通过增强学习技术和实时反馈,控制生产过程减少产品缺陷;集成专家经验,改进学习结果。


图6.IBM利用认知计算进行质量数据分析


    总之,未来能够实现可持续发展,决胜未来的企业,一定是数据驱动的企业。


本文作者:李培根 黄培

发表于: 2017-11-05 20:45 阅读(823) 评论(1) 收藏 好文推荐
# re: 决胜未来,构建数据驱动的企业
2017-11-24 15:30 | ewkhqh | 1楼
谁获取了数据、管好了数据、并用好了数据,谁就将决胜未来!

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