制造企業(yè)正面臨著提升競(jìng)爭(zhēng)力以及轉(zhuǎn)型的嚴(yán)峻挑戰(zhàn)。隨著智能制造成為了企業(yè)大力推進(jìn)的重點(diǎn)，在企業(yè)面對(duì)擴(kuò)大再生產(chǎn)的需求和設(shè)備升級(jí)的契機(jī)，企業(yè)亟需實(shí)現(xiàn)信息化和智能化的深度融合，提升企業(yè)在質(zhì)量管控、工藝提升、服務(wù)升級(jí)等方面的管理和決策能力。
隨著大數(shù)據(jù)技術(shù)逐漸成為工業(yè)4.0的標(biāo)配技術(shù)之一，生產(chǎn)制造型企業(yè)基于數(shù)據(jù)的生產(chǎn)和管理需求越來(lái)越高。基于物聯(lián)網(wǎng)技術(shù)的數(shù)據(jù)采集和控制模塊的廣泛應(yīng)用以及企業(yè)在信息化方面的大量投入，企業(yè)在變革和提升企業(yè)管理模式和手段的同時(shí)，已積累了大量的數(shù)據(jù)，形成了極為龐大的數(shù)據(jù)源。傳統(tǒng)數(shù)據(jù)庫(kù)技術(shù)對(duì)這種大規(guī)模的數(shù)據(jù)的存儲(chǔ)、管理及分析能力顯得捉襟見(jiàn)肘。而利用大數(shù)據(jù)技術(shù)，可以給企業(yè)提供高效的數(shù)據(jù)分析能力，提高質(zhì)量管控、工藝提升、服務(wù)升級(jí)等方面的管理和決策能力。在大數(shù)據(jù)時(shí)代，如何對(duì)有用的數(shù)據(jù)進(jìn)行挖掘、發(fā)現(xiàn)重要的知識(shí)和提取有用的信息已成為企業(yè)面臨的關(guān)鍵點(diǎn)。
企業(yè)生產(chǎn)現(xiàn)場(chǎng)數(shù)據(jù)分析的重要性
擁抱大數(shù)據(jù)技術(shù)，邁向智能制造
對(duì)于制造企業(yè)來(lái)說(shuō)，由于數(shù)據(jù)海量且分散，具備復(fù)雜的關(guān)聯(lián)性，來(lái)源廣泛，而制造企業(yè)多數(shù)采用傳統(tǒng)的數(shù)據(jù)庫(kù)管理模式，操作人員只能對(duì)系統(tǒng)功能框架內(nèi)的數(shù)據(jù)進(jìn)行觀察，無(wú)法通過(guò)利用集群進(jìn)行性能提升和數(shù)據(jù)處理。僅僅憑借統(tǒng)的方法與技術(shù)，已經(jīng)無(wú)法滿足企業(yè)處理海量大數(shù)據(jù)及改進(jìn)生產(chǎn)的需求。因此，在研發(fā)、生產(chǎn)等多個(gè)環(huán)節(jié)，引入大數(shù)據(jù)技術(shù)，構(gòu)建工業(yè)大數(shù)據(jù)分析平臺(tái)已成為制造企業(yè)轉(zhuǎn)型升級(jí)的具體方向。以制造企業(yè)原有的數(shù)據(jù)資源為基礎(chǔ)，搭建分大數(shù)據(jù)分析平臺(tái)，針對(duì)供應(yīng)鏈信息、生產(chǎn)制造過(guò)程數(shù)據(jù)建立完備的模型，結(jié)合生產(chǎn)制造工藝?yán)碚撝R(shí)深入挖掘、分析，將為企業(yè)生產(chǎn)發(fā)展的各方面提供科學(xué)、準(zhǔn)確的決策指導(dǎo)。
可以看到，對(duì)于存在一定量的數(shù)據(jù)積累但是無(wú)法有效利用企業(yè)生產(chǎn)過(guò)程數(shù)據(jù)獲取有效價(jià)值的企業(yè)，以及亟需提高數(shù)據(jù)分析效率，從數(shù)據(jù)中洞察更多有用信息，進(jìn)而利用分析結(jié)果指導(dǎo)生產(chǎn)和改進(jìn)工藝的企業(yè)來(lái)說(shuō)，雖然對(duì)展開(kāi)大數(shù)據(jù)分析需求迫切，但從何入手仍是迷茫的地方所在。
在生產(chǎn)制造方面，不少企業(yè)的生產(chǎn)工藝經(jīng)過(guò)多年發(fā)展已經(jīng)趨于穩(wěn)定。但是在制造企業(yè)的實(shí)際生產(chǎn)流程中，在零件、人員、工具上往往存在許多無(wú)法量化、無(wú)法預(yù)測(cè)的不確定性，如加工過(guò)程中零件的磨損、衰退引起的設(shè)備故障，不同批次、不同廣家提供零件的差異帶來(lái)的質(zhì)量變化、工人操作失誤造成的返工、系統(tǒng)意外的宕機(jī)以及生產(chǎn)資源不必要的浪費(fèi)等。這些不確定性直接影響到在生產(chǎn)工藝、生產(chǎn)調(diào)度上進(jìn)行判斷、決策的準(zhǔn)確性。而引入大數(shù)據(jù)技術(shù)，利用大數(shù)據(jù)分析工具，基于大量數(shù)據(jù)對(duì)這些不確定性進(jìn)行拆解、量化，挖掘出在數(shù)據(jù)后面的隱藏信息，可以降低這些不確定性造成的工藝偏差，保證生產(chǎn)過(guò)程盡可能透明，進(jìn)而提高產(chǎn)品質(zhì)量。企業(yè)可以依據(jù)完備的數(shù)據(jù)分析結(jié)果及時(shí)的進(jìn)行更換零件、維修設(shè)備、監(jiān)督工人，實(shí)現(xiàn)對(duì)生產(chǎn)工藝的嚴(yán)格執(zhí)行。
在產(chǎn)品質(zhì)量方面，可以通過(guò)對(duì)結(jié)果數(shù)據(jù)和過(guò)程數(shù)據(jù)的建模、分析，針對(duì)產(chǎn)品的質(zhì)量建立等級(jí)評(píng)價(jià)體系，擺脫原來(lái)單一的質(zhì)量管理模式，實(shí)現(xiàn)生產(chǎn)過(guò)程控制與車間的實(shí)時(shí)設(shè)備互聯(lián)，進(jìn)而對(duì)生產(chǎn)過(guò)程進(jìn)行有效的監(jiān)控，提升產(chǎn)品質(zhì)量。
在設(shè)備維護(hù)方面，通過(guò)對(duì)同一生產(chǎn)工藝，同一生產(chǎn)原料供應(yīng)商的大批量產(chǎn)品生產(chǎn)數(shù)據(jù)進(jìn)行分析，企業(yè)可以得到生產(chǎn)設(shè)備之間存在的差異信息，進(jìn)而可以發(fā)現(xiàn)潛在的設(shè)備故障信息，提早進(jìn)行設(shè)備維護(hù)，既可延長(zhǎng)設(shè)備使用壽命又能夠提高產(chǎn)品的良品率。
在供應(yīng)鏈方面，基于生產(chǎn)工藝的理論模型，利用大數(shù)據(jù)分析平臺(tái)，對(duì)不同廠家、不同批次零件、不同使用階段的歷史數(shù)據(jù)進(jìn)行分析、解讀。通過(guò)比較，對(duì)不同廠家、不同批次的零件進(jìn)行質(zhì)量評(píng)價(jià)，在零部件的使用環(huán)節(jié)上保持高效。
在數(shù)據(jù)處理方面，搭建大數(shù)據(jù)分析平臺(tái)，可以優(yōu)化對(duì)生產(chǎn)過(guò)程中大批量數(shù)據(jù)的采集、存儲(chǔ)、挖掘、應(yīng)用的能力，加快數(shù)據(jù)的處理速度，對(duì)生產(chǎn)流程中各環(huán)節(jié)產(chǎn)生的數(shù)據(jù)協(xié)同管理、分析，提高數(shù)據(jù)的利用率。
制造企業(yè)如何搭建生產(chǎn)現(xiàn)場(chǎng)數(shù)據(jù)分析平臺(tái)
對(duì)于企業(yè)來(lái)說(shuō)，在搭建生產(chǎn)數(shù)據(jù)分析平臺(tái)之前，要先明確業(yè)務(wù)需求場(chǎng)景，通過(guò)大數(shù)據(jù)分析平臺(tái)，想要得到哪些有價(jià)值的信息，需要接入的數(shù)據(jù)有哪些，明確基于場(chǎng)景業(yè)務(wù)需求的大數(shù)據(jù)平臺(tái)要具備的基本的功能，再來(lái)決定平臺(tái)搭建過(guò)程中使用的大數(shù)據(jù)處理工具和框架。
通常來(lái)說(shuō)，制造型企業(yè)生產(chǎn)數(shù)據(jù)分析平臺(tái)從其功能上看，主要包含數(shù)據(jù)采集、數(shù)據(jù)預(yù)處理與存儲(chǔ)、數(shù)據(jù)建模、數(shù)據(jù)分析及數(shù)據(jù)驅(qū)動(dòng)決策等。對(duì)于制造企業(yè)來(lái)說(shuō)，常見(jiàn)的過(guò)程控制系統(tǒng)、MES、ERP等系統(tǒng)已經(jīng)在企業(yè)中普及應(yīng)用，這些系統(tǒng)中存儲(chǔ)了企業(yè)在生產(chǎn)、制造、銷售、維護(hù)產(chǎn)品過(guò)程中所產(chǎn)生的過(guò)程數(shù)據(jù)和管理數(shù)據(jù)，因此大數(shù)據(jù)分析平臺(tái)可以直接與這些系統(tǒng)的數(shù)據(jù)庫(kù)進(jìn)行連接，獲取相關(guān)的數(shù)據(jù)。此外，企業(yè)生產(chǎn)現(xiàn)場(chǎng)還需要獲取各類工業(yè)環(huán)節(jié)采集的數(shù)據(jù)，既包含來(lái)自傳感器的內(nèi)部數(shù)據(jù)，也包含來(lái)自企業(yè)外部的數(shù)據(jù)。其次，數(shù)據(jù)預(yù)處理與存儲(chǔ)層的關(guān)鍵目標(biāo)是主要是實(shí)現(xiàn)數(shù)據(jù)的初步清洗、集成，并將工業(yè)系統(tǒng)與數(shù)據(jù)對(duì)象進(jìn)行關(guān)聯(lián)，主要包含數(shù)據(jù)預(yù)處理、數(shù)據(jù)存儲(chǔ)等。在數(shù)據(jù)建模層面，可以根據(jù)企業(yè)的業(yè)務(wù)流程，在數(shù)據(jù)基礎(chǔ)上建構(gòu)用戶、設(shè)備、產(chǎn)品產(chǎn)線、工廠、工藝等數(shù)字模型。基于處理后的數(shù)據(jù)，利用BI工具，例如國(guó)外的Qlik，國(guó)內(nèi)的觀數(shù)臺(tái)等BI系統(tǒng)，搭建企業(yè)產(chǎn)銷協(xié)同分析、生產(chǎn)能耗分析、產(chǎn)品質(zhì)量分析、產(chǎn)值分析、設(shè)備情況分析、生產(chǎn)延期預(yù)警等數(shù)據(jù)分析，提供數(shù)據(jù)報(bào)表，并將結(jié)果進(jìn)行可視化，為企業(yè)各類決策的產(chǎn)生提供支持。以實(shí)現(xiàn)從數(shù)據(jù)采集到設(shè)備、生產(chǎn)現(xiàn)場(chǎng)及企業(yè)運(yùn)營(yíng)管理持續(xù)優(yōu)化的閉環(huán)。從而幫助企業(yè)進(jìn)一步實(shí)現(xiàn)個(gè)性化定制、智能化生產(chǎn)、協(xié)同化組織與服務(wù)化制造等創(chuàng)新模式。
亦策觀數(shù)臺(tái)，助企業(yè)發(fā)現(xiàn)隱藏在數(shù)據(jù)中的價(jià)值
在大數(shù)據(jù)時(shí)代，使海量的數(shù)據(jù)推動(dòng)企業(yè)發(fā)展和轉(zhuǎn)型，讓冰冷的數(shù)據(jù)幫助企業(yè)變革決策流程對(duì)制造企業(yè)來(lái)說(shuō)至關(guān)重要，亦策觀數(shù)臺(tái)可以為企業(yè)提供基于大數(shù)據(jù)技術(shù)的預(yù)測(cè)性分析及商務(wù)智能解決方案，幫助企業(yè)帶來(lái)全新洞察。
以物聯(lián)網(wǎng)平臺(tái)結(jié)合Hadoop大數(shù)據(jù)分析為企業(yè)提供完整的制造業(yè)大數(shù)據(jù)分析解決方案
每個(gè)企業(yè)都希望能在最短時(shí)間內(nèi)就可以看到數(shù)據(jù)分析的結(jié)果，在數(shù)據(jù)源的連接上，亦策觀數(shù)臺(tái)基于端到端的大數(shù)據(jù)平臺(tái)技術(shù)，強(qiáng)大的數(shù)據(jù)集成、數(shù)據(jù)挖掘與預(yù)測(cè)性分析分析、高級(jí)分析能力，幾乎可以連接任何數(shù)據(jù)源，包括基于文件的源，特定于應(yīng)用程序的源以及大數(shù)據(jù)源。獨(dú)有的內(nèi)存技術(shù)使得亦策觀數(shù)臺(tái)在短短幾秒鐘就能生成一個(gè)復(fù)雜的分析結(jié)果，觀數(shù)臺(tái)存儲(chǔ)到內(nèi)存的數(shù)據(jù)也會(huì)經(jīng)過(guò)壓縮處理。同時(shí)，內(nèi)存技術(shù)能幫助用戶直接訪問(wèn)業(yè)務(wù)系統(tǒng)數(shù)據(jù)，利用豐富且強(qiáng)大的UI快速搭建前端分析界面和分析流程；僅幾天就能幫助用戶實(shí)現(xiàn)數(shù)據(jù)分析業(yè)務(wù)藍(lán)圖，大大縮短項(xiàng)目實(shí)施周期，降低成本與項(xiàng)目風(fēng)險(xiǎn)。結(jié)合物聯(lián)網(wǎng)平臺(tái)與Hadoop大數(shù)據(jù)分析平臺(tái)，亦策觀數(shù)臺(tái)可以為企業(yè)整合來(lái)自多個(gè)系統(tǒng)，不同結(jié)構(gòu)的海量數(shù)據(jù)，并利用預(yù)測(cè)分析和預(yù)先建立的工業(yè)模型來(lái)檢測(cè)異常或故障模式，提高質(zhì)量、確定風(fēng)險(xiǎn)，并采取先發(fā)制人的行動(dòng)。幫助企業(yè)實(shí)現(xiàn)設(shè)備預(yù)測(cè)性維護(hù)、生產(chǎn)過(guò)程質(zhì)量分析以及幫助企業(yè)提升運(yùn)營(yíng)效率。
基于亦策觀數(shù)臺(tái)解決方案，某電力設(shè)備企業(yè)分析了84家工廠的10萬(wàn)臺(tái)設(shè)備所提供的數(shù)據(jù)，以往通常需要3-4天才能完成的數(shù)據(jù)提取現(xiàn)在幾乎可以實(shí)時(shí)完成，通過(guò)準(zhǔn)確地評(píng)估和分析設(shè)備參數(shù)，該企業(yè)將定期維護(hù)模式轉(zhuǎn)變成了基于風(fēng)險(xiǎn)的維護(hù)，更合理的安排設(shè)備維護(hù)工作，同時(shí)優(yōu)化了部件更換流程，提高事故預(yù)測(cè)準(zhǔn)確性并共享根源分析結(jié)果，提高對(duì)數(shù)據(jù)使用的認(rèn)知能力并獲取洞察。
某汽車企業(yè)通過(guò)觀數(shù)臺(tái)強(qiáng)大的數(shù)據(jù)處理能力，同時(shí)集成內(nèi)外部數(shù)據(jù)源，可以根據(jù)業(yè)務(wù)需求來(lái)分析部分?jǐn)?shù)據(jù)，在實(shí)現(xiàn)生產(chǎn)可追溯性分析時(shí)，最多可以分析1.8億行數(shù)據(jù)，在過(guò)去查找問(wèn)題根源至少需要10小時(shí)，現(xiàn)在縮短為5-10分鐘便可完成，幫助企業(yè)降低成本、提高生產(chǎn)力和產(chǎn)品質(zhì)量。
亦策觀數(shù)臺(tái)制造業(yè)大數(shù)據(jù)解決方案優(yōu)勢(shì)
同時(shí)，作為智能的可視化BI，亦策觀數(shù)臺(tái)BI集數(shù)據(jù)準(zhǔn)備、收集、分析及報(bào)告于一體，可以為制造企業(yè)提供強(qiáng)大相關(guān)的洞察分析和可視化，供用戶進(jìn)一步考慮和探索。通過(guò)搭建生產(chǎn)管理駕駛艙，結(jié)合數(shù)據(jù)大屏，幫助制造企業(yè)從不同的維度和篩選條件來(lái)分析生產(chǎn)運(yùn)營(yíng)情況，如企業(yè)每天生產(chǎn)任務(wù)量、生產(chǎn)運(yùn)行狀況、設(shè)備情況、訂單執(zhí)行情況等企業(yè)生產(chǎn)現(xiàn)場(chǎng)關(guān)鍵數(shù)據(jù)以及預(yù)警信息都可以準(zhǔn)確高效的被直觀展現(xiàn)。通過(guò)數(shù)字結(jié)合可視化圖形，與錯(cuò)綜復(fù)雜的數(shù)據(jù)建立聯(lián)系，幫助企業(yè)發(fā)現(xiàn)其中的規(guī)律和特征，從而幫助企業(yè)管理人員進(jìn)行決策和判斷，幫助業(yè)務(wù)人員發(fā)現(xiàn)并診斷問(wèn)題，企業(yè)帶來(lái)全新的洞察力。此外，亦策觀數(shù)臺(tái)強(qiáng)大的移動(dòng)功能還可為企業(yè)提供手機(jī)關(guān)鍵報(bào)告：領(lǐng)導(dǎo)層可以根據(jù)手機(jī)報(bào)告來(lái)瀏覽公司生產(chǎn)運(yùn)營(yíng)動(dòng)態(tài)，重點(diǎn)KPI盡在手機(jī)中掌握。同時(shí)，還可以在微信端實(shí)現(xiàn)定期推送、定期提醒的方式，讓相關(guān)人員查看詳細(xì)信息，并實(shí)現(xiàn)各類預(yù)警。
未來(lái)，伴隨著我國(guó)制造企業(yè)智能化水平的不斷提升，亦策觀數(shù)臺(tái)系統(tǒng)將幫助制造企業(yè)不斷自由探索并挖掘數(shù)據(jù)的價(jià)值，實(shí)現(xiàn)更高效的生產(chǎn)運(yùn)營(yíng)管理，實(shí)現(xiàn)更快，更智能的業(yè)務(wù)決策！
