工業製造業首先是大數據的源頭，一旦製造業全面數字化，生產流程中產生的數據都輕而易舉地屬於大數據的範疇，其數據量、產生頻度、類型從IT角度來看，都極具挑戰性和吸引力。
隨著製造流程和商業活動變得越來越複雜，依靠人的經驗和分析已經無法滿足如此複雜的管理和協同優化的需求。企業中不同層級的用戶對於資訊的要求是不同的，對於數據量和種類的要求也是有差距的，傳統資訊系統不能滿足各層次用戶的個性化定制。
所以昆侖輪胎在多年資訊化建設的基礎上，開展了工業大數據實踐，在這一年的實踐中，總結了工業大數據分析應用的5個場景和8大方向，我們通過IT資訊部部長的分享來了解詳細內容，望對其他製造業者帶來啟發！
6年資訊化建設打造數據化基礎
2010年，我們建廠并搭建完成PCS系統。
2011~2013年，重點導入輪胎條碼物流系統和OA系統等4個基礎業務系統。
2015年，重點導入SAP系統，實現了資源調配與平衡。
2016年，開始大力發展資訊化與工業化相融合，重點工作是業務系統數據分析工作，也就是我們常說的「小數據」分析。
經過6年多的建設，公司資訊化管理架構已經基本完成。PCS、MES、ERP、CRM、SCM等系統應用在了不同的業務模塊，實現了生產和業務管理的自動化、資訊化。資訊化系統的整體架構是由位於上層的ERP系統、中層的MES系統、底層的控制系統組成，是面向車間層的管理資訊系統。在MES系統建設上，目前崑崙是輪胎行業內第一家MES系統全線貫通的企業。
MES的全線貫通帶來了明顯的收益。公司從需求到生產到最後結算，整個環節業務驅動數據流程。這為數據分析驅動生產運營工程提供了數據基礎，也為「工業化與資訊化融合工程」提供了技術基礎。
數據分析驅動輪胎工業轉型與價值創造：5大重點場景
在業務系統數據分析過程中，由於業務部門提出較多的客製化需求，加之技術上對穩定性和擴展性的需求，我們急需一個能打通各業務系統數據，高效率製作數據報表的分析工具。最後和帆軟合作，基於報表工具著手搭建數據分析報表平台。
具體客製化服務的場景，這裡重點介紹5個場景：
定製數據服務場景1：設備空轉預警，從一人管理2台機器提高到6台
設備管理員需要實時關注設備的運行情況,其中一個就是防止密煉機空轉。
此前我們一直依賴設備的聲光提醒，每個管理員只能獨自管理兩台設備。
我們進行了整改，根據密煉機的供電電壓、溫度、能量等數據，個性化定製了空轉預警分析報表，並集成到微信平台。當密煉機出現空轉，超時3分鐘及時傳送微信訊息進行預警，設備管理員根據預警及時去處理，避免能源損失，提高設備利用率。
現在我們每個管理員可以獨自管理6台設備，大大提高了管理效率。
定製數據服務場景2：設備OEE綜合分析,完成時間能提前7天
設備管理員每個月都需要對設備做綜合效率分析。
之前採用從系統導出數據，然後Excel手工統計的方式。數據容易出錯，並且重複操作，效率低。
現在基於帆軟平台，開發了月度設備綜合效率分析報表。每月自動微信推送到指定管理員，方便管理員綜合分析。以前等待一周才能開始的月度會議，現在完全可以月初第一天開始，效率的提升不言而喻。
定製數據服務場景3：裁斷班組產能分析，直接節約一個人力！
我們有的分廠，之前沒有接入MES系統。生產產能分析，一般是一個人操作設備，另一個人用Excel記錄數據，然後人工匯總。
現在開發了裁斷班組產能分析報表，集成到微信。兩個人的工作只需要一個人，並且每天不必花費大量時間進行報表製作。班組更換時，班組產能分析報表自動微信發送到相關人員。通過優化配置班組成員，提高產品合格率，提高了生產效率。
定製數據服務場景4：膠料工藝優化分析
在實際生產中，經常有限量或者定量生產計劃。比如膠料生產，以10萬車為一個觸發點。這個觸發點是我們根據以往車次生產參數的綜合分析，計算出某種膠料達到最優品質時，各種生產參數的最佳設定值。有了這個定時推送的微信消息，技術人員在改進工藝時可進行參照，不必脫離崗位去查看MES系統或者列印紙質單據。
定製數據服務場景5：質量趨勢分析，做實時監控和預防
工業生產，特別注重產品批量質量分析。一旦稍有差錯，很容易導致一大批次出現問題，甚至導致整個產品線返工。對客戶、對企業自身造成極大惡劣影響。我們輪胎是如何做質量監控和預防的呢？
首先，我們的設備都大量嵌入晶元，數據實時上傳到我們業務系統；
其次，我們對歷史數據做了分析和經驗總結，制定出檢驗標準：連續3條輪胎質量監測出現問題即為異常；
最後，依託微信數據報表，及時將異常生產數據和異常產品編碼推送到一線生產人員，及時發現問題，及時糾錯，確保產品質量合格，保證連續生產。
輪胎工業大數據分析方向
在工業大數據的一年實踐中，我們也總結了工業大數據分析8大方向，目前我們已經部分完成這些數據採集工作，下一步重點就是數據分析和預測探勘。
1、 品質管理與分析
傳統場景
輪胎製造過程每天都會產生多達幾百萬行品質檢測的記錄數據集。傳統模式下，按部就班地分別計算這些過程能力指數，對各項品質特性一一考核。這種計算過程工作量龐大繁瑣，而且很難從大量的過程能力指數中看出它們之間的關聯性，更難對產品的總體品質性能有一個全面的認識與總結。
大數據場景
大數據對質量進行管理和分析，除了可以快速地得到一個長長的傳統單一指標的過程能力分析報表之外，通過對各類過程能力指數cpk、ppk、cpm等的關聯性分析，還可以從同樣的大數據集中得到很多嶄新的分析結果。
2、零件生命週期預測
傳統場景
根據供應商建議進行定期更換，卻忽略了生產及環境條件對耗損速度的影響，導致以下兩種情況經常發生：一是在太早更換零件，造成不必要的開銷；二是太晚更換零件，導致品質受影響。
大數據場景
根據生產及設備狀態資料、零件資訊，精准預測零件生命週期，在需要更換的最佳時機提出建議，幫助製造企業達到品質與成本的雙贏。
3、設備故障診斷與預測
傳統場景
對於設備故障，無法進行有效的預防，造成設備突發故障事後緊急處理，不但產生在制廢品，而且生產計畫被打亂，增加了生產成本。
大數據場景
對設備進行不間斷的觀察和分析，對設備故障進行有效的事前預測，保證生產過程有序進行，最大程度降低生產成本。
4、生產工藝改進
傳統場景
工藝人員通過自身經驗積累和對生產品質結果對比分析的總結進行改進調整。人工方式難以在較多生產要素之間快速發現關鍵改進方法，不但改進的時間週期較長，而且花費的成本居高不下。
大數據場景
大數據通過對生產現場大量感測器數據採集和計算，分析整個生產流程，快速地發現錯誤或者瓶頸所在，就能更容易解決問題；大數據還可以對產品的生產過程建立虛擬模型，仿真並優化生產流程，這種透明度將有助於輪胎製造企業改進其生產流程。
5、生產計畫排程
傳統場景
面對多品種小批量的生產模式，數據自動及時方便的精細化採集(MES/DCS)及多變性導致數據劇烈增大，再加上十幾年的資訊化的歷史數據，對於需要快速回應的APS來說，難以做到排程的準確性。
大數據場景
大數據服務可以給予我們更詳細的數據資訊，發現歷史預測與實際的偏差概率，考慮產能約束、人員技能約束、物料可用約束、工裝模具約束，通過智能的優化演算法，制定預計劃排產，並監控計畫與現場實際的偏差，動態的調整計畫排產。
6、庫存管理與優化
傳統場景
平衡庫存和滿足消費者個性化需求的矛盾，使企業面臨面臨巨大的庫存壓力。
物料呆滯和物料庫齡長導致庫存周轉率低。
大數據場景
通過大數據服務的應用，能夠幫助分析庫存儲備，指導採購計畫、生產計畫，均衡出入庫，進而幫助解決供需不平衡的矛盾。
通過大數據分析能夠判斷出什麼物料將要呆滯，然後進一步收集資訊幫助企業找到產生呆滯的原因。
7、能源管理與分析
傳統場景
人工記錄或資訊系統採集並進行簡單分析。這種分析方式只是對數據結果進行了統計，不夠深入和全面，容易忽視能源消耗中的異常問題，而且無法提供優化方案。
大數據場景
大數據通過對生產過程中設備感測器的集中監控，能夠發現能耗的異常或峰值情形，由此便可在生產過程中優化能源的消耗，對所有流程進行分析將會大大降低能耗。
8、供應鏈分析和優化
傳統場景
採購、倉儲、配送、銷售等各環節由工作人員自行通過經驗判斷和預測。由於各個環節獨立運行，容易發生重複採購、庫存不准確、配送不及時等問題，導致整個供應鏈體系運轉不流暢，成本增加。
大數據場景
通過大數據提前分析和預測各地商品需求量，從而提高配送和倉儲的效能。RFID產品電子標識技術、物聯網以及移動互聯網技術能幫助輪胎企業獲得完整的產品供應鏈的大數據，利用這些數據進行分析，將帶來倉儲、配送、銷售效率的大幅提升和成本的大幅下降。
結語
工業大數據是需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力的海量、高增長率和多樣化的工業資訊資產。使原本隱性的問題，通過對數據的探勘變得顯性，進而使以往不可見的風險能夠被避免；將大數據與先進的分析工具相結合，實現產品的智能化升級，利用數據探勘生產的資訊為客戶提供全產品生命週期的增值服務；利用數據尋找用戶價值的缺口，開拓新的商業模式等。
本文是崑崙輪胎IT資訊部門邸海生部長，在帆軟大數據巡展的演講。以上是部分成果的展示，如需要詳細資料請聯絡帆軟業務經理：0933-790886 王人賢Brian
喜歡這篇文章嗎？歡迎分享按讚，給予我們支持和鼓勵！
