大數據在數字化工廠中的應用

宋云鵬，孫海龍，焦 潔，李 婕 SONG Yunpeng,SUN Hailong,JIAO Jie,LI Jie

（1.中國原子能科學研究院，北京 102413；2.北京機械工業自動化研究所有限公司，北京 100120；3.浙江科技學院，浙江杭州 310013）

目前，全球市場競爭愈發激烈，各行各業都在追求高效益、高質量、低生產成本和低資源消耗，這也促使制造行業不得不優化生產的各個環節，以達到提升自己的目的。隨著制造技術的不斷發展，生產過程正逐步向智能化、透明化和全局化的方向發展，進而引起了新一輪的技術變革，即以高端智能和綠色制造為主的智慧制造，全球各國尤其是制造業大國對此都十分重視[1]。

過去，中國的局面多以發達國家的拉動作為增長引擎，隨著持續上升的要素成本和不斷弱化的傳統比較優勢，該局面已經發生了變化。中國制造業正面臨巨大的轉變，即從傳統的勞動密集型模式轉變為高科技水平模式。對此中國政府提出了以工業信息化為主要任務的“中國制造2025規劃”，該規劃旨在將全新的信息技術與工業制造和生產性服務業進行融合，推動此類行業的創新發展，從而提升中國制造的整體水平。

1 大數據的定義

大數據自提出起就引得廣泛關注，被世界經濟論壇認定為價值堪比石油的新財富[2]，其沒有具體的定義，大數據是個相對的概念，目前對它的定義都來源于對其定性的描述。維基百科中指出：大數據是指用現有的數據庫管理工具或傳統的數據處理應用程序難以處理的龐大而復雜的數據集；2011年，國際數據中心IDC對大數據進行了定義：大數據技術指通過從海量的信息中快速發現、迅速提取和高效分析從而得出有價值的信息數據，它開創了數據技術的新時代[3-4]；管理咨詢公司McKinsey將大數據描述為數據規模大且用傳統數據庫管理軟件已不能獲取、存儲、管理以及分析的數據集。

以上是從不同角度、側重點來定義大數據的，但是他們都傳達了同樣的信息，就是大數據本身是一種數據集。并且可以依據不同的需求，大數據的時間處理范圍也會適當的改變，最重要的一點是大數據的價值在于對數據進行專業化處理，深度挖掘其中的含義，而不是數據本身。

2 大數據應用的目的及意義

工業行業和學術界對傳統信息數據的認識由于大數據時代的來臨而發生了轉變，從而導致了數據挖掘技術、數據采集技術、數據分析技術和數據存儲技術的巨大變化。例如，在大數據的驅使下，衍生出了大規模存儲設備的研制，新型數據庫的開發，云存儲服務等新興技術，由于這些新興技術的發展，大數據所帶來的價值能夠更快速有效地被挖掘出來。與此同時，大數據及其衍生出來的相關技術能夠在一定程度上改變人類生產以及生活方式。由此可見，在大數據技術的背景下，有效地運用大數據及其相關技術，努力抓住其中的機遇，并在未來市場以及科技的競爭中充分發揮大數據的優勢，才能立足于科技潮流之中[5]。

3 數字化工廠概念

數字化工廠是指一種全新的生產制造組織方式，該方式通過采集產品整個生命周期的相關數據，基于這些數據對生產的整個過程實施虛擬仿真、評估和優化，并拓展到整個產品生命周期中。數字化工廠將計算機模擬仿真技術與現代數字制造技術融合，并保留這兩者中的優勢特點[6]。它的出現給基礎制造業帶來了希望，它主要起到了橋梁的作用，溝通了產品設計和產品制造之間的聯系。數字化工廠的出現使得國內外學者對其發展研究日益增多，綜其研究可以發現，人們對數字化工廠具體定義尚未達成一致意見。目前廣泛認可的定義有兩種——廣義數字化工廠和狹義數字化工廠[7]。

3.1 廣義數字化工廠

廣義定義的數字化工廠具體是指以提供服務和生產產品的企業為核心，將生產與經營過程中所有有聯系的部分的信息數字化，其中包括核心制造企業、軟件系統服務商合作伙伴、供應商、協作廠商、分銷商、客戶、銀行等[8]。

3.2 狹義數字化工廠

狹義定義的數字化工廠具體是指以生產操作、制造資源以及產品為中心，根據產品整個生命周期中采集到的數據，通過仿真、虛擬現實、實驗驗證等技術，模擬產品在生產過程中的所有真實活動，并利用仿真、試驗、分析、優化等技術對產品生產中的加工和裝配過程進行模擬，是一種集成組織方式[9]。數字化工廠將資源物料信息數字化、產品信息數字化和過程信息數字化三者有效地加以融合，虛擬仿真真實工廠的制造過程（包括設計、性能分析、工藝規劃、加工制造、質量檢測、生產過程管理和控制等）[10]。

4 大數據在數字化工廠中的應用

數字工廠是在物理工廠的基礎上，采用先進的信息化技術，虛擬仿真真實工廠，實現對產品設計、生產、物流、質量管理、財務管理和供應鏈管理等各個階段的規劃、管理、診斷和優化，以求提高產品質量、降低各環節成本、提高工作效率[11]。

4.1 大數據在產品設計中的應用

因為大數據時代的到來，產品設計思維需要發生轉變，設計師應當以樹立正確的大數據意識為基礎，通過在產品設計中運用大數據，了解數據對產品設計的重要性，從而能夠指引設計師作出正確的決策， 最大限度地發揮大數據的價值。廣東尚品宅配家具有限公司在家具設計方面可以作為參考案例。 尚品宅配合理的運用了大數據技術，設計師可以通過大數據更加了解消費者，從而提供更加合理的服務，采用實體店和網店相結合的方式讓消費者體驗產品，接著設計師通過對消費者的分析引導，幫助其更快地進行購買。通過大數據的平臺，生產部門可根據設計師提供的訂單信息安排生產，從而合理有序地進行生產，該公司將產品設計和大數據技術進行了完美的結合。此案例說明了像門店與實體店相結合的顧客體驗服務的設計思維，在大數據背景下家具設計創新的重要性，信息化技術指導產品設計時，通過大數據平臺上的消費者信息資源獲取消費者的投入和貢獻是完成產品開發的重要手段。在產品開發完成投入市場后，設計師可以運用大數據技術進行產品的售后跟蹤服務，以達到不斷完善產品設計的目的[12]。

4.2 大數據在生產領域的應用

相比于傳統生產，大數據應用的最突出優勢是高質量和低成本，下面以聚類模型與異常點分析為例，在產品故障分析方面，上海某大型印刷企業根據不同批次的產品質量數據建立產品批次數據庫，進而通過聚類算法挑選出產品合格率低的批次數據，因生產環境大多是多道工序、多臺機器相結合，所以根據“加工路徑分析法”找到可能存在故障的機器設備，最后通過實驗驗證對產品生產工藝技術參數進行調整，使產品的質量得以提高。

另外一個降低產品制造成本的實例是IBMSPSS開發出的“預測性維護”的數據挖掘模塊，工廠按照“定時維護”的原則對工廠的設備實施維護，即根據制定好的設備維護計劃，按照計劃上的時間點對機器設備進行維護，不考慮設備的實際運行狀況。該模塊通過采集相關設備各項基本數據（距離上次服務的天數、設備類型、工作電壓和運行天數等），進行相關的數據分析，根據分析結果提出維護設備的最佳建議。部分生產型企業已經通過“預測性維護”模塊，實現了低生產、維護成本[13]。

4.3 大數據在物流領域的應用

目前，在物流領域也越來越多的應用大數據模型和算法，上海某大型印刷企業通過數據挖掘與分析技術對物流成本進行分析，緩解了物流成本高的現狀。該企業將過去幾年的物流成本進行了匯總，其中包括了庫存、包裝、運輸和裝卸四大類，通過回歸分析等相關手段對物流成本數據進行分析，從而得出結果，再根據結果分析的圖表，可以充分了解到各類物流成本所占的比例，能夠一目了然地知道壓縮物流成本的關鍵，所以在解決物流成本高的問題上，數據分析扮演了非常重要的角色。

在物流行業，對RFID技術的研究從未停過，RFID的應用在物流行業也很普遍。RFID技術是指在某種電子標簽中寫進特殊的信息編碼，將該標簽粘貼在需要識別的物體上后，通過無線射頻的方式對電子標簽實現一邊識別一邊交換數據的非接觸雙向通信。根據由RFID技術獲得的產品實時信息（包括何時、經過何地等）決策者能夠及時處理和判斷各類問題，最終提高商品的物流與營銷效率[13]。

4.4 大數據在質量監督中的應用

大數據在質量監督中的應用分別體現在質量信息監督、質量管理體系監督和實物質量監督。質量監督工作以質量信息監督作為前提，在質量信息監督中運用大數據，通過大數據技術將質量信息形成具有鮮明特征的圖表，從而工作人員可以方便而綜合性地整理和分析產品的相關質量，也為后續的驗證環節提供了便利。制定適合企業的質量管理體系對企業實施實物質量監督至關重要。將質量管理體系納入具有多種先進的質量管理信息資源大數據系統中，再借助網絡技術，經過比較分析能夠檢驗現在實施的質量管理體系是否可行、科學。經過大數據系統的分析可以發現現有體系中薄弱的環節，借鑒合適的質量管理體系數據，從而建立科學的質量管理體系。與此同時，企業可以根據大數據平臺上的信息資源，通過圖表的分析，能夠快速掌握并修改質量管理體系中的不足，把握其正確的發展方向，最終可以建立順應時代發展的質量管理體系。大數據在具體的實物質量監督中，能夠通過排列圖、直方圖等各類有效圖表直觀地了解到產品的相關質量信息，包括產品的生產過程中的各種數據（不合格率、入場復驗合格率、外場故障率等），整理分析上述數據可以有效驗證實物產品的質量是否符合相關規定。質監部門通過大數據能夠實時監管實物產品的質量信息和發展趨勢，對存在的問題適時調整戰略規劃，改進生產技術，督促相關生產部門進行糾正與預防，讓企業持續健康地改進產品質量。

最后，質量監督是一項多重工作程序相輔相成的工作，將大數據技術應用于生產、監督、管理的各個環節，可以保證整個監督過程可以動態的展現出來，質監部門和監督人員可通過大數據平臺實現對監督程序的動態信息把握。所以，將大數據納入到質量監督的全過程中是必要的[14]。

4.5 大數據在企業財務管理中的應用

大數據在企業財務管理中的應用一方面體現在利用大數據處理技術實現企業戰略環境的創新上。作為企業財務管理中必要的技術應用手段之一，大數據處理技術在財務執行效率提升方面有著極其重要的作用。財務管理人員根據自身采集的數據結果，設定更加精細的財務管理方案，更好地規劃企業經濟未來的發展策略。將大數據信息技術應用于各項管理方案和管理措施中，可以更好地滿足社會成員提出的高端執行效率的認知訴求，保障財務管理工作有秩序的執行與發展。另一方面體現在優化財務管理方案，提升風險預估能力上。在大數據信息處理技術應用于財務管理的基礎上，財務人員可以以宏觀發展的認知視角，及時全面地掌握企業內部的工作環境、資金儲備能力以及融資實踐性的管理規模等。財務人員可以通過應用大數據信息報表當中的風險預估功能，及時地從企業經濟數額流轉參數的發展近況中找到財務實踐性管理工作開設的過程中存在的不足[15]。

4.6 數據分析在供應鏈管理中的應用

大數據分析應用在供應鏈管理中一個成功案例，其系統化框架的內容在結合大數據和數據分析技術后可以概括為以下三個步驟：第一步，將大數據應用于供應鏈管理后，可以建立較為準確完善的供應鏈分區，再利用大數據分析技術精確地為每個分區制定優先發展要項。第二步，大數據將企業內所有的業務職能進行整合，將競爭要項時刻保持在競爭優勢的狀態，利用大數據分析技術支持供應鏈分區中的競爭要項， 使企業的數據集中，防止目標不明確或迷失發展方向。第三步，企業在對市場績效和產品的評估過程中采用關鍵績效指標或市場普遍認同的聯合策略模型。在這個過程，模型應用要不斷地優化，在供應鏈分區之間的競爭要項中可以建立一種反饋機制，以供企業持續監控[16]。

4.7 生命周期大數據驅動的復雜產品智能制造服務新模式

為了實現各生命周期階段生產與管理的優態運行與智能決策，任彬提出了一種生命周期大數據驅動的復雜產品智能制造服務體系構架，該體系架構主要由生命周期大數據、大數據處理、存儲與管理、分析和應用服務五部分構成。

這種生命周期大數據驅動的復雜產品智能制造服務新模式是指在傳統的PLM過程中引入物聯網、大數據等智能信息技術，實現生命周期各階段數據的相互聯系； 在此基礎上利用大數據處理、存儲、分析等技術，對產品全生命周期多階段、多學科、多類型數據進行優化管理、實時共享和知識發現；最終通過各階段數據與知識的集成創新，提高數據的分析與應用能力，構建從制造到運維動態數據驅動的閉環設計模式，推動運維服務由被動向主動轉變，促進制造企業向服務型制造轉型。

在此新模式下的制造服務主要通過以下兩個方面實現：一是從作業方式上。通過在產品各生命周期階段的運營和決策過程中集成并應用先進的ICT與數據分析技術，實現一種數據驅動的產品全生命周期業務過程的泛在互聯、動態聯動與協同優化模式，并通過大數據挖掘與分析技術對服務價值鏈上用戶需求進行高效與準確挖掘，實現個性化生產和服務。二是從運作模式上。在產品的設計、制造、運行維護服務過程中，產品生命周期各階段的利益相關者主動參與，在整個過程中進行動態協作，從而實現資源的優化配置，并且能夠完成為各利益相關者提供生產性服務和服務性生產的目標，在滿足用戶需求的同時，協同創造價值[17]。

5 結束語

隨著大數據時代的到來，大數據技術在各個行業的應用也越發廣泛，雖然制造業相比較于金融、通訊等行業來說還處于起步階段，但是這也預示著在制造業的很多方面都可以應用大數據。本文主要討論了大數據在數字化工廠的產品設計、生產領域、物流領域、質量管理、財務管理和供應鏈管理中的應用。基于在大數據在這些方面的應用，數字化工廠可以有效地推進企業的生產、提高產品質量、降低生產與物流成本，提高物流與營銷效率，優化財務管理方案，提升風險預估能力。