淺談小規模離散式制造企業的生產數據治理

張 克，李凡營

（中國船舶集團有限公司第七一三研究所, 河南 鄭州 450015）

1 引言

隨著《中國制造2025》的深入推進，企業都在進行著數字化轉型，其中生產信息化系統的更新和升級是企業數字化轉型的基礎，在實現新老系統更替的過程中，小規模離散式制造企業面臨已有數據和新增數據如何重復利用和高效集成等問題，已有數據如何有效地更新到新系統中，新增數據如何在新系統里面直接應用等亟待解決的具體問題已成為數字化轉型中數據治理的主要工作。

2 主要存在的問題

這里面的問題主要存在幾個方面：一是小規模企業在生產信息化中投入的資金有限，無法像投入資金較多的大企業一樣建立生產信息系統的生態數據環境，無法實現對數據的智能化篩選與治理，需要對原有系統數據治理后直接導入新系統進行應用；二是原有系統的數據存在著“數據不純”的現象，主要體現在數據的錯誤信息、數據的一物多碼、數據的分散存儲、數據的重復性較多和數據的分類不規范等問題，需要針對存在的“數據不純”的問題進行“數據凈化”，讓原有的數據經過“凈化”后導入新系統中進行應用；三是離散式加工的企業由于產品是多品種、小批量的生產模式，尤其是軍工企業的試制工廠，其產品的離散度很大，無法像汽車行業一樣實現成組、批量的生產，致使其數據的累計量非常大，而為了保證產品質量的追溯性，其數據又必須延續，如何能夠讓離散度非常大的數據有效管理、高效提取，這也是數據治理的主要工作；四是新系統投入使用如何保持數據的純度，而不出現數字化轉型前系統的問題。這些都是小規模離散型企業在數字化轉型中面臨的數據治理問題。

3 數據治理的幾種模式

目前，主要的數據治理研究有以下幾種：

1）綜合性的數據治理理論模型。文獻[1]主要講了國外的ISACA數據治理模型、HESA數據治理模型、MIS數據治理螺旋模型和IB數據治理簡易模型等四種理論模型，并提出了大數據下構建簡明全面的數據治理模型的意義；該文獻的內容適合大型的組織和機構建立可決策的理論模型，具有廣義性，對于離散加工的小企業實際操作層面直接借鑒的內容有限。

2）數據治理的框架體系構建。文獻[2-3]主要講的是數據治理的框架體系構建，其構建包括技術保障、制度保障、管理保障、組織保障和治理評價等，其論述的是如何搭建數據治理的體系，指導企業在多維度約束下開展數據治理工作，屬于數據治理的頂層規劃；文獻中沒有對小規模離散型企業如何在技術路線上和具體的管理手段上給出細分的指導內容，對實施操作層面的具體參考有限。

3）文獻[4]主要講了數據治理的實現路徑，從組織機構、崗位職責、治理標準、數據控制、數據使用和管理工具等角度論述了企業數據治理的實現路徑，對企業的數據治理具有指導意義，屬于數據治理的實施規劃層面；但對于小規模離散式企業在具體實施過程的詳細做法參考有限。

4）文獻[5-6]主要從物料編碼角度進行企業的數據管理，文獻中給出了具體的編碼規則和分類參考，但對于企業的數據結構如何治理和管理沒有進行說明，可作為數據治理的技術實施層次參考，不能作為企業數據治理的規劃層次指導。

通過上述分析，企業在進行數據治理時應考慮雙重性，既要有規劃層級的頂層設計，又要有操作層面的多維度實施操作內容。尤其是對于小規模離散式制造企業，更應該在規劃層面和操作層面進行研究，找到適合企業自身的數據治理手段。

4 小規模離散式制造企業數據治理的二元模式

針對小規模離散式制造企業在數字化轉型中面臨的資金投入少、舊系統數據不純、產品數據量大和新系統數據純潔度保持等問題，應從規劃和操作兩個層面進行治理，即數據的二元治理模式。數據治理必須要有頂層規劃，頂層規劃應從以下幾個維度進行建立：數據治理團隊組建、數據管理制度制定、數據體系標準建立、數據治理反饋機制、數據的關聯性挖掘策劃和數據的管理系統等。同時，數據治理也要有實施操作層面的技術路線圖，其主要包括：①數據治理團隊中人員要從高管、中層、技術、質量、物料、計劃和運維等崗位中抽調人員，形成從推動到實施，從管理到業務的全方位、全流程的人員保障；②數據管理制度制定要明確業務數據的歸口職責、數據維護的崗位責任和數據的安全性管理要求等幾個維度；③數據體系標準的建立主要包括數據流程的標準、數據編碼的標準，數據流程的標準應從業務的工作流入手，建立數據的標準流程，數據編碼的標準應從物料的分類、部門的分類和業務的分類等建立數據編碼標準；④數據治理反饋機制主要是指數據的反饋、處理閉環管理，對于數據治理中的異常數據和需要修正的數據所采取的數據閉環處理機制；⑤數據的關聯性挖掘主要用于對數據進行分析，包括產品質量信息的分析、生產過程中工序時間的分析和設備的運行數據分析等，通過數據的關聯與分析，發現生產過程中存在的問題，用于提高產品質量，提升生產運營效率；⑥數據的管理系統一般為數字化轉型中所用的新生 產信息系統，這里需要說明的是，如果新的信息系統無法直接處理來自舊系統的數據時，需要單獨開發一個過渡數據處理系統，用于對舊數據進行處理與轉化，用轉換后的數據導入新的信息系統。數據治理的二元模式架構如圖1所示。

圖1 數據治理的二元模式架構圖

5 案例分析

以多品種、小批量生產為主的小規模企業為案例，從數據治理的二元模式的頂層規劃和操作實施兩個層面進行舉例，分別對規劃的流程和操作的內容進行說明。

5.1 數據治理的規劃層面舉例

建立數據治理管理規劃，其規劃的內容包括：由流程標準、編碼標準和制度標準所組成的數據治理標準；組建數據治理團隊，并成立專項治理小組；建立由數據反饋機制、數據挖掘與分析機制和數據轉換過渡機制等所組成的數據治理機制；數據治理的管理系統構建。

建立數據治理實施規劃流程，如圖2所示。

圖2 數據治理實施規劃流程

5.2 數據治理操作層面的團隊組建舉例

團隊組建見表1。

表1 數據治理人員組成表

?

5.3 數據治理操作層面的數據管理制度制定舉例

數據管理制度制定是從業務數據的歸口職責、數據維護的崗位責任和數據的安全性管理要求等維度進行實施。業務數據的歸口職責主要建立數據的歸口分管部門所對應的責任，比如工藝部門負責工藝數據的維護與治理，其信息主要包括工藝選材的正確性、物料BOM的正確性、配額數量的正確性和關鍵件識別的正確性等。數據維護的崗位職責主要是針對歸口部門維護信息的人員進行職責要求，比如：物料管理部門指定一名人員進行信息輸入、輸出維護，其職責保證按約定的數據規則進行數據輸入的正確性，避免重復輸入和編碼錯誤等。數據的安全性管理主要從數據維護角度考慮，保證數據的不丟失、可備份等。

5.4 數據治理操作層面的數據體系建立舉例

數據體系建立主要包括流程體系和編碼體系，流程體系是根據企業業務工作流程而定，是根據數據在業務中的定義而制定的，具有企業的獨特性。編碼體系主要對企業部門、業務和物料等進行分類定義，既具有普遍性，又具有獨特性。本節重點以物料編碼進行舉例，可作為物料編碼的參考。

（1）物料編碼的原則

編碼的原則：統一性（全廠使用，規則不能變更）、唯一性（一物一碼）、適用性（簡單適中）、可擴展性（預留新的物料增加）和規范性（編碼的結構、格式和含義應統一）。同一物料通過該編碼在工藝、采購、生產、檢驗、交付和財務等各環節進行信息化管理。

增強物料數據的正確性，物料的領發、驗收、盤點和存儲等均有物料編碼可以查詢；提高物料管理的效率，物料代替文字便于管理。

（2）物料編碼的舉例

物料編碼一般有類別碼和流水碼兩種，類別碼比較適合類型數據較少的情況，類別碼也叫有意義碼，如果物料數目不多，建議采用有意義編碼，方便非專業人員的識別與讀取。流水碼比較適合數據規模較大的企業，流水碼又叫無意義碼，如果物料數目非常多，有意義編碼就不太適用，原因是無法記憶數量比較多的含義，編碼也比較亂，建議采用無意義編碼。根據小規模離散式企業的特點，采用“類別碼+流水碼”相結合的混合編碼方式，這樣既可以很容易識別大類，又不用顧慮細分類數量較多時不易識別的問題，編碼長度10～15位為宜。物料編碼一般先分大類，見表2，本節以原材料編碼和零件編碼進行說明。

1）原材料編碼。通常在對物料進行編碼時，會按大類-中類-小類-流水號的形式進行編碼，例如：大類（Y）+中類（棒料/板料/型材等）+小類（牌號）+小類（規格）+流水碼。

比如：3Cr13材料，棒料直徑25，其編碼規則為：YB3Cr13-025-01。

Y表示原材料，B表示板材，見表3，流水碼主要對其材料的標準或者狀態進行約束，其標準或狀態可以是國標、國軍標或者熱處理供貨狀態等。

表2 常用物料分類與代碼

?

表3 常用原材料分類與代碼

?

2）零件編碼。零件編碼采用的格式為：大類（零件L）+中類（產品編碼）+小類（部件編碼）+流水碼+工藝版本碼。

例如：某花鍵軸其產品編碼為B002，部件編碼為01，工藝版本號為A版本，則對應編碼為：LB002-01-001-A，其中001為流水碼。

零件編碼在實際應用時應根據不同企業的特點進行定制開發，因為產品圖樣中有借用件，也有無圖件等情況，其產品編碼需要提前約定對應關系。

5.5 數據治理操作層面的反饋機制舉例

反饋機制主要對異常數據進行閉環處理，是以異常數據為導向，分析和處理異常數據，并對修正的數據進行更新，異常數據來源主要有從生產過程中發現的異常信息、數據維護人員動態檢查出的異常信息和系統自測中出現的異常信息等。反饋機制的工作流程是：數據異常-原因分析-糾正措施-審核修正-完善標準-培訓貫徹。

5.6 數據治理操作層面的關聯數據挖掘舉例

對數據的關聯挖掘是提高數據有效利用的主要手段，在數據治理過程中需要對不同數據進行組表形成數據的分析內容，找出生產過程中存在的問題，以提高生產效率。如：對質量數據的組表分析，以存在質量問題的零件數據為主數據，與其相關的人員、工時、工序開始時間、工序結束時間、設備和材料等進行組表后，可以發現影響零件質量的因素占比，根據占比分布規律找到問題的解決方法，以達到降本增效的目的。

6 結束語

對已有數據和新增數據的治理采用頂層規劃和可實施操作的具體技術內容相結合的二元模式，可以充分地利用現有資源，減少數據治理成本，提高數據治理效率。該方法可以作為企業數據治理的參考，尤其是小規模離散制造企業在進行數字化轉型中具有參考意義。