基于數據驅動的生產管理方法的創新及應用

邢田　黎珍　唐柏成

摘 要：生產管理是企業獲得高效益的關鍵環節。該文提出了創新型的數據驅動的生產管理方法，在某發動機廠生產管理系統中應用了該方法進行生產管理，應用表明可大幅度提高生產信息的傳遞效率，以及數據分析到決策之間的效率，從而減少了人為管理成本，提高了該企業的生產效益。

關鍵詞：數據驅動 創新 效率

Innovation and Application of Production Management Method Based on Data Drive

Xing Tian，Li Zhen，Tang Baicheng

Abstract：Production management is the key link for enterprises to obtain high benefits. This article proposes an innovative data-driven production management method， which is applied to the production management system of an engine factory for production management. The application shows that the transmission efficiency of production information can be greatly improved， as well as the efficiency of the data analysis of decision-making， thereby reducing human management costs and improving the production efficiency of the enterprise.

Key words：data-driven， innovation， efficiency

1 引言

面對當今企業發展急切的需求，國內外曾出現了許多先進的生產管理方法[1]。這些先進制造技術和生產管理模式應用到各個制造企業后，為企業創造了可觀的經濟效益、強大的競爭力和持續發展的動力，隨著形勢的發展和市場的變化，高柔性、小批量、多品種的生產模式成了適應市場迅速需求的最低成本的方法，因此提升生產運行管理效率，推進實施發動機工廠以數據驅動的生產管理方法，精準助力高柔性、小批量、多品種的生產模式，成了企業的重中之重。

2 全新數字驅動管理模式的特點

隨著大數據、物聯網等新一輪科技革命蓬勃興起，數字化技術正對傳統企業管理模式帶來革命性的沖擊。物聯網以指數方式增加了數據源的數量及數據的3V（量、速、樣）[2]。大數據的運用讓諸多行業及應用領域的決策過程變得更快更好[3]。

從傳統的人工計算及離散型數據存儲轉變為全新的數字驅動管理模式，通過數據連接、洞察、決策三個環節，以核心業務指標為導向，逐步完善數據流，達成核心業務指標動態可視化呈現，達到生產運營智能決策的管理目標。

3 基于數據采集集成平臺的生產管理辦法實現

通過搭建統一的數據庫平臺框架，將散落在個人電腦、公網、不同管理平臺的數據整合為統一平臺，將信息操作通道簡化為自動數據采集通道及手動數據采集通道，將數據存儲到發動機工廠數據中心數據庫中。

數據庫中心的數據架構采用一主多從結構，該結構具有可拓展性好、數據庫容量可利用率高的特點。

（1）打破多種設備數據通信協議，開發首個兼容多種設備的數據采集軟件。通過研究生產線多種設備數據存儲方式及信息協議，統一開發數據采集軟件，從設備上采集到的相關信號信息存儲到數據云端。

對每個工位的信號源、數據進行整理，確定信息采集末端的有可能及需要收集數據內容，針對內容逐一實現硬件和采集軟件的添加，實現數據源的采集和部署。

（2）建立移動終端APP和現場生產系統的全新鏈路為了讓現場的數據采集的數據得以快速的在移動客戶端呈現，數字化小組基于工業OPC協議開辟一個使用內部局域網的APP的數據采集和呈現終端。

采用雙邏輯服務器，建立虛擬服務器和數據庫，通過虛擬數據庫和服務器，打通數字APP store上架權限，通過內網訪問真實的服務器和數據庫，保障生產數據信息保密。

（3）自主拓展新型數據采集方式結合現場的管理流程需求，開發如變化點管理、質量測量報警、質量門報警等應用程序，通過部署新的數據采集器、新的程序，同步存儲到數據中心，與制造過程分析相結合，讓數據傳遞和分析更快捷迅速。

4 面向某動力總成廠生產管理方法的應用

將自動采集或者歷史的信息應用到數據運算和建模中，使數據呈現更加的人性化，IT和OT結合讓數字決策更迅速。依托于智能制造設備技術、模擬數字仿真技術、5G技術等，實現智能化開發、數字模擬、智能化運營，達到智能決策的目的。

4.1 節拍管理

采集現有的設備信息案例如下，如工位節拍數據分析案例，首先通過節拍信號采集，之后通過邊緣計算將節拍數據清洗和過濾，將節拍信息存儲在數據數據庫中，統一用數據運算和調用規則，將數據分析可視化，達到數據應用的主要目的。

4.2 瓶頸管理

通過采用邊緣計算和建立數學模型的方式，達成自動瓶頸數據分析、損失分析等數據自動分析的目的，實現瓶頸快速識別和行動決策。

4.3 備品備件管理分析及效果

備件庫共有接近一萬種備件，備件價值在四千萬人民幣，備件的采購量和庫存量都會影響整個工廠的備件運行成本。已知過去備件的歷史消耗數據有將近64萬條數據。通過數據建模，引入備件消耗模擬數學模型。基于gm（0，1）的馬爾科夫的灰度預測方法，算法如下。

基于以往消耗數據備品備件消耗建模，發現采購書簡和數量均有收斂，可為精益化采購時間和數量提供準確的依據，實現備件數據的再利用。

4.4 質量數據表現管理

通過對現場PLC的信號進行梳理和標準化，通過這些信號重新命名和地定義，通過數據查詢、邏輯運算、實時呈現出各個自動檢測工位的檢測合格率數據，通過動態數據分布，實時分析測試過程的表現情況。

基于實時監控生產線各工位質量表現，通過自動數據分析，實現自動預警和報警功能，達到實時處理現場質量，從而通過數據實現生產線質量提升。

5 展望

目前某汽車動力總成廠已實現對核心業務指標部署了數據采集硬件和軟件，能源、效率、備件等數據應用及挖掘也在逐步開展，呈現的數學建模的結果將為數字化運營帶來更高的效益。

參考文獻：

[1]Robert Lorin Cook，Robert ATogowski. Applying JIT Principles toContinuous Process Manufacturing Supply Chains[J].Production andInventory Management Journal-First Quarter，1996，23（6）：12-16

[2]塞繆爾·格林加德.物聯網[M].北京：中信出版社，2016.

[3]藤原洋，李斌瑛.第四次工業革命[M]. 北京：東方出版社，2015.