邢田　黎珍　唐柏成

摘 要：生產(chǎn)管理是企業(yè)獲得高效益的關(guān)鍵環(huán)節(jié)。該文提出了創(chuàng)新型的數(shù)據(jù)驅(qū)動(dòng)的生產(chǎn)管理方法，在某發(fā)動(dòng)機(jī)廠生產(chǎn)管理系統(tǒng)中應(yīng)用了該方法進(jìn)行生產(chǎn)管理，應(yīng)用表明可大幅度提高生產(chǎn)信息的傳遞效率，以及數(shù)據(jù)分析到?jīng)Q策之間的效率，從而減少了人為管理成本，提高了該企業(yè)的生產(chǎn)效益。

關(guān)鍵詞：數(shù)據(jù)驅(qū)動(dòng) 創(chuàng)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(duì)當(dāng)今企業(yè)發(fā)展急切的需求，國(guó)內(nèi)外曾出現(xiàn)了許多先進(jìn)的生產(chǎn)管理方法[1]。這些先進(jìn)制造技術(shù)和生產(chǎn)管理模式應(yīng)用到各個(gè)制造企業(yè)后，為企業(yè)創(chuàng)造了可觀的經(jīng)濟(jì)效益、強(qiáng)大的競(jìng)爭(zhēng)力和持續(xù)發(fā)展的動(dòng)力，隨著形勢(shì)的發(fā)展和市場(chǎng)的變化，高柔性、小批量、多品種的生產(chǎn)模式成了適應(yīng)市場(chǎng)迅速需求的最低成本的方法，因此提升生產(chǎn)運(yùn)行管理效率，推進(jìn)實(shí)施發(fā)動(dòng)機(jī)工廠以數(shù)據(jù)驅(qū)動(dòng)的生產(chǎn)管理方法，精準(zhǔn)助力高柔性、小批量、多品種的生產(chǎn)模式，成了企業(yè)的重中之重。

2 全新數(shù)字驅(qū)動(dòng)管理模式的特點(diǎn)

隨著大數(shù)據(jù)、物聯(lián)網(wǎng)等新一輪科技革命蓬勃興起，數(shù)字化技術(shù)正對(duì)傳統(tǒng)企業(yè)管理模式帶來(lái)革命性的沖擊。物聯(lián)網(wǎng)以指數(shù)方式增加了數(shù)據(jù)源的數(shù)量及數(shù)據(jù)的3V（量、速、樣）[2]。大數(shù)據(jù)的運(yùn)用讓諸多行業(yè)及應(yīng)用領(lǐng)域的決策過程變得更快更好[3]。

從傳統(tǒng)的人工計(jì)算及離散型數(shù)據(jù)存儲(chǔ)轉(zhuǎn)變?yōu)槿碌臄?shù)字驅(qū)動(dòng)管理模式，通過數(shù)據(jù)連接、洞察、決策三個(gè)環(huán)節(jié)，以核心業(yè)務(wù)指標(biāo)為導(dǎo)向，逐步完善數(shù)據(jù)流，達(dá)成核心業(yè)務(wù)指標(biāo)動(dòng)態(tài)可視化呈現(xiàn)，達(dá)到生產(chǎn)運(yùn)營(yíng)智能決策的管理目標(biāo)。

3 基于數(shù)據(jù)采集集成平臺(tái)的生產(chǎn)管理辦法實(shí)現(xiàn)

通過搭建統(tǒng)一的數(shù)據(jù)庫(kù)平臺(tái)框架，將散落在個(gè)人電腦、公網(wǎng)、不同管理平臺(tái)的數(shù)據(jù)整合為統(tǒng)一平臺(tái)，將信息操作通道簡(jiǎn)化為自動(dòng)數(shù)據(jù)采集通道及手動(dòng)數(shù)據(jù)采集通道，將數(shù)據(jù)存儲(chǔ)到發(fā)動(dòng)機(jī)工廠數(shù)據(jù)中心數(shù)據(jù)庫(kù)中。

數(shù)據(jù)庫(kù)中心的數(shù)據(jù)架構(gòu)采用一主多從結(jié)構(gòu)，該結(jié)構(gòu)具有可拓展性好、數(shù)據(jù)庫(kù)容量可利用率高的特點(diǎn)。

（1）打破多種設(shè)備數(shù)據(jù)通信協(xié)議，開發(fā)首個(gè)兼容多種設(shè)備的數(shù)據(jù)采集軟件。通過研究生產(chǎn)線多種設(shè)備數(shù)據(jù)存儲(chǔ)方式及信息協(xié)議，統(tǒng)一開發(fā)數(shù)據(jù)采集軟件，從設(shè)備上采集到的相關(guān)信號(hào)信息存儲(chǔ)到數(shù)據(jù)云端。

對(duì)每個(gè)工位的信號(hào)源、數(shù)據(jù)進(jìn)行整理，確定信息采集末端的有可能及需要收集數(shù)據(jù)內(nèi)容，針對(duì)內(nèi)容逐一實(shí)現(xiàn)硬件和采集軟件的添加，實(shí)現(xiàn)數(shù)據(jù)源的采集和部署。

（2）建立移動(dòng)終端APP和現(xiàn)場(chǎng)生產(chǎn)系統(tǒng)的全新鏈路為了讓現(xiàn)場(chǎng)的數(shù)據(jù)采集的數(shù)據(jù)得以快速的在移動(dòng)客戶端呈現(xiàn)，數(shù)字化小組基于工業(yè)OPC協(xié)議開辟一個(gè)使用內(nèi)部局域網(wǎng)的APP的數(shù)據(jù)采集和呈現(xiàn)終端。

采用雙邏輯服務(wù)器，建立虛擬服務(wù)器和數(shù)據(jù)庫(kù)，通過虛擬數(shù)據(jù)庫(kù)和服務(wù)器，打通數(shù)字APP store上架權(quán)限，通過內(nèi)網(wǎng)訪問真實(shí)的服務(wù)器和數(shù)據(jù)庫(kù)，保障生產(chǎn)數(shù)據(jù)信息保密。

（3）自主拓展新型數(shù)據(jù)采集方式結(jié)合現(xiàn)場(chǎng)的管理流程需求，開發(fā)如變化點(diǎn)管理、質(zhì)量測(cè)量報(bào)警、質(zhì)量門報(bào)警等應(yīng)用程序，通過部署新的數(shù)據(jù)采集器、新的程序，同步存儲(chǔ)到數(shù)據(jù)中心，與制造過程分析相結(jié)合，讓數(shù)據(jù)傳遞和分析更快捷迅速。

4 面向某動(dòng)力總成廠生產(chǎn)管理方法的應(yīng)用

將自動(dòng)采集或者歷史的信息應(yīng)用到數(shù)據(jù)運(yùn)算和建模中，使數(shù)據(jù)呈現(xiàn)更加的人性化，IT和OT結(jié)合讓數(shù)字決策更迅速。依托于智能制造設(shè)備技術(shù)、模擬數(shù)字仿真技術(shù)、5G技術(shù)等，實(shí)現(xiàn)智能化開發(fā)、數(shù)字模擬、智能化運(yùn)營(yíng)，達(dá)到智能決策的目的。

4.1 節(jié)拍管理

采集現(xiàn)有的設(shè)備信息案例如下，如工位節(jié)拍數(shù)據(jù)分析案例，首先通過節(jié)拍信號(hào)采集，之后通過邊緣計(jì)算將節(jié)拍數(shù)據(jù)清洗和過濾，將節(jié)拍信息存儲(chǔ)在數(shù)據(jù)數(shù)據(jù)庫(kù)中，統(tǒng)一用數(shù)據(jù)運(yùn)算和調(diào)用規(guī)則，將數(shù)據(jù)分析可視化，達(dá)到數(shù)據(jù)應(yīng)用的主要目的。

4.2 瓶頸管理

通過采用邊緣計(jì)算和建立數(shù)學(xué)模型的方式，達(dá)成自動(dòng)瓶頸數(shù)據(jù)分析、損失分析等數(shù)據(jù)自動(dòng)分析的目的，實(shí)現(xiàn)瓶頸快速識(shí)別和行動(dòng)決策。

4.3 備品備件管理分析及效果

備件庫(kù)共有接近一萬(wàn)種備件，備件價(jià)值在四千萬(wàn)人民幣，備件的采購(gòu)量和庫(kù)存量都會(huì)影響整個(gè)工廠的備件運(yùn)行成本。已知過去備件的歷史消耗數(shù)據(jù)有將近64萬(wàn)條數(shù)據(jù)。通過數(shù)據(jù)建模，引入備件消耗模擬數(shù)學(xué)模型。基于gm（0，1）的馬爾科夫的灰度預(yù)測(cè)方法，算法如下。

基于以往消耗數(shù)據(jù)備品備件消耗建模，發(fā)現(xiàn)采購(gòu)書簡(jiǎn)和數(shù)量均有收斂，可為精益化采購(gòu)時(shí)間和數(shù)量提供準(zhǔn)確的依據(jù)，實(shí)現(xiàn)備件數(shù)據(jù)的再利用。

4.4 質(zhì)量數(shù)據(jù)表現(xiàn)管理

通過對(duì)現(xiàn)場(chǎng)PLC的信號(hào)進(jìn)行梳理和標(biāo)準(zhǔn)化，通過這些信號(hào)重新命名和地定義，通過數(shù)據(jù)查詢、邏輯運(yùn)算、實(shí)時(shí)呈現(xiàn)出各個(gè)自動(dòng)檢測(cè)工位的檢測(cè)合格率數(shù)據(jù)，通過動(dòng)態(tài)數(shù)據(jù)分布，實(shí)時(shí)分析測(cè)試過程的表現(xiàn)情況。

基于實(shí)時(shí)監(jiān)控生產(chǎn)線各工位質(zhì)量表現(xiàn)，通過自動(dòng)數(shù)據(jù)分析，實(shí)現(xiàn)自動(dòng)預(yù)警和報(bào)警功能，達(dá)到實(shí)時(shí)處理現(xiàn)場(chǎng)質(zhì)量，從而通過數(shù)據(jù)實(shí)現(xiàn)生產(chǎn)線質(zhì)量提升。

5 展望

目前某汽車動(dòng)力總成廠已實(shí)現(xiàn)對(duì)核心業(yè)務(wù)指標(biāo)部署了數(shù)據(jù)采集硬件和軟件，能源、效率、備件等數(shù)據(jù)應(yīng)用及挖掘也在逐步開展，呈現(xiàn)的數(shù)學(xué)建模的結(jié)果將為數(shù)字化運(yùn)營(yíng)帶來(lái)更高的效益。

參考文獻(xiàn)：

[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(lián)網(wǎng)[M].北京：中信出版社，2016.

[3]藤原洋，李斌瑛.第四次工業(yè)革命[M]. 北京：東方出版社，2015.