制造型企业应如何开展生产现场数据分析

2021-01-14 00:00:00 数据 分析 企业 生产 大数

2020/11/30    来源:e-works    作者:e-works  梁曦      
关键字:BI  生产现场数据分析  大数据   

制造企业正面临着提升竞争力以及转型的严峻挑战。随着智能制造成为了企业大力推进的重点,在企业面对扩大再生产的需求和设备升级的契机,企业亟需实现信息化和智能化的深度融合,提升企业在质量管控、工艺提升、服务升级等方面的管理和决策能力。

    随着大数据技术逐渐成为工业4.0的标配技术之一,生产制造型企业基于数据的生产和管理需求越来越高。基于物联网技术的数据采集和控制模块的广泛应用以及企业在信息化方面的大量投入,企业在变革和提升企业管理模式和手段的同时,已积累了大量的数据,形成了极为庞大的数据源。传统数据库技术对这种大规模的数据的存储、管理及分析能力显得捉襟见肘。而利用大数据技术,可以给企业提供高效的数据分析能力,提高质量管控、工艺提升、服务升级等方面的管理和决策能力。在大数据时代,如何对有用的数据进行挖掘、发现重要的知识和提取有用的信息已成为企业面临的关键点。

企业生产现场数据分析的重要性

 

拥抱大数据技术,迈向智能制造

    对于制造企业来说,由于数据海量且分散,具备复杂的关联性,来源广泛,而制造企业多数采用传统的数据库管理模式,操作人员只能对系统功能框架内的数据进行观察,无法通过利用集群进行性能提升和数据处理。仅仅凭借统的方法与技术,已经无法满足企业处理海量大数据及改进生产的需求。因此,在研发、生产等多个环节,引入大数据技术,构建工业大数据分析平台已成为制造企业转型升级的具体方向。以制造企业原有的数据资源为基础,搭建分大数据分析平台,针对供应链信息、生产制造过程数据建立完备的模型,结合生产制造工艺理论知识深入挖掘、分析,将为企业生产发展的各方面提供科学、准确的决策指导。

    可以看到,对于存在一定量的数据积累但是无法有效利用企业生产过程数据获取有效价值的企业,以及亟需提高数据分析效率,从数据中洞察更多有用信息,进而利用分析结果指导生产和改进工艺的企业来说,虽然对展开大数据分析需求迫切,但从何入手仍是迷茫的地方所在。

    在生产制造方面,不少企业的生产工艺经过多年发展已经趋于稳定。但是在制造企业的实际生产流程中,在零件、人员、工具上往往存在许多无法量化、无法预测的不确定性,如加工过程中零件的磨损、衰退引起的设备故障,不同批次、不同广家提供零件的差异带来的质量变化、工人操作失误造成的返工、系统意外的宕机以及生产资源不必要的浪费等。这些不确定性直接影响到在生产工艺、生产调度上进行判断、决策的准确性。而引入大数据技术,利用大数据分析工具,基于大量数据对这些不确定性进行拆解、量化,挖掘出在数据后面的隐藏信息,可以降低这些不确定性造成的工艺偏差,保证生产过程尽可能透明,进而提高产品质量。企业可以依据完备的数据分析结果及时的进行更换零件、维修设备、监督工人,实现对生产工艺的严格执行。

    在产品质量方面,可以通过对结果数据和过程数据的建模、分析,针对产品的质量建立等级评价体系,摆脱原来单一的质量管理模式,实现生产过程控制与车间的实时设备互联,进而对生产过程进行有效的监控,提升产品质量。

    在设备维护方面,通过对同一生产工艺,同一生产原料供应商的大批量产品生产数据进行分析,企业可以得到生产设备之间存在的差异信息,进而可以发现潜在的设备故障信息,提早进行设备维护,既可延长设备使用寿命又能够提高产品的良品率。

    在供应链方面,基于生产工艺的理论模型,利用大数据分析平台,对不同厂家、不同批次零件、不同使用阶段的历史数据进行分析、解读。通过比较,对不同厂家、不同批次的零件进行质量评价,在零部件的使用环节上保持高效。

    在数据处理方面,搭建大数据分析平台,可以优化对生产过程中大批量数据的采集、存储、挖掘、应用的能力,加快数据的处理速度,对生产流程中各环节产生的数据协同管理、分析,提高数据的利用率。

制造企业如何搭建生产现场数据分析平台

    对于企业来说,在搭建生产数据分析平台之前,要先明确业务需求场景,通过大数据分析平台,想要得到哪些有价值的信息,需要接入的数据有哪些,明确基于场景业务需求的大数据平台要具备的基本的功能,再来决定平台搭建过程中使用的大数据处理工具和框架。

    通常来说,制造型企业生产数据分析平台从其功能上看,主要包含数据采集、数据预处理与存储、数据建模、数据分析及数据驱动决策等。对于制造企业来说,常见的过程控制系统、MES、ERP等系统已经在企业中普及应用,这些系统中存储了企业在生产、制造、销售、维护产品过程中所产生的过程数据和管理数据,因此大数据分析平台可以直接与这些系统的数据库进行连接,获取相关的数据。此外,企业生产现场还需要获取各类工业环节采集的数据,既包含来自传感器的内部数据,也包含来自企业外部的数据。其次,数据预处理与存储层的关键目标是主要是实现数据的初步清洗、集成,并将工业系统与数据对象进行关联,主要包含数据预处理、数据存储等。在数据建模层面,可以根据企业的业务流程,在数据基础上建构用户、设备、产品产线、工厂、工艺等数字模型。基于处理后的数据,利用BI工具,例如国外的Qlik,国内的观数台等BI系统,搭建企业产销协同分析、生产能耗分析、产品质量分析、产值分析、设备情况分析、生产延期预警等数据分析,提供数据报表,并将结果进行可视化,为企业各类决策的产生提供支持。以实现从数据采集到设备、生产现场及企业运营管理持续优化的闭环。从而帮助企业进一步实现个性化定制、智能化生产、协同化组织与服务化制造等创新模式。

亦策观数台,助企业发现隐藏在数据中的价值

    在大数据时代,使海量的数据推动企业发展和转型,让冰冷的数据帮助企业变革决策流程对制造企业来说至关重要,亦策观数台可以为企业提供基于大数据技术的预测性分析及商务智能解决方案,帮助企业带来全新洞察。

 

以物联网平台结合Hadoop大数据分析为企业提供完整的制造业大数据分析解决方案

    每个企业都希望能在短时间内就可以看到数据分析的结果,在数据源的连接上,亦策观数台基于端到端的大数据平台技术,强大的数据集成、数据挖掘与预测性分析分析、分析能力,几乎可以连接任何数据源,包括基于文件的源,特定于应用程序的源以及大数据源。独有的内存技术使得亦策观数台在短短几秒钟就能生成一个复杂的分析结果,观数台存储到内存的数据也会经过压缩处理。同时,内存技术能帮助用户直接访问业务系统数据,利用丰富且强大的UI快速搭建前端分析界面和分析流程;仅几天就能帮助用户实现数据分析业务蓝图,大大缩短项目实施周期,降低成本与项目风险。结合物联网平台与Hadoop大数据分析平台,亦策观数台可以为企业整合来自多个系统,不同结构的海量数据,并利用预测分析和预先建立的工业模型来检测异常或故障模式,提高质量、确定风险,并采取先发制人的行动。帮助企业实现设备预测性维护、生产过程质量分析以及帮助企业提升运营效率。

    基于亦策观数台解决方案,某电力设备企业分析了84家工厂的10万台设备所提供的数据,以往通常需要3-4天才能完成的数据提取现在几乎可以实时完成,通过准确地评估和分析设备参数,该企业将定期维护模式转变成了基于风险的维护,更合理的安排设备维护工作,同时优化了部件更换流程,提高事故预测准确性并共享根源分析结果,提高对数据使用的认知能力并获取洞察。

    某汽车企业通过观数台强大的数据处理能力,同时集成内外部数据源,可以根据业务需求来分析部分数据,在实现生产可追溯性分析时,多可以分析1.8亿行数据,在过去查找问题根源至少需要10小时,现在缩短为5-10分钟便可完成,帮助企业降低成本、提高生产力和产品质量。

 

亦策观数台制造业大数据解决方案优势

    同时,作为智能的可视化BI,亦策观数台BI集数据准备、收集、分析及报告于一体,可以为制造企业提供强大相关的洞察分析和可视化,供用户进一步考虑和探索。通过搭建生产管理驾驶舱,结合数据大屏,帮助制造企业从不同的维度和筛选条件来分析生产运营情况,如企业每天生产任务量、生产运行状况、设备情况、订单执行情况等企业生产现场关键数据以及预警信息都可以准确高效的被直观展现。通过数字结合可视化图形,与错综复杂的数据建立联系,帮助企业发现其中的规律和特征,从而帮助企业管理人员进行决策和判断,帮助业务人员发现并诊断问题,企业带来全新的洞察力。此外,亦策观数台强大的移动功能还可为企业提供手机关键报告:领导层可以根据手机报告来浏览公司生产运营动态,重点KPI尽在手机中掌握。同时,还可以在微信端实现定期推送、定期提醒的方式,让相关人员查看详细信息,并实现各类预警。

    未来,伴随着我国制造企业智能化水平的不断提升,亦策观数台系统将帮助制造企业不断自由探索并挖掘数据的价值,实现更高效的生产运营管理,实现更快,更智能的业务决策!

相关文章