制造企業(yè)正面臨著提升競爭力以及轉型的嚴峻挑戰(zhàn)。隨著智能制造成為了企業(yè)大力推進的重點，在企業(yè)面對擴大再生產的需求和設備升級的契機，企業(yè)亟需實現(xiàn)信息化和智能化的深度融合，提升企業(yè)在質量管控、工藝提升、服務升級等方面的管理和決策能力。

    隨著大數(shù)據(jù)技術逐漸成為工業(yè)4.0的標配技術之一，生產制造型企業(yè)基于數(shù)據(jù)的生產和管理需求越來越高。基于物聯(lián)網技術的數(shù)據(jù)采集和控制模塊的廣泛應用以及企業(yè)在信息化方面的大量投入，企業(yè)在變革和提升企業(yè)管理模式和手段的同時，已積累了大量的數(shù)據(jù)，形成了極為龐大的數(shù)據(jù)源。傳統(tǒng)數(shù)據(jù)庫技術對這種大規(guī)模的數(shù)據(jù)的存儲、管理及分析能力顯得捉襟見肘。而利用大數(shù)據(jù)技術，可以給企業(yè)提供高效的數(shù)據(jù)分析能力，提高質量管控、工藝提升、服務升級等方面的管理和決策能力。在大數(shù)據(jù)時代，如何對有用的數(shù)據(jù)進行挖掘、發(fā)現(xiàn)重要的知識和提取有用的信息已成為企業(yè)面臨的關鍵點。

企業(yè)生產現(xiàn)場數(shù)據(jù)分析的重要性

擁抱大數(shù)據(jù)技術，邁向智能制造

    對于制造企業(yè)來說，由于數(shù)據(jù)海量且分散，具備復雜的關聯(lián)性，來源廣泛，而制造企業(yè)多數(shù)采用傳統(tǒng)的數(shù)據(jù)庫管理模式，操作人員只能對系統(tǒng)功能框架內的數(shù)據(jù)進行觀察，無法通過利用集群進行性能提升和數(shù)據(jù)處理。僅僅憑借統(tǒng)的方法與技術，已經無法滿足企業(yè)處理海量大數(shù)據(jù)及改進生產的需求。因此，在研發(fā)、生產等多個環(huán)節(jié)，引入大數(shù)據(jù)技術，構建工業(yè)大數(shù)據(jù)分析平臺已成為制造企業(yè)轉型升級的具體方向。以制造企業(yè)原有的數(shù)據(jù)資源為基礎，搭建分大數(shù)據(jù)分析平臺，針對供應鏈信息、生產制造過程數(shù)據(jù)建立完備的模型，結合生產制造工藝理論知識深入挖掘、分析，將為企業(yè)生產發(fā)展的各方面提供科學、準確的決策指導。

    可以看到，對于存在一定量的數(shù)據(jù)積累但是無法有效利用企業(yè)生產過程數(shù)據(jù)獲取有效價值的企業(yè)，以及亟需提高數(shù)據(jù)分析效率，從數(shù)據(jù)中洞察更多有用信息，進而利用分析結果指導生產和改進工藝的企業(yè)來說，雖然對展開大數(shù)據(jù)分析需求迫切，但從何入手仍是迷茫的地方所在。

    在生產制造方面，不少企業(yè)的生產工藝經過多年發(fā)展已經趨于穩(wěn)定。但是在制造企業(yè)的實際生產流程中，在零件、人員、工具上往往存在許多無法量化、無法預測的不確定性，如加工過程中零件的磨損、衰退引起的設備故障，不同批次、不同廣家提供零件的差異帶來的質量變化、工人操作失誤造成的返工、系統(tǒng)意外的宕機以及生產資源不必要的浪費等。這些不確定性直接影響到在生產工藝、生產調度上進行判斷、決策的準確性。而引入大數(shù)據(jù)技術，利用大數(shù)據(jù)分析工具，基于大量數(shù)據(jù)對這些不確定性進行拆解、量化，挖掘出在數(shù)據(jù)后面的隱藏信息，可以降低這些不確定性造成的工藝偏差，保證生產過程盡可能透明，進而提高產品質量。企業(yè)可以依據(jù)完備的數(shù)據(jù)分析結果及時的進行更換零件、維修設備、監(jiān)督工人，實現(xiàn)對生產工藝的嚴格執(zhí)行。

    在產品質量方面，可以通過對結果數(shù)據(jù)和過程數(shù)據(jù)的建模、分析，針對產品的質量建立等級評價體系，擺脫原來單一的質量管理模式，實現(xiàn)生產過程控制與車間的實時設備互聯(lián)，進而對生產過程進行有效的監(jiān)控，提升產品質量。

    在設備維護方面，通過對同一生產工藝，同一生產原料供應商的大批量產品生產數(shù)據(jù)進行分析，企業(yè)可以得到生產設備之間存在的差異信息，進而可以發(fā)現(xiàn)潛在的設備故障信息，提早進行設備維護，既可延長設備使用壽命又能夠提高產品的良品率。

    在供應鏈方面，基于生產工藝的理論模型，利用大數(shù)據(jù)分析平臺，對不同廠家、不同批次零件、不同使用階段的歷史數(shù)據(jù)進行分析、解讀。通過比較，對不同廠家、不同批次的零件進行質量評價，在零部件的使用環(huán)節(jié)上保持高效。

    在數(shù)據(jù)處理方面，搭建大數(shù)據(jù)分析平臺，可以優(yōu)化對生產過程中大批量數(shù)據(jù)的采集、存儲、挖掘、應用的能力，加快數(shù)據(jù)的處理速度，對生產流程中各環(huán)節(jié)產生的數(shù)據(jù)協(xié)同管理、分析，提高數(shù)據(jù)的利用率。

制造企業(yè)如何搭建生產現(xiàn)場數(shù)據(jù)分析平臺

    對于企業(yè)來說，在搭建生產數(shù)據(jù)分析平臺之前，要先明確業(yè)務需求場景，通過大數(shù)據(jù)分析平臺，想要得到哪些有價值的信息，需要接入的數(shù)據(jù)有哪些，明確基于場景業(yè)務需求的大數(shù)據(jù)平臺要具備的基本的功能，再來決定平臺搭建過程中使用的大數(shù)據(jù)處理工具和框架。

    通常來說，制造型企業(yè)生產數(shù)據(jù)分析平臺從其功能上看，主要包含數(shù)據(jù)采集、數(shù)據(jù)預處理與存儲、數(shù)據(jù)建模、數(shù)據(jù)分析及數(shù)據(jù)驅動決策等。對于制造企業(yè)來說，常見的過程控制系統(tǒng)、MES、ERP等系統(tǒng)已經在企業(yè)中普及應用，這些系統(tǒng)中存儲了企業(yè)在生產、制造、銷售、維護產品過程中所產生的過程數(shù)據(jù)和管理數(shù)據(jù)，因此大數(shù)據(jù)分析平臺可以直接與這些系統(tǒng)的數(shù)據(jù)庫進行連接，獲取相關的數(shù)據(jù)。此外，企業(yè)生產現(xiàn)場還需要獲取各類工業(yè)環(huán)節(jié)采集的數(shù)據(jù)，既包含來自傳感器的內部數(shù)據(jù)，也包含來自企業(yè)外部的數(shù)據(jù)。其次，數(shù)據(jù)預處理與存儲層的關鍵目標是主要是實現(xiàn)數(shù)據(jù)的初步清洗、集成，并將工業(yè)系統(tǒng)與數(shù)據(jù)對象進行關聯(lián)，主要包含數(shù)據(jù)預處理、數(shù)據(jù)存儲等。在數(shù)據(jù)建模層面，可以根據(jù)企業(yè)的業(yè)務流程，在數(shù)據(jù)基礎上建構用戶、設備、產品產線、工廠、工藝等數(shù)字模型。基于處理后的數(shù)據(jù)，利用BI工具，例如國外的Qlik，國內的觀數(shù)臺等BI系統(tǒng)，搭建企業(yè)產銷協(xié)同分析、生產能耗分析、產品質量分析、產值分析、設備情況分析、生產延期預警等數(shù)據(jù)分析，提供數(shù)據(jù)報表，并將結果進行可視化，為企業(yè)各類決策的產生提供支持。以實現(xiàn)從數(shù)據(jù)采集到設備、生產現(xiàn)場及企業(yè)運營管理持續(xù)優(yōu)化的閉環(huán)。從而幫助企業(yè)進一步實現(xiàn)個性化定制、智能化生產、協(xié)同化組織與服務化制造等創(chuàng)新模式。

亦策觀數(shù)臺，助企業(yè)發(fā)現(xiàn)隱藏在數(shù)據(jù)中的價值

    在大數(shù)據(jù)時代，使海量的數(shù)據(jù)推動企業(yè)發(fā)展和轉型，讓冰冷的數(shù)據(jù)幫助企業(yè)變革決策流程對制造企業(yè)來說至關重要，亦策觀數(shù)臺可以為企業(yè)提供基于大數(shù)據(jù)技術的預測性分析及商務智能解決方案，幫助企業(yè)帶來全新洞察。

以物聯(lián)網平臺結合Hadoop大數(shù)據(jù)分析為企業(yè)提供完整的制造業(yè)大數(shù)據(jù)分析解決方案

    每個企業(yè)都希望能在最短時間內就可以看到數(shù)據(jù)分析的結果，在數(shù)據(jù)源的連接上，亦策觀數(shù)臺基于端到端的大數(shù)據(jù)平臺技術，強大的數(shù)據(jù)集成、數(shù)據(jù)挖掘與預測性分析分析、高級分析能力，幾乎可以連接任何數(shù)據(jù)源，包括基于文件的源，特定于應用程序的源以及大數(shù)據(jù)源。獨有的內存技術使得亦策觀數(shù)臺在短短幾秒鐘就能生成一個復雜的分析結果，觀數(shù)臺存儲到內存的數(shù)據(jù)也會經過壓縮處理。同時，內存技術能幫助用戶直接訪問業(yè)務系統(tǒng)數(shù)據(jù)，利用豐富且強大的UI快速搭建前端分析界面和分析流程；僅幾天就能幫助用戶實現(xiàn)數(shù)據(jù)分析業(yè)務藍圖，大大縮短項目實施周期，降低成本與項目風險。結合物聯(lián)網平臺與Hadoop大數(shù)據(jù)分析平臺，亦策觀數(shù)臺可以為企業(yè)整合來自多個系統(tǒng)，不同結構的海量數(shù)據(jù)，并利用預測分析和預先建立的工業(yè)模型來檢測異常或故障模式，提高質量、確定風險，并采取先發(fā)制人的行動。幫助企業(yè)實現(xiàn)設備預測性維護、生產過程質量分析以及幫助企業(yè)提升運營效率。

    基于亦策觀數(shù)臺解決方案，某電力設備企業(yè)分析了84家工廠的10萬臺設備所提供的數(shù)據(jù)，以往通常需要3-4天才能完成的數(shù)據(jù)提取現(xiàn)在幾乎可以實時完成，通過準確地評估和分析設備參數(shù)，該企業(yè)將定期維護模式轉變成了基于風險的維護，更合理的安排設備維護工作，同時優(yōu)化了部件更換流程，提高事故預測準確性并共享根源分析結果，提高對數(shù)據(jù)使用的認知能力并獲取洞察。

    某汽車企業(yè)通過觀數(shù)臺強大的數(shù)據(jù)處理能力，同時集成內外部數(shù)據(jù)源，可以根據(jù)業(yè)務需求來分析部分數(shù)據(jù)，在實現(xiàn)生產可追溯性分析時，最多可以分析1.8億行數(shù)據(jù)，在過去查找問題根源至少需要10小時，現(xiàn)在縮短為5-10分鐘便可完成，幫助企業(yè)降低成本、提高生產力和產品質量。

亦策觀數(shù)臺制造業(yè)大數(shù)據(jù)解決方案優(yōu)勢

    同時，作為智能的可視化BI，亦策觀數(shù)臺BI集數(shù)據(jù)準備、收集、分析及報告于一體，可以為制造企業(yè)提供強大相關的洞察分析和可視化，供用戶進一步考慮和探索。通過搭建生產管理駕駛艙，結合數(shù)據(jù)大屏，幫助制造企業(yè)從不同的維度和篩選條件來分析生產運營情況，如企業(yè)每天生產任務量、生產運行狀況、設備情況、訂單執(zhí)行情況等企業(yè)生產現(xiàn)場關鍵數(shù)據(jù)以及預警信息都可以準確高效的被直觀展現(xiàn)。通過數(shù)字結合可視化圖形，與錯綜復雜的數(shù)據(jù)建立聯(lián)系，幫助企業(yè)發(fā)現(xiàn)其中的規(guī)律和特征，從而幫助企業(yè)管理人員進行決策和判斷，幫助業(yè)務人員發(fā)現(xiàn)并診斷問題，企業(yè)帶來全新的洞察力。此外，亦策觀數(shù)臺強大的移動功能還可為企業(yè)提供手機關鍵報告：領導層可以根據(jù)手機報告來瀏覽公司生產運營動態(tài)，重點KPI盡在手機中掌握。同時，還可以在微信端實現(xiàn)定期推送、定期提醒的方式，讓相關人員查看詳細信息，并實現(xiàn)各類預警。

    未來，伴隨著我國制造企業(yè)智能化水平的不斷提升，亦策觀數(shù)臺系統(tǒng)將幫助制造企業(yè)不斷自由探索并挖掘數(shù)據(jù)的價值，實現(xiàn)更高效的生產運營管理，實現(xiàn)更快，更智能的業(yè)務決策！