企业如何通过数据驱动工业价值创造?

本文给大家分享一个大数据应用的成功案例，作者为双钱集团（新疆）昆仑轮胎有限公司信息部门部长邸海生，讲述企业如何通过数据驱动工业价值创造。

工业制造业首先是大数据的源头，一旦制造业全面数字化，生产流程中产生的数据都轻而易举地属于大数据的范畴，其数据量、产生频度、类型从IT角度来看，都极具挑战性和吸引力。但是，无论是大数据还是小数据，工业制造业对于数据的应用，不光在于制造业如何应用数据，而更多地在于制造业如何认识和看待数据。

信息化基本情况

2010年，我们在乌鲁木齐建厂，搭建完成PCS系统。2011到2013年，重点上线轮胎条码物流系统和OA系统等四个基础业务系统。2015年重点上线SAP系统，实现了资源调配与平衡。2016开始，受高层重视，开始作为工信部“两化融合”试点企业，开始大力发展两化融合。2016年重点工作是业务系统数据分析工作，也就是我们常说的“小数据”分析。

经过6年多的建设，公司信息化管理架构已经基本完成。PCS、MES、ERP、CRM、SCM等系统应用在了不同的业务模块，实现了生产和业务管理的自动化、信息化。

信息化系统的整体架构是由位于上层的ERP系统、中层的MES系统、底层的控制系统组成，是面向车间层的管理信息系统。在MES系统建设上，目前昆仑是全国轮胎行业内第一家MES系统全线贯通的企业。

MES的全线贯通带来了明显的收益。公司从需求到生产到最后结算，整个环节业务驱动数据流程。这为数据分析驱动生产运营工程提供了数据基础，也为“两化融合”工程提供了技术基础。

数据分析驱动轮胎工业转型与价值创造

在业务系统数据分析过程中，由于业务部门提出较多的定制化需求，加之技术上对稳定性和扩展性的需求，我们急需一个能打通各业务系统数据，高效率制作数据报表和分析的工具。最后和帆软合作，基于报表工具着手搭建数据分析报表平台。

具体定制服务的场景，这里重点介绍5处。

定制数据服务场景1：密炼机空转预警

设备管理员需要实时关注设备的运行情况。此前我们一直依赖设备的声光提醒，每个管理员只能独自管理两台设备。我们进行了整改，根据密炼机的供电电压、温度、能量等数据，个性化定制了空转预警分析报表，并集成到微信平台。当密炼机出现空转，超时3分钟及时微信消息预警，避免能源损失，提高设备利用率。现在我们每个管理员可以独自管理6台设备，大大提高了管理效率。

定制数据服务场景2：设备OEE综合分析

设备管理员每个月都需要对设备做综合效率分析。之前采用从系统导出数据，然后Excel手工统计的方式。数据容易出错，并且重复操作，效率低。现在基于帆软平台，开发了月度设备综合效率分析报表。每月自动微信推送到指定管理员微，方便管理员综合分析。以前等待一周才能开始的月度会议，现在完全可以月初第一天开始，大大提高了效率。

定制数据服务场景3：裁断班组产能分析

我们有的分厂，之前没有接入MES系统。生产产能分析，一般是一个人操作设备，另一个人用Excel记录数据，然后人工汇总。现在开发了裁断班组产能分析报表，集成到微信。两个人的工作只需要一个人，并且每天不必花费大量时间做报表。班组更换时，班组产能分析报表自动微信发送到相关人员。通过优化配置班组成员，提高产品合格率，提高了生产效率。

定制数据服务场景4：胶料工艺优化分析

在实际生产中，经常有限量或者定量生产计划。比如胶料生产，以10万车为一个触发点。这个触发点是我们根据以往车次生产参数的综合分析，计算出某种胶料达到最优品质时，各种生产参数的最佳设定值。有了这个定时推送的微信消息，技术人员在改进工艺时可进行参照，不必脱离岗位去查看MES系统或者打印纸质单据。

定制数据服务场景5：质量趋势分析

工业生产，特别注重产品批量质量分析。一旦稍有差错，很容易导致一大批次出现问题，甚至导致整个产品线返工。对客户、对企业自身造成极大恶劣影响。我们轮胎是如何做质量监控和预防的呢？首先，我们的设备都大量嵌入芯片，数据实时上传到我们业务系统；其次，我们对历史数据做了分析和经验总结，制定出检验标准：连续3条轮胎质量监测出现问题即为异常；最后，依托微信数据报表，及时将异常生产信息和异常产品编码推送到一线生产人员。及时发现问题，及时纠错，确保产品质量合格，保证连续生产。

昆仑轮胎的数据分析项目的认知背景

昆仑轮胎能在信息化方面取得飞跃发展，荣获“两化融合”试点，原因众多。这其中相当重要的一个内因，在于公司领导对信息化、对数据的工作的先进认知和支持。数据是信息资产，数据也是生产力。公司高层意识到，我们很多生产和业务管理的隐性问题，是可以通过数据分析挖掘来展现的。高效利用我们积累的工业数据，是可以为客户提供更多的增值服务，同时开拓我们新的商业模式。

轮胎工业大数据分析方向

在工业大数据的一年实践中，我们也总结了工业大数据分析八大方向，目前我们已经部分完成这些数据采集工作，下一步重点就是数据分析和预测挖掘。