详谈大数据分析在制造企业的应用

楼俊君

摘 要：隨着信息技术的迅猛发展，大数据分析已经能够应用到企业的方方面面。但是从现在我们国家对大数据的调研来看，大数据分析在企业生产中的应用还不够成熟。企业对于大数据的常见困惑在于大数据分析到底有哪些应用值得企业关注，到底在哪些方面可以给企业带来实实在在的提升。本文将在消费者需求、产品设计、库存管理、质量管理、人事管理及生产设备监控等方面逐一阐述，梳理出大数据分析在制造企业中的理由与价值。

关键词：大数据；企业制造；流程设计；管理

随着世界信息技术的飞速发展[1]，大数据作为信息技术皇冠上的明珠，也更加受到各个国家与行业的重视。我们国家自从改革开放以来，中国制造已经得到了长足的发展，中国制造的产品已经遍布全球，并且产品的质量也改变了过去低质量、低附加值的标签。不过最新的经济调研数据显示，我们制造企业在应用大数据分析技术在生产制造中的程度并不深入[2]，这与专业技术人才的积累有关，更与我们企业对大数据分析的了解有关。本文将从各个方面对大数据分析在制造企业中应用做详细的阐述。

1 消费者需求分析

制造企业生产出来的产品到了消费者手上之后，以前我们只能通过电话投诉等方式来采集产品质量缺陷等信息，但是有了大数据以后，我们可以综合销售网点的数据、消费者网上的反馈评分、消费者年龄层次、购买方式数据及社交媒体评论等大量的数据来摸清消费者的需求。其中可以采取的数据分析方法可以有多重分析法和联合分析法等，来确定消费者对与产品某种特点的支付意愿，了解使产品抢占市场的重要产品特征，从而改善产品设计，为产品提供相应的改造升级的明确方向和规格参数。

在刚刚过去的2017年双11购物狂欢节中，通过大数据挖掘，阿里巴巴、京东公司完成的千亿成交额，再度刷新各自的销售纪录，但在高涨的数字不断刺激着消费者神经的同时，电商平台、品牌商与物流企业的心态已经悄然改变。“双11”不再是一场大考，更像是企业收获近一年布局成果的时刻，这一点在物流行业体现得尤为明显。从此前的爆仓、暴力分拣、配送拖延等问题被曝光，到现在最快几个小时就能将包裹安稳送到消费者手中，这种提速、提质的表现背后，是企业在大数据与智慧化方面不断投入的体现。

2 产品与服务的设计

制造企业产品设计是企业发展最重要的一环，产品设计的合理与否，往往决定着企业的生死存亡。从产品面世到被消费者使用的过程中，我们可以利用大数据实时数据分析，将流程、工艺、气候、性别、学历、地域等千丝万缕的关系整理出来，将数字化的消费者数据倾向转化为产品的特点，利用数据设计产品，实现不同分公司研发与运营共享数据，共同参与产品设计的改进和调整。从2017年双11购物狂欢节的大数据来看，网民7.5%的钱买了手机，9.5%买了家电，3.8%是化妆品，母婴类则占1.9%。进口商品排行榜中，来自德国、荷兰和澳大利亚的奶粉品牌一度分别占据了榜单的前3名。除此之外，日本纸尿裤、美国坚果、韩国美妆也都是消费者抢购的对象。看起来，母婴类产品在“全面二孩”的背景下，需求依然巨大。

3 适应性库存管理

在制造企业中，库存成本往往占了产品成本的50%，过多的库存会造成过高的库存管理成本。与此同时，库存的多少似乎永远也无法解决商品的脱销。运用大数据可以把销售记录，销售网点数据，天气预报，季节性销售周期，区域库存信息等不同纬度的数据融合起来，形成实时感应需求信号，与实时货物位置等信息能关联分析，匹配供求关系。产生的精确的信息，可以反馈到生产计划，库存水平与订单量等库存计算的各个环节，使企业了解具体地区的库存量并且自动生成订单，从“需求感应”实现“适应性的库存”管理，不断优化库存水平。据悉，菜鸟网络已经将智能技术应用到方方面面。比如在商品生产之前，菜鸟网络通过历史销售数据和对市场的预测，帮助商家制定更精准的生产计划，同时帮助他们在合适的地区进行区域分仓。

此外，通过智能工具可以让货物在仓内处于最合理的存放位置，畅销的商品会被放在靠近出口的位置。在新零售的趋势下，菜鸟还会用数据技术帮助商家做门店发货，并实现线上下单、线下发货。“商家降低了库存和流转成本，消费者收货更快，社会整体资源利用率提高。”菜鸟网络技术专家表示，智能技术带来的爆品下沉将给今年天猫双11的物流带来新速度。

4 产品质量管理

早在20世纪90年代开始，一些企业就开始通过应用分析法来提高产品质量和生产的效率，其核心是实现生产与服务的需求相匹配。今天的大数据分析手段也是如出一辙。大数据不仅能够使生产商制造产品的时间缩短20%-50%，还能够在产品批量生产前通过模拟，检验防止产品缺陷，减少产品开发周期过程中不必要的环节等。通过检查表，散点图，控制图等检测手段，来发现生产过程的质量问题大数据通过物联网，通过产品上安装传感器，标签等手段，实时监测采集数据，认知产品性能，实时提高质量。

5 劳动力的数字化

劳动力是除了产品成本外，企业最重视的开支。通过大数据方式，找到进行员工调度的最佳模式，缩短管理时间，实现技能与岗位的周期匹配，劳动力效率最优化。让劳动力的管理成为可预测的，且基于分析学的方法来实现人才资源的管理。这样的方法一是客观，二是从大数据统计的角度将员工的绩效指标和行为特征连接了起来，为每个企业创造了一个“最适合”的劳动力模式。

6 资产智能管理

随着企业制造大数据分析技术的发展，结合互联网云化的广泛应用，实时设备条件信息可反馈至机械控制器以实现自适应控制，同时信息也会反馈至设备管理人员方便及时维修。操作员可根据每台设备的健康条件平衡和调节每台设备工作量和工作压力，从而最大程度优化生产和设备性能，实现主动检修计划的智能决策。

7 结论

大数据分析应用在制造企业的各个流程大有可为，通过利用大数据技术，可以极大帮助企业产品设计、质量控制、人力资源管理及库存管理等。

参考文献

[1]王宏志.大数据处理算法[M].北京：机械工业出版社，2015.

[2]维克托·迈尔-舍恩伯格，肯尼思·库克耶.大数据时代.盛杨燕，周涛，译.杭州：浙江人民出版社，2016.