基于数据驱动的生产管理方法的创新及应用

邢田　黎珍　唐柏成

摘 要：生产管理是企业获得高效益的关键环节。该文提出了创新型的数据驱动的生产管理方法，在某发动机厂生产管理系统中应用了该方法进行生产管理，应用表明可大幅度提高生产信息的传递效率，以及数据分析到决策之间的效率，从而减少了人为管理成本，提高了该企业的生产效益。

关键词：数据驱动 创新 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

面对当今企业发展急切的需求，国内外曾出现了许多先进的生产管理方法[1]。这些先进制造技术和生产管理模式应用到各个制造企业后，为企业创造了可观的经济效益、强大的竞争力和持续发展的动力，随着形势的发展和市场的变化，高柔性、小批量、多品种的生产模式成了适应市场迅速需求的最低成本的方法，因此提升生产运行管理效率，推进实施发动机工厂以数据驱动的生产管理方法，精准助力高柔性、小批量、多品种的生产模式，成了企业的重中之重。

2 全新数字驱动管理模式的特点

随着大数据、物联网等新一轮科技革命蓬勃兴起，数字化技术正对传统企业管理模式带来革命性的冲击。物联网以指数方式增加了数据源的数量及数据的3V（量、速、样）[2]。大数据的运用让诸多行業及应用领域的决策过程变得更快更好[3]。

从传统的人工计算及离散型数据存储转变为全新的数字驱动管理模式，通过数据连接、洞察、决策三个环节，以核心业务指标为导向，逐步完善数据流，达成核心业务指标动态可视化呈现，达到生产运营智能决策的管理目标。

3 基于数据采集集成平台的生产管理办法实现

通过搭建统一的数据库平台框架，将散落在个人电脑、公网、不同管理平台的数据整合为统一平台，将信息操作通道简化为自动数据采集通道及手动数据采集通道，将数据存储到发动机工厂数据中心数据库中。

数据库中心的数据架构采用一主多从结构，该结构具有可拓展性好、数据库容量可利用率高的特点。

（1）打破多种设备数据通信协议，开发首个兼容多种设备的数据采集软件。通过研究生产线多种设备数据存储方式及信息协议，统一开发数据采集软件，从设备上采集到的相关信号信息存储到数据云端。

对每个工位的信号源、数据进行整理，确定信息采集末端的有可能及需要收集数据内容，针对内容逐一实现硬件和采集软件的添加，实现数据源的采集和部署。

（2）建立移动终端APP和现场生产系统的全新链路为了让现场的数据采集的数据得以快速的在移动客户端呈现，数字化小组基于工业OPC协议开辟一个使用内部局域网的APP的数据采集和呈现终端。

采用双逻辑服务器，建立虚拟服务器和数据库，通过虚拟数据库和服务器，打通数字APP store上架权限，通过内网访问真实的服务器和数据库，保障生产数据信息保密。

（3）自主拓展新型数据采集方式结合现场的管理流程需求，开发如变化点管理、质量测量报警、质量门报警等应用程序，通过部署新的数据采集器、新的程序，同步存储到数据中心，与制造过程分析相结合，让数据传递和分析更快捷迅速。

4 面向某动力总成厂生产管理方法的应用

将自动采集或者历史的信息应用到数据运算和建模中，使数据呈现更加的人性化，IT和OT结合让数字决策更迅速。依托于智能制造设备技术、模拟数字仿真技术、5G技术等，实现智能化开发、数字模拟、智能化运营，达到智能决策的目的。

4.1 节拍管理

采集现有的设备信息案例如下，如工位节拍数据分析案例，首先通过节拍信号采集，之后通过边缘计算将节拍数据清洗和过滤，将节拍信息存储在数据数据库中，统一用数据运算和调用规则，将数据分析可视化，达到数据应用的主要目的。

4.2 瓶颈管理

通过采用边缘计算和建立数学模型的方式，达成自动瓶颈数据分析、损失分析等数据自动分析的目的，实现瓶颈快速识别和行动决策。

4.3 备品备件管理分析及效果

备件库共有接近一万种备件，备件价值在四千万人民币，备件的采购量和库存量都会影响整个工厂的备件运行成本。已知过去备件的历史消耗数据有将近64万条数据。通过数据建模，引入备件消耗模拟数学模型。基于gm（0，1）的马尔科夫的灰度预测方法，算法如下。

基于以往消耗数据备品备件消耗建模，发现采购书简和数量均有收敛，可为精益化采购时间和数量提供准确的依据，实现备件数据的再利用。

4.4 质量数据表现管理

通过对现场PLC的信号进行梳理和标准化，通过这些信号重新命名和地定义，通过数据查询、逻辑运算、实时呈现出各个自动检测工位的检测合格率数据，通过动态数据分布，实时分析测试过程的表现情况。

基于实时监控生产线各工位质量表现，通过自动数据分析，实现自动预警和报警功能，达到实时处理现场质量，从而通过数据实现生产线质量提升。

5 展望

目前某汽车动力总成厂已实现对核心业务指标部署了数据采集硬件和软件，能源、效率、备件等数据应用及挖掘也在逐步开展，呈现的数学建模的结果将为数字化运营带来更高的效益。

参考文献：

[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]塞缪尔·格林加德.物联网[M].北京：中信出版社，2016.

[3]藤原洋，李斌瑛.第四次工业革命[M]. 北京：东方出版社，2015.