基于大数据的ERP升级及应用

李霁秋

摘要：传统的ERP系统能够为企业整合人力、财力、物力等资源并实现资源优化和合理配置。大数据的出现对传统的ERP模型提供了优化的可能性。本文讨论了运用大数据的方法，进行数据挖掘、建立模型对传统ERP系统优化升级，达到满足生产制造型企业对产能预测的定制化需求，从而帮助企业合理安排生产资源、及时争取到适量规模的订单

关键词：ERP系统;大数据;产能预测;机器学习;回归模型

1.传统ERP系统的定义及其在半导体制造行业的应用

ERP（Enterprise Resource Planning）企业资源规划，是由美国Gartner Group公司于1990年提出的一种供应链管理思想，发展到现在，它既是应用软件又是基于信息技术的一种管理工具。

半导体行业作为制造业的重要组成部分，它具有分工细、高智能、技术集成度高等特点，所以完备的ERP系统对于半导体制造企业更好的完成订单、统筹资源至关重要。半导体芯片已经逐渐渗透到生活、生产、科教等各个领域，疫情的到来增加了渗透的速度。这种现实局面对芯片制造企业的支持系统也提出了更高的要求，以原材料管理为例，传统的ERP系统已难以满足对现有供应链系统的预测，企业需要具备精准预测、灵活统筹的ERP系统帮助其实现快速交付订单、减少客户等待的目标。

2.大数据的特点及其应用

大数据（big data），又称巨量数据、海量数据。大数据目前虽颇受关注，但科学界至今没有一个统一的概念。它是在互联网发展到现阶段的一种创新[1]。面向大数据环境下的制造企业，以芯片制造为例，在大规模生产制造阶段所产生的数据流已为企业改进生产流程缺陷提供了巨大帮助，而芯片制造行业中的佼佼者如美国的英特尔、韩国的三星和台湾的代工厂台积电等也逐渐意识到自己不仅是制造企业同时也是数据支撑的企业，甚至英特尔公司不止一次的在其公开发布的智能物联规划中强调自己是数据型公司。可见大数据在制造业中起到的积极作用及其未来不可忽视的潜力。

3.大数据的方法

大数据作为一种新型的资产，可以为企业提供诸多有价值的信息，如何将海量的数据整理、提取出来，就需要用到科学的方法，人工智能就是目前行业常用的大数据研究方法。 人工智能是研究、开发用于模拟、延伸和扩展人的智能的一种集理论、方法、技术及应用为一体的一种技术科学。它通过了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。其中机器学习是实现人工智能的方法之一，深度学习是实现机器学习的技术手段。

机器学习的方法分为监督学习、非监督学习和加强学习三种方法。回归和分类是监督学习的两大模型建立方法。在大数据分析中，回归分析是一种预测性的建模技术，它研究的是因变量（目标）和自变量（预测器）之间的关系。这种技术通常用于预测分析，时间序列模型以及发现变量之间的因果关系。目前，预测模型的建立有各种各样的回归技术可被应用，要利用这些技术应首先确定三个主要的度量即自变量的个数，因变量的数据类型（连续型数据或二项数据） 以及回归线的形状。在进行回归分析时，被预测或被解释的变量称为因变量，用y表示;用来预测或解释因变量的一个或多个变量称为自变量，用x表示。描述因变量y如何依赖于自变量x和误差项ε的方程称为回归方程。回归的常用算法有多元线性回归，多项式回归，拉索回归，岭回归，回归树，神经网络等等[2]。

4.基于大数据方法的ERP系统的应用

产能预测是大多数企业亟待解决的问题，预测不准确会造成产能浪費或延迟订单交付。目前半导体制造业常用的ERP系统可以通过对于原材料清单的追踪、整体工序监测、现有设备数量和产能的预估等手段，对生产流程和订单完成的过程进行监控。但系统本身应对变化的能力差，更不能做到提前预测。因此，运用大数据方法对于供应商原料的供给建立预测和监控模型，并在可能出现缺货的节点进行提前预警是非常必要的。

具体做法是通过提取企业生产运营关键参数和特征值、产能模型设定与参数估计两个主要步骤来实现模型建立、检验到应用的目的。对关键参数、特征值的提取可参考企业历史数据或直接参考企业生产过程重要影响因素。模型建立可以先从简单的一元线性模型开始，到多元线性回归模型，利用真实生产数据和模型预测出的结果做对比，若模型的标准误差太大或拟合优度较低，再发展到非线性模型的建立，上文已提到多元非线性的方法，得到模型之后一样需要与真实数据做对比，检测模型的准确率，一旦通过测试，就可以将该方法集成到现有的ERP系统中对影响产能的一个环节进行预测。同理，还可以把这一方法推广到其他重要的生产工序，从而构架出整个制造企业的产能模型。进而实现利用大数据方法对现有的数据信息资源进行挖掘、建立模型达到产能预测的目的，这将有力的增加企业管理的有效性，从而在市场竞争中赢更多的机会。

5.结语

目前全球的经济大国都意识到了制造业需要向智能化转变，其本质就是让生产过程变得智能，即减少人为的干预、系统自动对外界变化做出相应的反应与调整，同时整体生产力得到提升，这是智能化的理想结果，如何实现这一目标？方法之一就是要借助当前使人类世界变得智能的基础—运算，而大数据是运算的基础，为这些各种运算方法与模型提供了原料。半导体行业是集合制造智能化实现的阵地之一，企业应该顺应大数据的时代，利用大数据的方法对生产数据进行挖掘、建模，能够实现产能预测、建立提前预警机制，进而走向提高竞争力、引领行业发展的良好局面。

参考文献

[1]许宪春，王洋.大数据在企业生产经营中的应用[J].改革，2021（01）：18-35.

[2]Yuxi Hong，Dongsheng Ma，Zuochang Ye.Multivariate rational regression and its application in semiconductor device modeling[J].半导体学报（英文版），2018，39（9）：67-73.