M车企制造过程的数字化应用探析

冯文涛 范伟亮 吴媛媛 沈宁迪 陈静

摘要：“十四五”规划纲要已经明确提出要“加快数字化发展，建设数字中国”，加快推动数据赋能全产业链协同转型，信息化、数字化和智能化的管理模式逐渐成为制造业的发展方向。为此，聚焦M车企制造域数据来源分散、人工制表管理效率低下、可视化水平不足等问题，依托数据抽取（ETL）、数据仓库（Greenplum）、可视化报表（Finereport）等数字化工具，标准化管理异源异构数据，实现了生产制造全链路大数据的可视化、透明化管理。

关键词：数据集成；数据仓库；数据标准管理；可视化分析

中图分类号：U461  收稿日期：2023-04-20

DOI：10.19999/j.cnki.1004-0226.2023.08.021

1 推进汽车制造域数字化转型

2020年7月“十四五”规划提出了打造数字经济新优势，明确智能制造作为数字化应用场景之一，需要进一步深化生产制造环节的数字化应用。汽车制造业发生了巨大变革，通过设备联网、生产环节数字化连接、供应链协同响应等手段，不断推进制造柔性化和管理智能化。各大车企利用数字技术赋能，推动智能制造升级，不断提高制造域的管理水平和经营效率[1]。

2 汽车制造价值链的重构

2.1 制造域的数据困境

随着新车型、设备和人员的持续导入，M车企制造过程管控难度加大，以人工主导的运营方式，使得生产效率、准确性、成本改善都遭遇瓶颈，因此必须通过数字化转型，细化数据应用，快速暴露并解决问题，实现业务指标提升。

在数据质量方面，由于缺乏统一的数据标准和管控手段，数据多点、重复以及线上线下交替的采集方式造成了数据多源异构问题，带来了业务数据不准确、不高效、不透明的现象。在数据共享方面，经过十几年的信息化发展，既有新系统建设，也有旧系统的迭代升级，留下了烟囱林立的IT系统，各信息系统间架构差异大导致数据共享困难[2]。

2.2 制造域的数据一体化升级

为了解决制造域的数据困境，达到活用数据的目的，M车企通过数据平台直连业务系统，打通业务上下游的数据壁垒，实现数据融合，快速构建制造域产供销存一体的全生命周期数据价值链。基于数据监控生产交付过程中各环节的运行状态，及时发现异常并做出针对性改善，实现订单高效生产和及时交付；同时降低生产工艺、设备能源、供应链、交付流程中的潜在浪费，优化制造成本，以数据服务化的方式助力实现制造域的高效管理和运营[3]。

2.3 数字化融合对架构的要求

实现产供销存价值链的核心在于打造覆盖生产、订单、物流、供应链、销售全流程监控的统一业务管理和系统架构。M车企基于统一数据、统一平台、统一管理的目标，构建源系统、数据源、数据仓库、数据集市和数据应用为一体的数据平台。通过对数据资源的有效汇聚和管理，逐步实现生产、质量、供应链等业务模块的业务在线、数据采集和可视化，利用数据全生命周期的资产化管理，促进数据的“内增值”和“外增效”。产供销存一体化业务架构如图1所示。

3 产供销存数字化协同实践

M车企在产供销存数字化建设过程中，引入数据抽取（ETL）、数据仓库（Greenplum）、可视化报表（Finereport）等工具，建立涵盖数据采集和抽取、数据标准化管理、数据存储与处理、数据可视化应用的全面管理体系，搭建支撑产供销存全流程一体化的数据应用平台（DAP）[4]。该平台充分利用内部业务系统的一线生产情况、物资采购、库存管理、销售订单、供应链等数据，在数据集成和统一标准管理的基础上，利用网页端、移动端的大数据分析和可视化展示，有效监控生产运营情况，满足管理层、运营层对数据查询、分析和探索的需求，持续提升管理决策效率。产供销存一体化系统架构如图2所示。

3.1 数据采集和抽取

数据采集模块依托于开源的ETL数据抽取工具从供应链管理、经销商管理等业务系统中读取数据，通过数据总线（ESB），利用抽取（Extract）、交互转换（Transform）、加载（Load）等方式，将数据汇聚到数据仓库中。集成的数据抽取方式解决了系统间架构差异大的问题，实现了跨系统数据的统一采集和融合，为后续的加工建模提供数据基础。

3.2 数据标准化管理

产供销存数据标准化工作聚焦生产、质量、供应链的业务流程，识别关键数据实体和属性对象，遵循统一的业务主题分类标准，逐步梳理数据的业务属性、管理属性和技术属性，对基础数据和指标数据进行规范化编制、审核，建立制造域业务数据字典。数据标准化管理消除了数据不一致、不完整等质量问题，直观呈现了业务口径的统计逻辑，有效支撑了后续的数据应用[5]。

3.3 数据存储与处理

数据存储与处理引入开源数据仓库（Greenplum），采用大数据并行处理（MPP）架构和负载均衡分布策略，汇聚数据操作层（ODS），构建面向产供销存主题的数据仓库层（DW）和数据集市层（DM）[6]，实现了生产、质量、供应链等业务主题数据的分类和汇总，平衡了大数据处理能力和用户性能，为业务提供了高效即席查詢、联机分析处理（OLAP）和数据分发服务。

3.4 数据可视化应用

数据可视化应用基于产供销存的数据仓库和数据集市，辅助生产目标填报模块，直连帆软（Finereport）模板设计器，在网页端、移动端按业务域展示了经营管理和运营分析情况，进而具象化指导运营管理决策[7-9]。

经营管理层面，通过跨领域业务数据融合，打造一站式决策支持的制造驾驶舱。决策层可清晰地了解核心KPI指标，快速全方位了解订单、生产和发运等环节的当前进展和目标达成情况。制造域驾驶舱如图3所示。

运营分析层面，通过生产订单监控日报自动生成明细订单情况，建立多维度的订单可视化看板。以图形方式清晰化展现全局状况，平台每日生成T-1日业务线日报，自动获取系统数据，准确反馈达产状况，实现精细化运营。订单可视化如图4所示。

4 结语

生产制造是企业的关键，产品的制造效率会极大影响车辆的下单到交付的整体效率，所以对生产环节的数字化监控必不可少。M车企产供销存项目通过搭建覆盖生产、质量、供应链一体化的数据应用平台（DAP），统一了平台、数据、管理，实现了以数据为核心开展生产运营，一改以往的“以经验为导向解决问题”的局面。通过跨业务域数据的应用和共享，实现数据的高效融合，有效推进制造域的数字化升级。结合以上的实践经验，沉淀了数据标准管理工具和知识库，形成了适用于全公司范围的数据标准体系，促进公司级数据应用和挖掘工作的有序开展。

在后续的制造数字化建设工作中，M车企还将继续坚持以问题为导向，在深入智能制造应用场景的同时，结合人工智能、机器学习和数字孪生等数字技术，双轮驱动制造数据应用的广度和深度。

参考文献：

[1]王楚.DZ汽车公司制造数字化战略研究[D].长春：吉林大学，2022.

[2]唐湘民.汽车企业数字化转型：认知与实现[M].北京：机械工业出版社，2022.

[3]栗志慧，张雪泽，刘洁.北汽集团数字化创新体系构建研究[J].合作经济与科技，2022（22）：110-113.

[4]孟文霞.基于政府数据中心的数据治理与可视化应用[D].广州：华南理工大学，2020.

[5]祝守宇，蔡春久.数据治理：工业企业数字化转型之道[M].北京：电子工业出版社，2020.

[6]常有学.基于智能制造的数据仓库的设计与实现[D].南昌：南昌大学，2020.

[7]王文信，杨扬.数据生产力：企业BI项目建设与运营[M].北京：电子工业出版社，2020.

[8]张瑞东，康龙.大数据在车间制造管控过程中的可视化应用[J].航空动力，2020（5）：70-72.

[9]张盈盈，李萌，许林，等.缝制电控制造数据可视化平台的设计与应用[J].自动化仪表，2022，43（5）：71-74.

作者简介：

冯文涛，男，1979年生，工程师，研究方向为数据在制造企业的应用。

范伟亮（通讯作者），男，1990年生，工程师，研究方向为数字化在制造企业的应用。