【压缩机网】长期以来，不管是企业管理还是市场运营，我们总是更多的关注通过各项数据、信息分析得出的最终结果，而忽略了得出结果的基础数据，其实分析结果准确与否，很大程度上取决于基础数据。基础数据的定义、取得方式及存储等，是一切分析的来源，也是一切决策的依据。当分析模型失真的时候，还可以通过调整分析模型去减小误差，而当基础数据失真的时候，一切分析的结果都不可信，即便通过修改分析模型也无法得到正确的结论。
工业大数据的分类、提取与作用
《中国制造2025》提出，未来我国工业发展要向着智能化转变，而工业大数据的发展是一个重要的推动因素。工业大数据的提取、存储与分析，是传统工厂向数字工厂转变的基础。因此，对工业企业来说，每一个数据都弥足珍贵。
具体来看，工业大数据的价值属性实质上是基于工业大数据采集、存储、分析等关键技术，对工业生产、运维、服务过程中数据实现价值的提升或变现。工业大数据的产权属性则偏重于通过管理机制和管理方法帮助工业企业明晰数据资产目录与数据资源分布，确定所有权边界，为其价值的深入挖掘提供支撑。
下面，我们从压缩机行业离散型工厂智能化转变的实际案例出发，对工厂的工业大数据的分类、提取与作用进行一些简单的探讨。
苏州强时压缩机有限公司为典型的离散制造型企业，近年来通过自身努力，在智能化转型方面做出了一些探索。从探索的经验来看，在实现工厂智能化之前，先要实现信息化，而信息化的基础就在于对数据的归纳、整理和分类，从而让信息化取得的信息能对工厂的管理、决策，起到应有的作用，最终让AI替代人工决策，从而实现工厂的智能化。
左图列举了工厂的部分类型数据（按组织架构枚举）。
左图是按组织架构做的一些枚举，这些数据在整个工厂的运作中起到至关重要的作用。但具体能起到什么作用，可以从另一个维度去思考这些数据，这就是价值链——我们需要做某个判断，某个决策，需要哪些数据进行支撑。
示例1：下一年度公司的主导产品该如何去规划？
分析：要获得这个答案，我们需要以下这些数据支撑：a.历史具体到月度及每天的销售数据；b.产品类型的分类数据；c.产品的售后数据；d.财务数据，包括材料成本，制造成本等，这里体现的是每类产品的盈利能力。
有了上述数据，就可以做基本分析：找出上一年度，销售额高、质量稳定、盈利能力强的某一类产品，同时也就有了公司下一年度重点产品的方向。当然，为了达成目标，所需的数据可能远远不止上述数据，这里详细解释下上述所需数据的构成。
（1）销售数据：销售数据需要明确客户，单价，发货时间，回款情况，客户所在区域等信息。
（2）产品类型分类数据：当公司的产品规格较多的时候，一定要对产品进行属性分类，具体到螺杆式空压机而言，排量、功率、单双级、工频、变频、电机油冷、风冷等等属性，越详细越好。后期可以根据这些属性，叠加销售数据，然后分析出畅销产品及滞销产品，从而实现真正意义上的MTO（按客户订单生产）和ETO（按设计生产）。这可以有效减少重复或类似规格，我们也可以将这些信息展示给客户，让客户可以按需选择，从而最终达成机型减少、库存减少、资金周转率提高的目的。
（3）产品的售后数据：这类数据主要用于售后成本分析，产品质量分析等。这里需要取出故障类型、故障原因、解决处理办法、处理成本、支付方式等内容。
（4）财务数据：包括机型材料成本、售价、制造成本、管理费用等等多方面内容，产品的盈利能力分析需要参考这些数据。
综合而言，上述数据的属性整理相当重要，属性分析的是否合理，直接影响到后期数据的分析，而数据分析结果将影响到公司决策层的决策。
示例2：工厂的制造效率是否在稳步提升？
螺杆空压机整机制造同行在互相交流的时候，经常会问：你有多少装配工人？每月出多少台机器？这样问其实也无可厚非。不过，每月产出22kW以下机型1000台，和每月产出132kW机型100台相比，产出台数相差10倍，但销售额可能相差无几。强时公司经过对比分析，认为以机型标称功率为统计单位更为合理，辅助统计台数，综合计量每日产出。
在制造效率方面，强时统计以下具体数据：当日制造部门投入的人力、人力工作时长、制造部门月度薪酬支出、当日产出kW数、当日产出台数、当日检测合格数等数据，通过设计统计模型，可及时得出实时效率。决策者通过实时的效率曲线，可一目了然的判断制造效率是否在稳步提升。
示例3：供应商如何评价？
螺杆空压机整机制造工厂对供应商的评价采用了各种方法，但无外乎是从质量水平、交货能力、价格水平、技术能力、售后服务、人力资源、现有合作状况等几个维度去评价。相比前几个示例而言，示例3的数据提取稍显抽象，但其实仔细思考一下，数据的提取并不困难。
（1）质量水平：这个数据依赖于来料检验，过程制造中的质量反馈，以及产成品的售后情况，可以从次数，严重程度、单位批次的频次等方面去考虑。
（2）交货能力：可以从及时交货次数，提前交货的天数，延后交货的天数等方面去提取数据。
（3）价格水平：从同类型的供应商进行价格记录并比对即可。
（4）技术能力：可以从供应商获得的专利数量，专业技术人员人数等方面去考虑。
（5）售后服务：从供应商的反应时效，完成售后服务的用时，服务次数等方面考虑。
（6）人力资源：供应商对应服务的各部门人数，素质等方面考虑。
（7）现有合作状况：历史订单数，订单金额占比等方面考虑。
上述部分数据，必须以可以量化的数据进行记录，比如供应商人员素质这个指标，可以自定义级别，以级别方式量化，并对级别进行解释。
规划并完成上述数据的记录后，即可进行建模，以不同模块占不同的权重为基础，进行数据统计与分析，从而综合得出供应商的评价得分，最终进行合作决策判断。
正视数据 重视数据 用好数据
在工厂的运作中，每天会产生海量的数据，但大多数企业并没有重视数据的力量，在做决策的时候，总是凭直观感觉，这是不可取的。这些海量的数据是企业的巨大财富，当我们正视这些数据，重视这些数据时，会对工厂的经营与发展起到极为重要的推动作用。
大量数据的采集、处理并非传统的纸质手段、简单的办公自动化手段可以解决，尽量采用信息化手段，是解决问题的根本办法。在这个探索过程中，工厂的信息化、智能化也趋于完善。比如能源消耗数据的提取，强时初期使用简单的记录办法，安排专人每天记录当天电能总消耗，发现数据的准确性、及时性不好，并且耗费大量的人工。为此，强时开发了工厂能源监控系统，安装智能电表、智能水表、噪音传感器、温度传感器等，通过集线器将采集的数据转换成网络信号，传输至云端，实时记录数据，并通过强时智造app进行分析展示。在这个革新过程中，强时已经不知不觉的完成了工厂能源监控的数字化、智能化转型。
没有一种办法能吃遍天下，因经营思路、经营策略的不同，不同的工厂面临不同问题，但对待数据的态度，体现了一个工厂的管理能力。在对数据进行归纳、整理、分析的时候，一定要理清思路，看是从哪个维度去考虑，是以组织结构为出发点，还是以价值链为出发点？个人认为，以价值链为出发点更能解决实际问题，毕竟，当为了得出某个问题的分析结果，而努力去构建数据构成的时候，其实也是会去不断思考管理的方法与手段。当我们一个一个问题解决完了之后就会发现，从传统工厂到数字工厂的转变已经初具规模。
来源：本站原创
工业大数据的分类、提取与作用
《中国制造2025》提出，未来我国工业发展要向着智能化转变，而工业大数据的发展是一个重要的推动因素。工业大数据的提取、存储与分析，是传统工厂向数字工厂转变的基础。因此，对工业企业来说，每一个数据都弥足珍贵。
具体来看，工业大数据的价值属性实质上是基于工业大数据采集、存储、分析等关键技术，对工业生产、运维、服务过程中数据实现价值的提升或变现。工业大数据的产权属性则偏重于通过管理机制和管理方法帮助工业企业明晰数据资产目录与数据资源分布，确定所有权边界，为其价值的深入挖掘提供支撑。
下面，我们从压缩机行业离散型工厂智能化转变的实际案例出发，对工厂的工业大数据的分类、提取与作用进行一些简单的探讨。
苏州强时压缩机有限公司为典型的离散制造型企业，近年来通过自身努力，在智能化转型方面做出了一些探索。从探索的经验来看，在实现工厂智能化之前，先要实现信息化，而信息化的基础就在于对数据的归纳、整理和分类，从而让信息化取得的信息能对工厂的管理、决策，起到应有的作用，最终让AI替代人工决策，从而实现工厂的智能化。
左图列举了工厂的部分类型数据（按组织架构枚举）。
左图是按组织架构做的一些枚举，这些数据在整个工厂的运作中起到至关重要的作用。但具体能起到什么作用，可以从另一个维度去思考这些数据，这就是价值链——我们需要做某个判断，某个决策，需要哪些数据进行支撑。
示例1：下一年度公司的主导产品该如何去规划？
分析：要获得这个答案，我们需要以下这些数据支撑：a.历史具体到月度及每天的销售数据；b.产品类型的分类数据；c.产品的售后数据；d.财务数据，包括材料成本，制造成本等，这里体现的是每类产品的盈利能力。
有了上述数据，就可以做基本分析：找出上一年度，销售额高、质量稳定、盈利能力强的某一类产品，同时也就有了公司下一年度重点产品的方向。当然，为了达成目标，所需的数据可能远远不止上述数据，这里详细解释下上述所需数据的构成。
（1）销售数据：销售数据需要明确客户，单价，发货时间，回款情况，客户所在区域等信息。
（2）产品类型分类数据：当公司的产品规格较多的时候，一定要对产品进行属性分类，具体到螺杆式空压机而言，排量、功率、单双级、工频、变频、电机油冷、风冷等等属性，越详细越好。后期可以根据这些属性，叠加销售数据，然后分析出畅销产品及滞销产品，从而实现真正意义上的MTO（按客户订单生产）和ETO（按设计生产）。这可以有效减少重复或类似规格，我们也可以将这些信息展示给客户，让客户可以按需选择，从而最终达成机型减少、库存减少、资金周转率提高的目的。
（3）产品的售后数据：这类数据主要用于售后成本分析，产品质量分析等。这里需要取出故障类型、故障原因、解决处理办法、处理成本、支付方式等内容。
（4）财务数据：包括机型材料成本、售价、制造成本、管理费用等等多方面内容，产品的盈利能力分析需要参考这些数据。
综合而言，上述数据的属性整理相当重要，属性分析的是否合理，直接影响到后期数据的分析，而数据分析结果将影响到公司决策层的决策。
示例2：工厂的制造效率是否在稳步提升？
螺杆空压机整机制造同行在互相交流的时候，经常会问：你有多少装配工人？每月出多少台机器？这样问其实也无可厚非。不过，每月产出22kW以下机型1000台，和每月产出132kW机型100台相比，产出台数相差10倍，但销售额可能相差无几。强时公司经过对比分析，认为以机型标称功率为统计单位更为合理，辅助统计台数，综合计量每日产出。
在制造效率方面，强时统计以下具体数据：当日制造部门投入的人力、人力工作时长、制造部门月度薪酬支出、当日产出kW数、当日产出台数、当日检测合格数等数据，通过设计统计模型，可及时得出实时效率。决策者通过实时的效率曲线，可一目了然的判断制造效率是否在稳步提升。
示例3：供应商如何评价？
螺杆空压机整机制造工厂对供应商的评价采用了各种方法，但无外乎是从质量水平、交货能力、价格水平、技术能力、售后服务、人力资源、现有合作状况等几个维度去评价。相比前几个示例而言，示例3的数据提取稍显抽象，但其实仔细思考一下，数据的提取并不困难。
（1）质量水平：这个数据依赖于来料检验，过程制造中的质量反馈，以及产成品的售后情况，可以从次数，严重程度、单位批次的频次等方面去考虑。
（2）交货能力：可以从及时交货次数，提前交货的天数，延后交货的天数等方面去提取数据。
（3）价格水平：从同类型的供应商进行价格记录并比对即可。
（4）技术能力：可以从供应商获得的专利数量，专业技术人员人数等方面去考虑。
（5）售后服务：从供应商的反应时效，完成售后服务的用时，服务次数等方面考虑。
（6）人力资源：供应商对应服务的各部门人数，素质等方面考虑。
（7）现有合作状况：历史订单数，订单金额占比等方面考虑。
上述部分数据，必须以可以量化的数据进行记录，比如供应商人员素质这个指标，可以自定义级别，以级别方式量化，并对级别进行解释。
规划并完成上述数据的记录后，即可进行建模，以不同模块占不同的权重为基础，进行数据统计与分析，从而综合得出供应商的评价得分，最终进行合作决策判断。
正视数据 重视数据 用好数据
在工厂的运作中，每天会产生海量的数据，但大多数企业并没有重视数据的力量，在做决策的时候，总是凭直观感觉，这是不可取的。这些海量的数据是企业的巨大财富，当我们正视这些数据，重视这些数据时，会对工厂的经营与发展起到极为重要的推动作用。
大量数据的采集、处理并非传统的纸质手段、简单的办公自动化手段可以解决，尽量采用信息化手段，是解决问题的根本办法。在这个探索过程中，工厂的信息化、智能化也趋于完善。比如能源消耗数据的提取，强时初期使用简单的记录办法，安排专人每天记录当天电能总消耗，发现数据的准确性、及时性不好，并且耗费大量的人工。为此，强时开发了工厂能源监控系统，安装智能电表、智能水表、噪音传感器、温度传感器等，通过集线器将采集的数据转换成网络信号，传输至云端，实时记录数据，并通过强时智造app进行分析展示。在这个革新过程中，强时已经不知不觉的完成了工厂能源监控的数字化、智能化转型。
没有一种办法能吃遍天下，因经营思路、经营策略的不同，不同的工厂面临不同问题，但对待数据的态度，体现了一个工厂的管理能力。在对数据进行归纳、整理、分析的时候，一定要理清思路，看是从哪个维度去考虑，是以组织结构为出发点，还是以价值链为出发点？个人认为，以价值链为出发点更能解决实际问题，毕竟，当为了得出某个问题的分析结果，而努力去构建数据构成的时候，其实也是会去不断思考管理的方法与手段。当我们一个一个问题解决完了之后就会发现，从传统工厂到数字工厂的转变已经初具规模。
来源：本站原创
网友评论
条评论
最新评论