banner
大数据平台>新闻与活动>制造业大数据应用

制造业大数据如何创造高价值生产 ——五大场景八大案例深度解析

作者: 永洪科技来源: 未知时间:2017-03-08 19:53:43

 

众所周知大数据和分析软件对现代产业有巨大影响。行业先驱如谷歌,特斯拉,优步等将大数据广泛应用于市场开拓,客户关系管理,供应链优化以及市场细分上,效果显著。根据IDC研究显示,到2019年,大数据分析的收入将达到1870亿美元,在2015年这个数字还只有1220亿美元,这其中制造业的获益将十分明显,到2019年有望达到390亿美元。事实上,制造业的发展从工业时代起已经取得了很大的进步。以前制造过程既缓慢又乏味,一次也只能生产少量的产品。20世纪早期,装配线的发明意味着制造业革命的开始,成熟的制造业流程由此传遍全球各地。

 

IT行业在制造业的革命过程中发挥了巨大的作用。自动化的流程和机械化产生了大量数据生产业务数据,但大多数制造业者并不能很好的使用这些海量数据。例如:为找到生产缺陷的部分,工厂传感器能沿着装配线扫描出千上万的数据点。将这些数据点导入分析软件,可获得改善制造过程和提高生产率的有价值信息。这些价值都是显而易见的,包括:

 

降低成本。大数据能够帮助改变工艺制造的方式。数据能帮助降低生产过程中的成本。数据分析还可以降低运输,包装,仓储的花费,库存成本应而大大降低。

 

提高质量和安全性。很多制造业公司现在使用电脑传感器,在生产过程中通过装配线过滤掉低质量的产品。通过合适的软件分析,公司可以使用这种传感器产生的数据来提高产品的质量和安全性,而不是简单地丢弃低质量的产品。很多汽车制造商在生产之前,会利用大量的数据通过软件分析去生产仿真模型。当汽车进入市场之前,这些模型能帮助减少风险和提高汽车的质量。

 

提高工作效率。制造型企业也能够使用大数据去提高管理能力和员工的工作效率。大数据分析能用来研究生产车间的错误率,通过这些信息来评估员工在哪些地方表现良好以及在哪里地方表现不够好。同样一套大数据软件和数据信息能用来提高生产车间的速度,尤其是工作量很大的工厂。使用大数据分析还能帮助管理者甄别产品。

 

更好的合作。基于IT信息化的数据收集和数据分析有一个巨大优势就是改善集团内部信息处理的能力。数据与信息、管理、工程、质量控制、机器运营结合的工作流,让团队在工作中能够发挥更好的工作效果。在数据驱动的环境下快速的反馈机制,便于每个员工能根据情况及时调整工作行为。

 

制造业的大数据分析系统指的是使用一个常规的数据分析模型和高级的分析工具将结构化的业务数据例如库存和财务数据与结构化的运营数据例如告警,流程参数以及质量动态和非结构化的内部与外部数据包括客户、供应商、网络以及机器数据结合,用于企业揭示新的分析洞察。企业智能制造则意味着:有别于传统的方式即现在多数制造厂商对制造数据处理的方式,而是通过企业已有的MES(物料需求计划系统)、EMI(电子元器件测试系统)系统数据和历史数据来实现对数据的采集和分析呈现。

 

以下我们通过五个应用场景和八个案例来看看大数据分析应用可以帮助制造业提升哪些价值。

 

大数据在制造业的应用案例

大数据的应用在各行各业,例如零售业,医疗健康,金融服务,政府等。每个公司都可以从大数据中受益。所有的大数据项目都从一个可行的案例开始,这里介绍八个关于制造业使用大数据的案例。

 

1.改善制造业的生产流程

 

说明:对机器的性能测量和可追踪性变成可能。通过在生产中心给所有的机器安装传感器,让生产经理们得到每个部分及时可见的操作情况。通过深度分析还能帮助了解生产质量和培训每个机器和操作者的差异性。大数据的运用对流水线作业的生产型企业来说价值无限,并且这种情况在现在变得越来越普及。对机器生产来说,需要量化和可视化每天的产能对公司财务表现的影响。大数据和深度分析将为制造商们展现出那些缺失的关联,那些使日常生产行为与财务表现一致的关联。使生产计划者和高级管理人员知道在机器层面如果设施运转正常,那该如何最大化产能。

 

案例1:某生物医药公司产能因素分析

在生物制药领域通常需要通过监测超过200个变量来保证成分的纯度和以及成分物质在生产时保持的柔度。对生物制药来说,有一个非常难处理的问题是在没有显著原因的情况下,产量也有可能产生50%到100%的差异。项目小组将整个生产过程分成了不同的流程组。通过使用大数据分析,小组通过测试流程间的相互依赖关系找到了9个对产量有直接影响的因素。而利用深度分析,基于修改目标流程和不断的分析洞察,他们最终增加了50%的疫苗产量,这与单一的疫苗生产相比每年为制造商节省了500万到1000万美元的成本。

 

案例2: 芜湖格力生产效率分析

 

1 永洪助力芜湖格力MES生产效率分析

 

 

之前芜湖格力很多物料的短缺是靠人工去一一核实和查询,虽然系统有MRP(物料需求计划系统在运行,但是数据量庞大而明细指标繁杂,业务人员进行具体数据分析时往往需要IT人员配合建模、计算等,一份报表的分析通常费时耗力。而现在,永洪科技帮助芜湖格力通过MES和MPR采集的系统数据,可连接Yonghong Z-Suite进行实时的多维分析。例如,物料齐套检查这项工作,以前需要点对点针对相关人员进行排查,而现在检查的结果是在分析平台实时展现,指标体系更可以根据情况灵活调整,IT人员的工作效率提升了30%以上。

 

2.定制产品设计

说明:只卖高利润的定制产品的和按需生产的产品会对生产造成一定影响。对许多复合型生产商来说,定制和按需生产会带来更高的毛利润,但同样,如果生产流程没有很好的规划会导致成本的指数级增长。使用深度分析,制造商们可以在销售的同时发现在按需生产的环节配置中哪个环节他们可以在目前的生产计划中将影响控制到最小,比如人员配置和车间配备的程度等。

 

案例3:某大型制造公司精益生产

Tata咨询公司展示了一个依靠定制生产创造了20亿美元销售业绩的真实案例。通过使用大数据分析制造商可以对客户的复购行为进行分析。这对制造商去理解如何及时发货和创造利润提供了更好的指导。很多的数据分析是围绕如何确保销售合同的签订为目标。这些公司有大数据分析能力的公司也同样有能力转向精益化生产,通过分析去区分出哪种产品是符合标准的,哪些是需要报废的。

 

案例4:红领服装定制

而在国内,红领集团的案例可以带给我们更多思考。以数据为生产驱动,网络设计、下单,定制数据传输全部数字化。消费者定制需求通过C2M平台提交,系统自动生成订单信息,订单数据进入红领自主研发的版型数据库、工艺数据库、款式数据库、原料数据库进行数据建模,突破了人工制作版型的瓶颈。C2MCustomer to Manufactory消费者需求驱动工厂有效供给)平台在生产节点进行任务分解,以指令推送的方式将订单信息转换成生产任务并分解推送给各工位。生产过程中,每一件定制产品都有其专属的电子芯片,并伴随生产的全流程。每一个工位都有专用终端设备,从互联网云端下载和读取电子芯片上的订单信息。通过智能物流系统等,解决整个制造流程的物料流转;通过智能取料系统、智能裁剪系统等,实现个性化产品的大流水线生产。基于物联网技术,多个信息系统的数据得到共享和传输,打通了信息孤岛,打破了企业边界,多个生产单元和上下游企业通过信息系统传递和共享数据,实现整个产业链的协同生产。(案例来自红领官网)

 

3.更好的质量保证

说明:随着时间的推移,运用大数据分析可以让生产商提升质量的可见性和对供应表现预测的准确性。对这些厂商来说,通过大数据的运用和深度分析可以让他们实时的看到产品质量和运输的准确率,当他们接受那些对时间要求很高的产品订单时可以做出更好的抉择。此时,对质量标准的管理变得比对物流进程管控更加重要。

 

案例5:因特尔芯片测试

因特尔利用大数据指导处理器制造已经有一段时间了。芯片制造商需要在生产线测试每一个芯片,这意味着每个芯片要经过19000次测试。使用大数据去预测分析,英特尔能够大量的减少因质量测试要求而需要的测试次数。从晶片层开始,因特尔通过数据分析减少了生产环节中测试的次数并将重点放在了某些特定测试上。与没有大数据应用的生产线相比这帮助因特尔在生产中节省了300万美元的成本。随着大数据的在芯片生产中的进一步应用,因特尔有望另外减少3000万的成本。

 

案例6:芜湖格力生产线监控

芜湖格力之前对于现场的生产过程和质量管理都是人工将系统数据导入再利用EXCEL内置的图表处理进行简单的分析。通过与永洪的合作,IT人员开始结合更多的业务分析维度进行探索式分析和分析预测,借助大数据分析平台实现从产线、班组以及分厂多个维度各个层面来展示公司整体生产运营情况。

 

2 永洪助力芜湖格力实现数据价值

 

 

在使用了Yonghong Z-Suite大数据分析平台后,帮芜湖格力提高了在生产环节的核心竞争力,对物料、生产环节全方位监控,在提高工作效率的同时,还降低生产线残次率。

 

4.理解用户需求

说明:传统的市场调研随着互联网的普及变成用户需求洞察,手段和形式都发生了很大变化。现在企业通过内部和外部数据结合大数据分析技术,在这些千丝万缕的关系中找到最合理的优化路径,可以帮助改善现有的产品方案。

 

案例7:美的,改善产品设计打造爆款产品

有一款产品总是卖不好,而市场上竞争对手的销量却非常大。美的在通过数据跟踪后分析发现有很大的问题。

 

3 永洪助力美的优化产品,贴近用户,提高利润

 

 

美的这款产品以前是以外销为主的所以尺寸比较大,市场上的主流产品是25寸和32寸,而美的的产品是38寸,所以这个会有偏差。从功能上来说国内的用户比较讲究独特和美观,有些功能是客户进行商品选择时非常重要的决策因素。通过大数据把功能和竞争对手进行对标进行分析,就可以告诉研发部门应该做,哪些不做。对产品进行市场用户需求评测,从用户的角度,通过用户的心声做建模,再通过数据可视化展现(Yonghong Z-Suite产品)来看说用户到底想要什么。

 

5.市场竞争分析

 

说明:大数据分析的应用将帮助制造型企业更好的了解市场状况和竞争格局,通过与竞品的对标分析,可以帮助企业更好的设计产品,分布销售渠道,了解市场价格反馈,制定新的营销策略。那些很好地理解并且擅长利用大数据的组织,将有可能实现持续性的创新、保持敏捷性并且持久改善盈利状况。

 

案例8 海尔零售市场分析

 

 

 

4 永洪助力海尔分析零售市场状况

 

海尔在产品设计阶段,借助永洪大数据分析平台对产品的市场竞争情况进行了全面的分析,通过对市场份额、增减情况、主要竞争对手的深入分析,帮助海尔更准确的进行自我定位、密切监控市场变动、时刻掌控竞争对手的市场动态,进而占据市场先机。

 

该项目涵盖海尔冰箱、冰柜、洗衣机、空调、油烟机、燃气灶、热水器、电视机等八大产业,从市场份额、行业竞争态势、市场移动、同比环比等方面进行全局分析,从畅销品牌、产品结构对比、各级市场品牌分布等方面进行产品分析,还通过价格趋势分析、营销渠道分析、品牌市场分析等专题分析进行辅助。从而真正的对市场及竞争对手做到了全方位、多角度的大数据分析。

 

总结

在我国提出的《中国制造2025》中,云计算、物联网和大数据作为新一代的信息技术,成为两化融合的关键技术。无论是工业4.0、工业互联网还是《中国制造2025》,智能制造是共同目标,工业互联网是基石,大数据是引擎。当前,如何充分挖掘工厂中数据的价值,通过对制造大数据进行分析,提升数字化工厂运行效率,已成为制约数字化工厂向智慧工厂发展的瓶颈。大数据作为新一代信息技术的关键,逐渐成为新一轮产业革命的核心。从我们以上的应用案例中可以看到,实现以数据感知、数据处理分析、制造过程决策与支持、数据可视化技术为核心的智慧工厂已经成为趋势,大数据产业链及技术体系逐渐成熟,大数据必将加速数字工厂向智慧工厂的转型。

 

 

 

 

 

banner
看过还想看
可能还想看
热点推荐
Yonghong的价值观:以卓越的数据技术为客户创造价值,实现客户成功。