
大数据技术助力传统产业走向智能制造时代
有人认为传统产业对大数据技术的应用会非常落后,但作为传统家电制造企业来说,格力掌门人董明珠也曾表示,既然格力可以掌握空调的现状,也可以预知未来,还可以做数据分析判断等。在格力的经营理念中也明确写到“一个没有创新的企业是没有灵魂的企业”。格力在大数据应用上的探索已经初具成果。他们对科技潮流的把握非常敏锐,在大数据时代它更是以实际成功证明了大数据不仅可以与传统产业结合,而且还能以更智能的方式促进传统产业的发展。
格力集团董事长兼总裁董明珠在接受记者采访时曾表示,格力生产空调看起来是传统行业,但实际上也运用了大数据思维。“我们用互联网、大数据做空调,格力空调运行得怎么样,我们在珠海就可以监控到相关数据。”而事实上,除了珠海格力,作为格力集团生产出口基地的芜湖格力,大数据的运用也早已投入到生产运营的各个环节,今天我们就一起走进芜湖格力,感受一下大数据在智能制造领域发挥的价值。
格力电器(芜湖)有限公司(以下简称“芜湖格力”)在2012年筹备期间便开始了ERP(企业资源计划系统)、MES(制造企业生产过程执行系统)的实施之旅,相关数据展示平台都由IT部门自主研发,经过3年时间的数据累积,在数据分析环节使用过水晶报表等一系列分析平台,数据分析的过程需要由技术人员操作,流程复杂,时效性差,对业务支持有限。而面对业务流程中不断递增的分析需求,以及业务决策的效率要求,需要一款支持多源业务数据整合,敏捷操作以及可视化展现的大数据分析软件。BI平台不仅轻松满足了这些要求,且实施周期短,对TB级到PB级数据能做到秒级响应,大大提高了业务决策的效率和价值。
芜湖格力BI项目负责人生产计划部科长谢传辉介绍,为改进工厂制造的现状,IT部门引进了BI产品,希望通过平台对这些影响生产经济效率的潜在因素进行分析,达到以下目的:1、减少物流配送过程中纸质单据,节约公司成本;2、提高备料过程管控;3、降低生产异常核实处理的时间,提高工作效率;4、降低因物料配送问题导致的生产异常。
芜湖格力的信息化系统发展分为两个阶段:流程管控和数据采集。由于生产型企业本身涉及的流程繁多,在靠人力运维的时代,只能在电脑上用EXCEL表格进行监控,经过MES(制造企业生产过程执行系统)系统的全面实施,目前已经采集到物流配送过程中的库存数据、拣选备料数据、配送执行数据和分厂接收数据,还差点检数据未采集。第一步:实现PDA点检,实现物料点检信息化,完善采集订单齐套数据。第二步:通过采集的从订单下达到物料上线生产中间一系列的操作数据,搭建一整套的信息化BI系统,实现过程的实时监控和异常预警。
生产线监控
图3芜湖格力MES生产效率分析
之前很多物料的短缺,格力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,通过MES和MPR采集的系统数据,可连接BI平台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。
质量控制
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。通过与技术方的合作,芜湖格力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。
图4芜湖格力项目价值实现杠杆
另外,业务部门从最开始不知道能不能发挥价值到后来越来越多的尝试使用,再到现在已经认可了分析价值,还会根据实际应用场景提出分析改善意见。按照目前整个平台实施的情况来看,已经解放了40%左右的IT工作量,让IT人员能减少了大量的重复工作,更好的投入到更重要的工作,比如对平台的技术支持上来。现在能够用实时客观的数据去代替人工核验流程,实现业务运转的自动化,包括自动排产、自动效率分析、错误数据预警等。这些都有赖于数据分析平台的建立。
根据平台使用的深入,谢传辉介绍,对IT部门来说价值是非常明显的。就整体业务来说,下一步会讨论如何将分析平台与原有的大数据基础平台结合增强数据处理的闭环率以及数据运行效率。另外通过在业务环节增加传感器等方式进一步做好数据采集,扩大数据分析的应用范围。对芜湖格力来说,企业数据化运营和决策刚刚起步,系统化和标准化的原则还需要行业专家的进一步指导,能为提供更多业内最佳实践的参考。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
DSGE 模型中的 Et:理性预期算子的内涵、作用与应用解析 动态随机一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明确:TIF 中的地名有哪两种存在形式? 在开始提取前,需先判断 TIF 文件的类型 —— ...
2025-09-17CDA 数据分析师:解锁表结构数据特征价值的专业核心 表结构数据(以 “行 - 列” 规范存储的结构化数据,如数据库表、Excel 表、 ...
2025-09-17Excel 导入数据含缺失值?详解 dropna 函数的功能与实战应用 在用 Python(如 pandas 库)处理 Excel 数据时,“缺失值” 是高频 ...
2025-09-16深入解析卡方检验与 t 检验:差异、适用场景与实践应用 在数据分析与统计学领域,假设检验是验证研究假设、判断数据差异是否 “ ...
2025-09-16CDA 数据分析师:掌控表格结构数据全功能周期的专业操盘手 表格结构数据(以 “行 - 列” 存储的结构化数据,如 Excel 表、数据 ...
2025-09-16MySQL 执行计划中 rows 数量的准确性解析:原理、影响因素与优化 在 MySQL SQL 调优中,EXPLAIN执行计划是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 对象的 text 与 content:区别、场景与实践指南 在 Python 进行 HTTP 网络请求开发时(如使用requests ...
2025-09-15CDA 数据分析师:激活表格结构数据价值的核心操盘手 表格结构数据(如 Excel 表格、数据库表)是企业最基础、最核心的数据形态 ...
2025-09-15Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09