
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
CDA数据分析师与数据指标:基础概念与协同逻辑 一、CDA 数据分析师:数据驱动时代的核心角色 1.1 定义与行业价值 CDA(Certified ...
2025-08-22Power Query 移动加权平均计算 Power Query 移动加权平均设置全解析:从原理到实战 一、移动加权平均法的核心逻辑 移动加权平均 ...
2025-08-22描述性统计:CDA数据分析师的基础核心与实践应用 一、描述性统计的定位:CDA 认证的 “入门基石” 在 CDA(Certified Data Analy ...
2025-08-22基于 Python response.text 的科技新闻数据清洗去噪实践 在通过 Python requests 库的 response.text 获取 API 数据后,原始数据 ...
2025-08-21基于 Python response.text 的科技新闻综述 在 Python 网络爬虫与 API 调用场景中,response.text 是 requests 库发起请求后获取 ...
2025-08-21数据治理新浪潮:CDA 数据分析师的战略价值与驱动逻辑 一、数据治理的多维驱动引擎 在数字经济与人工智能深度融合的时代,数据治 ...
2025-08-21Power BI 热力地图制作指南:从数据准备到实战分析 在数据可视化领域,热力地图凭借 “直观呈现数据密度与分布趋势” 的核心优势 ...
2025-08-20PyTorch 矩阵运算加速库:从原理到实践的全面解析 在深度学习领域,矩阵运算堪称 “计算基石”。无论是卷积神经网络(CNN)中的 ...
2025-08-20数据建模:CDA 数据分析师的核心驱动力 在数字经济浪潮中,数据已成为企业决策的核心资产。CDA(Certified Data Analyst)数据分 ...
2025-08-20KS 曲线不光滑:模型评估的隐形陷阱,从原因到破局的全指南 在分类模型(如风控违约预测、电商用户流失预警、医疗疾病诊断)的评 ...
2025-08-20偏态分布:揭开数据背后的非对称真相,赋能精准决策 在数据分析的世界里,“正态分布” 常被视为 “理想模型”—— 数据围绕均值 ...
2025-08-19CDA 数据分析师:数字化时代的价值创造者与决策智囊 在数据洪流席卷全球的今天,“数据驱动” 已从企业战略口号落地为核心 ...
2025-08-19CDA 数据分析师:善用 Power BI 索引列,提升数据处理与分析效率 在 Power BI 数据分析流程中,“数据准备” 是决定后续分析质量 ...
2025-08-18CDA 数据分析师:巧用 SQL 多个聚合函数,解锁数据多维洞察 在企业数据分析场景中,单一维度的统计(如 “总销售额”“用户总数 ...
2025-08-18CDA 数据分析师:驾驭表格结构数据的核心角色与实践应用 在企业日常数据存储与分析场景中,表格结构数据(如 Excel 表格、数据库 ...
2025-08-18PowerBI 累计曲线制作指南:从 DAX 度量到可视化落地 在业务数据分析中,“累计趋势” 是衡量业务进展的核心视角 —— 无论是 “ ...
2025-08-15Python 函数 return 多个数据:用法、实例与实战技巧 在 Python 编程中,函数是代码复用与逻辑封装的核心载体。多数场景下,我们 ...
2025-08-15CDA 数据分析师:引领商业数据分析体系构建,筑牢企业数据驱动根基 在数字化转型深化的今天,企业对数据的依赖已从 “零散分析” ...
2025-08-15随机森林中特征重要性(Feature Importance)排名解析 在机器学习领域,随机森林因其出色的预测性能和对高维数据的适应性,被广 ...
2025-08-14t 统计量为负数时的分布计算方法与解析 在统计学假设检验中,t 统计量是常用的重要指标,其分布特征直接影响着检验结果的判断。 ...
2025-08-14