京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据技术助阵 传统产业迈向智能制造时代
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
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。
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
在数据工作的全流程中,数据清洗是最基础、最耗时,同时也是最关键的核心环节,无论后续是做常规数据分析、可视化报表,还是开展 ...
2026-03-20在大数据与数据驱动决策的当下,“数据分析”与“数据挖掘”是高频出现的两个核心概念,也是很多职场人、入门学习者容易混淆的术 ...
2026-03-20在CDA(Certified Data Analyst)数据分析师的全流程工作闭环中,统计制图是连接严谨统计分析与高效业务沟通的关键纽带,更是CDA ...
2026-03-20在MySQL数据库优化中,分区表是处理海量数据的核心手段——通过将大表按分区键(如时间、地域、ID范围)分割为多个独立的小分区 ...
2026-03-19在商业智能与数据可视化领域,同比、环比增长率是分析数据变化趋势的核心指标——同比(YoY)聚焦“长期趋势”,通过当前周期与 ...
2026-03-19在数据分析与建模领域,流传着一句行业共识:“数据决定上限,特征决定下限”。对CDA(Certified Data Analyst)数据分析师而言 ...
2026-03-19机器学习算法工程的核心价值,在于将理论算法转化为可落地、可复用、高可靠的工程化解决方案,解决实际业务中的痛点问题。不同于 ...
2026-03-18在动态系统状态估计与目标跟踪领域,高精度、高鲁棒性的状态感知是机器人导航、自动驾驶、工业控制、目标检测等场景的核心需求。 ...
2026-03-18“垃圾数据进,垃圾结果出”,这是数据分析领域的黄金法则,更是CDA(Certified Data Analyst)数据分析师日常工作中时刻恪守的 ...
2026-03-18在机器学习建模中,决策树模型因其结构直观、易于理解、无需复杂数据预处理等优势,成为分类与回归任务的首选工具之一。而变量重 ...
2026-03-17在数据分析中,卡方检验是一类基于卡方分布的假设检验方法,核心用于分析分类变量之间的关联关系或实际观测分布与理论期望分布的 ...
2026-03-17在数字化转型的浪潮中,企业积累的数据日益庞大且分散——用户数据散落在注册系统、APP日志、客服记录中,订单数据分散在交易平 ...
2026-03-17在数字化时代,数据分析已成为企业决策、业务优化、增长突破的核心支撑,从数据仓库搭建(如维度表与事实表的设计)、数据采集清 ...
2026-03-16在数据仓库建设、数据分析(尤其是用户行为分析、业务指标分析)的实践中,维度表与事实表是两大核心组件,二者相互依存、缺一不 ...
2026-03-16数据是CDA(Certified Data Analyst)数据分析师开展一切工作的核心载体,而数据读取作为数据生命周期的关键环节,是连接原始数 ...
2026-03-16在用户行为分析实践中,很多从业者会陷入一个核心误区:过度关注“当前数据的分析结果”,却忽视了结果的“泛化能力”——即分析 ...
2026-03-13在数字经济时代,用户的每一次点击、浏览、停留、转化,都在传递着真实的需求信号。用户行为分析,本质上是通过收集、整理、挖掘 ...
2026-03-13在金融、零售、互联网等数据密集型行业,量化策略已成为企业挖掘商业价值、提升决策效率、控制经营风险的核心工具。而CDA(Certi ...
2026-03-13在机器学习建模体系中,随机森林作为集成学习的经典算法,凭借高精度、抗过拟合、适配多场景、可解释性强的核心优势,成为分类、 ...
2026-03-12在机器学习建模过程中,“哪些特征对预测结果影响最大?”“如何筛选核心特征、剔除冗余信息?”是从业者最常面临的核心问题。随 ...
2026-03-12