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 MySQL 实际应用中,“频繁写入同一表” 是常见场景 —— 如实时日志存储(用户操作日志、系统运行日志)、高频交易记录(支付 ...
2025-10-30为帮助教育工作者、研究者科学分析 “班级规模” 与 “平均成绩” 的关联关系,我将从相关系数的核心定义与类型切入,详解 “数 ...
2025-10-30对 CDA(Certified Data Analyst)数据分析师而言,“相关系数” 不是简单的数字计算,而是 “从业务问题出发,量化变量间关联强 ...
2025-10-30在构建前向神经网络(Feedforward Neural Network,简称 FNN)时,“隐藏层数目设多少?每个隐藏层该放多少个神经元?” 是每个 ...
2025-10-29这个问题切中了 Excel 用户的常见困惑 —— 将 “数据可视化工具” 与 “数据挖掘算法” 的功能边界混淆。核心结论是:Excel 透 ...
2025-10-29在 CDA(Certified Data Analyst)数据分析师的工作中,“多组数据差异验证” 是高频需求 —— 例如 “3 家门店的销售额是否有显 ...
2025-10-29在数据分析中,“正态分布” 是许多统计方法(如 t 检验、方差分析、线性回归)的核心假设 —— 数据符合正态分布时,统计检验的 ...
2025-10-28箱线图(Box Plot)作为展示数据分布的核心统计图表,能直观呈现数据的中位数、四分位数、离散程度与异常值,是质量控制、实验分 ...
2025-10-28在 CDA(Certified Data Analyst)数据分析师的工作中,“分类变量关联分析” 是高频需求 —— 例如 “用户性别是否影响支付方式 ...
2025-10-28在数据可视化领域,单一图表往往难以承载多维度信息 —— 力导向图擅长展现节点间的关联结构与空间分布,却无法直观呈现 “流量 ...
2025-10-27这个问题问到了 Tableau 中两个核心行级函数的经典组合,理解它能帮你快速实现 “相对位置占比” 的分析需求。“index ()/size ( ...
2025-10-27对 CDA(Certified Data Analyst)数据分析师而言,“假设检验” 绝非 “套用统计公式的机械操作”,而是 “将模糊的业务猜想转 ...
2025-10-27在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22