2018年工業大數據智能化改造實踐分享.pdf

《2018年工業大數據智能化改造實踐分享.pdf》由會員分享，可在線閱讀，更多相關《2018年工業大數據智能化改造實踐分享.pdf（23頁珍藏版）》請在三個皮匠報告上搜索。

1、工業大數據智能化改造實踐分享胡濕北京云基數技術有限公司制造業轉型是中國經濟升級的壓艙石作為出口第一大國，人民幣升值、勞動力成本上升等因素使出口的“拉動作用”減弱。美元持續加息導致投資增速的放緩從長遠來看是必然的趨勢，政府主導的投資僅有短期刺激作用。中國消費市場仍有巨大的發展潛力，至2020年有望超過40萬億元人民幣，但消費的增長更多是經濟增長、城鎮化水平提升的結果。出口的“拉動作用”乏力投資增速放緩消費增長依賴于經濟增長及城鎮化水平，缺少內驅力中美貿易戰的實質是兩國制造業轉型升級的競賽面對全球市場化、產能過剩、人口紅利消失、技術外溢效應減弱等被動局面，工業企業需要提前做好準備在制造、質量、效率

2、等方面追趕并超越全球范圍內的競爭對手。企業追趕和超越的動力逐漸由需求拉動向多元化轉變。創新驅動、提質增效、供應鏈整合能力提升成為新的核心競爭力，工業大數據將在其中起到助推劑的作用。4，產品及營銷模式不忘初心：技術變革的深度融合賦能工業大數據應用1、制造業企業運營管理引發的劇變制造技術信息技術物聯網技術2、生產方式3、企業生態及供應鏈組織4、產品及營銷模式精細化、智能化管理被廣泛認可，信息化管理手段在日常管理中使用越來越多。按訂單生產取代按庫存生產，訂單預測成為新型生產方式，并顛覆傳統供應鏈的拉動方式。大數據智能化驅動的供應鏈組織，可以很大程度抵消時間延遲、信息不透明帶來的“牛尾效應”，使優秀的

3、企業生態體系更加健康、穩定。定制化生產、線上線下打通等模式創新，帶來了對于工業更高的要求，需求的不確定性及難以把握的市場趨勢，成為工業大數據的最佳應用場景之一。云計算技術大數據技術人工智能區塊鏈技術NB-IOT短距離通信：RFID,NFC長距離通信:5G高精度高速度高柔性自重構生產線/設備工業行業普遍遇到的問題遇到的問題企業繼續從原來的粗放式發展向集約型轉變企業管理成本高，效率低，信息溝通不暢等問題是國內企業快速發展的絆腳石“拳頭產品”的概念已經越來越少個性化定制、柔性化生產成為新的趨勢對于工業大數據的作用仍然不明確成本壓力巨大市場變化速度加快信息化落后缺乏變革的決心勞動力成本快速上升生產要素

4、成本偏高能源、工業原材料成本較高消費者需求定制化、個性化趨勢明顯產品生命周期越來越短產能過剩問題加劇企業管理和信息化程度還存在差距員工的經驗、知識還沒有數字化企業管理者普遍認同數字化智能化管理但缺乏變革的信心工業行業各個職能部門經常遇到的問題如何在下訂單的同時拉動整個供應鏈？如何可以給客戶提供更多選擇？銷售和客戶如何了解訂單狀態？哪一款產品到貨快？利潤高？新型號產品可靠性如何？生產產能是否穩定？銷售制造物流質量如何向銷售確認訂單的交貨期？如何和銷售一起做好訂單預測？供應商補貨不及時，無法提前確認生產計劃怎么辦？排產的訂單都不缺料嗎？設備穩定嗎？生產中如何能讓分裝、總裝協調一致？生產中發生的異常

5、如何能夠準確記錄？并且能夠和產出損失對應？小訂單太多，如何安排發貨？庫存原料的使用率如何提高？庫房無法擴建，占用率如何改善？如何避免配料下線的情況？線邊庫的零件如何管理？如何防止缺料停產？堆積的訂單大于實際產能，如何處理？如何讓質量檢測結果和產品關聯？如何通過信息化手段提高員工的質量意識？如何對零件質量異常進行預警？避免長時間的停線或缺陷產品發給客戶。如何避免來料質量問題反復發生？為何如此多的加班檢驗？舉例:訂單驅動的裝備制造型企業（ETO/MTO）常見問題交付能力差企業對于挖掘“數據金礦”的重視程度不夠訂單排產不均衡，出現加班與輪休安排在短時間內共存的怪現象。原材料庫房占用率高但仍然齊套性差

6、質量問題嚴重，下線一次合格率低、三包投訴率高效率損失嚴重且無法準確計量缺少全供應鏈異常預警、報警響應機制1，部門之間通過表單溝通，部門壁壘仍然存在。2，流程停留于紙面，分析來源于于記憶，預測依賴于經驗。3，“經驗排產”、“響應排產”、“多次排產”、“缺件上線”普遍存在，制造端和銷售端疲于應付。4、生產過程中發生質量問題、設備問題，仍然以“處理”為目的，“重復發生”比比皆是。碎片化的信息系統使企業在信息傳遞中遇到很多問題銷售庫房質量生產客戶技術調度MESBOMIQC/PQCWMSSCMCRM相互獨立的多個信息孤島，數據缺少多維互通生產陷入“確認-排產-中斷-再確認”的循環中消費者庫房銷售調度生產

7、物流采購“四次排產”的實際案例一次排產（生產前810天）二次排產（生產前3天）三次排產（生產前1天）臨時調整（生產中）云英工業大數據產品體系云英工業大數據運營中心經營分析生產研發售后IT開發服務運維管理權限管理狀態監控與故障診斷新能源電池效率改善客戶滿足率管理定制化研發BOM變更管理可靠性優化工藝參數調優質量管理成本管理設備管理智能倉庫智能訂單排程采購分析銷售管理及預測財務分析人力資源管理固定資產分析云英工業大數據產品體系多終端立體管理體系生產車間異?？梢暬笃粒üの还澟幕o助工具）生產車間綜合情況移動端管理應用為滿足客戶快節奏、準確性的數據信息要求，云英為客戶定制化建立多終端立體管理體系，保

8、障信息的傳遞效率。云英工業大數據解決方案架構數據資產管理平臺系統運維監控中心工業大數據應用工業算法庫業務模型工業通用模型模型API工業參數優化挖掘模型機器學習部署管理良品率模擬生產監控貨物調撥備品備件調撥新品立項模擬客戶洞察智能協同研發預防性維護與服務提高良品率產品智能維護降低損耗需求/銷量預測分析模型庫數據產品數據審查數據API工業統一數據模型數據CUBE分析模型庫大數據平臺批處理/交互式計算引擎Map-ReduceSparkSparkSparkSpark統一資源調度系統MESOS/YARN分布式存儲系統HDFSSQL計算MySQL/NewSQL數據集成數據轉換、處理與集成工業終端數據采集工

9、業流式數據采集批量數據采集網絡爬蟲流計算引擎消息隊列Kafka流式計算Storm圖計算引擎Pregel 框架GraphLab 框架源數據工業視頻工業傳感器工業文本數據社交網絡工業設備日志CRMMESERP云英工業云計算平臺云英工業大數據智能改造路徑圖集團總部智能化轉型戰略設計事業部/子公司數字化工廠建設數字化工廠建設數字化車間/組織建設數字化團隊培養與融合制定35年工業大數據智能化改造規劃結合集團戰略，與事業部協同規劃、實施以現狀為基礎，做好深入診斷快速建立“標桿車間”，為客戶創造真實商業價值將客戶當做合作伙伴，妥善處理改造過程中的“抵觸情緒”，培養工業大數據團隊核心工作戰略調研評估規劃調研/

10、診斷規劃實施調研/診斷規劃實施調研/診斷規劃實施調研/診斷規劃實施高管中層管理骨干團隊員工員工云英工業大數據智能化轉型路徑圖調研/診斷項目規劃項目實施工業大數據改造項目周期中的關鍵節點融合現有基礎并非一定“從0到1”深入調研定制化解決方案快速部署協助企業把握先發優勢妥善處理變革中的抵觸情緒以客戶的實際商業價值作為改造的目標制定最符合客戶價值的數字化改造方案。關注企業所關注的：如新興行業的新產品銷量預測成熟行業的產品一致性勞動密集型企業中的人員工時產出快消行業的全供應鏈透明化管理快速建立標桿數字化車間“示范效應”，以能力建設為初期項目核心目標之一。主導企業各層次數字化人才培養，促進人員自主管理數

11、字化業務流程和績效體系通過培訓、宣導等方法，結合流程化、標準化管理，配合企業主動消除員工對于數字化改造的抵觸情緒。在企業現有IT系統架構上對癥下藥，以整合數據資源為手段，轉變管理架構、理念，優化配置企業資源。滿足企業發展的節奏要求?？焖俨渴疬m合的數字化工具。以全球化的視野，對標最佳實踐。實踐案例分享-1：光學膜行業以效果為目標降低損耗應用損耗優化目標提高良品率應用*提升良率模擬裁切應用 使新的商業模式成為可能經營分析應用 直接減少人力成本 間接影響價值ERP系統WMS系統MES系統外部導入ASPEN系統AOI系統CCD系統.經營駕駛艙感知層智知平臺智用平臺數據源大數據應用數據存儲計算平臺數據分

12、析平臺數據采集平臺數據開放數據工廠數據挖掘與算法數據模型圖計算引擎流計算框架內存計算引擎分布式計算框架互聯網絡工業互聯光學膜屬于LCD產業鏈的上游材料環節，是制造液晶面板的重要原材料之一，2014-2016年行業產值持續增長，規模已超百億美金；客戶企業是光學膜行業頭部廠商，希望通過云英工業大數據智控平臺降本生效。模擬良品率損耗率管理良品率管理生產分析數據可視化海量非結構化數據海量結構化數據批量數據采集實時數據多媒體數據采集產線流數據采集數據管理平臺運維管理平臺數據可視化智采平臺實踐案例分享-1:技術攻關海量數據打通及分析云英智采+智知平臺，解決海量復雜、多源數據采集及分析的技術難題，助力企業智

13、能化改造OracleERP系統資通WMS系統高琪MES系統一等一文檔管理系統ASPEN Tech系統HR系統朗新Flow系統德克申博士AOI三菱PLC外部導入生產數據：6000+數據點位，采集周期5秒，文本+圖像每年體量1PB經營數據：7個廠家，合計5000張表，10萬個字段支持100+PLC協議，30+主流品牌廠商支持工業數據橋海量數據分析框架（PB級分析）時序數據庫（千億行存儲容量）PB級存儲平臺工業網關平臺實踐案例分享-1：行業定制化基于AI技術的模擬裁切建立模擬良品率模型，有效填補良品率高效模擬方面的空白；支持新業務模式開創，大幅提高裁切效率和質量，質量預測準確度達95%以上；質量問題

14、-異物欠點質量問題-氣泡欠點剪切建議AOI影像視頻CCD影像視頻裁切產品規格裁切設備參數智能產品定級智能最優裁切清洗集中系統模擬良品率搭建系統融合AOI，CCD視頻影像數據，通過影像識別點缺數量，并結合MES系統中的生產產品規格數據，系統高效模擬良品率，為半成品分級和定價奠定基礎；質量保障通過圖像識別能力，有效識別出不同環節貼合時因異物或氣泡產生欠點造成的質量問題，提升質量管理能力與水平并為剪裁優化提供數據依據；模擬剪切利用率通過各層貼合時記錄的欠點圖像數據，綜合計算出影響合格品的欠點位置，提供剪切參考建議，控制每塊偏光板的欠點數量，提升剪切利用率與合格品產出率；外觀保障通過圖像數據，識別表面

15、質量問題，殘膠殘留與污物現象；通過圖像識別算法分析影像視頻缺陷情況，并結合裁切產品規格和裁切設備參數；系統高效模擬半成品良品率實踐案例分享-1：行業定制化基于AI技術的模擬裁切RTC裁切RTS裁切RTS裁切模擬裁切應用效果圖觀略實踐案例分享-1:技術攻關機器學習提升產品良率物料信息客戶要求信息生產參數信息檢查結果信息非A規產品減少最優生產參數組合清洗集中良品率生產參數最優推薦模型通過生產過程數據收集監測，建立良品率參數最優推薦模型系統，輸入相應的物料信息和客戶要求信息，通過機器學習實現良品率的最優化推薦;通過優化后,后制程的傳統歪，泡歪的非A規偏光板數量將大大減少。知識、經驗的數字化及大數據的

16、智能化應用，為企業創造新的商業價值。實踐案例分享-2:主動應對小批量訂單對于柔性化程度低的生產線影響 全面提高客戶滿意度，全訂單流程監控 以更低的庫房使用面積，獲得更高的訂單滿足率 將被動響應型生產，轉變為主動預測型生產減少庫房配料崗位 15 個訂單庫存滿足率提高 5%庫房占用率降低4%實現全供應鏈透明化、協同拉動。平臺中訂單信息實現端到端全流程可控。針對省一級經銷商銷售進行多維度、動態監控、預警；通過訂單的數據，對銷售車型進行預測；供應鏈一體化平臺幫助企業擺脫被動響應型生產中的問題云英在工業大數據智能化改造項目中的一些體會項目調研/診斷項目實施項目規劃從上至下：調研從高層管理者開始，到一線員

17、工中結束。直擊痛點：調研需要發現企業經營和生產過程中困擾用戶痛點。分期實施：不要奢望“一步到位”，簡單、可行性高的一期項目快速確立項目早期成功。培養人才：從根本上使企業的數字化轉型成果可持續，通過改造項目，協助企業培養并留住數字化人才。戰略規劃：大數據改造要基于企業的整體戰略及行業特點。保持前瞻性，結合行業特點，制定35年的數字化變革路線圖。價值導向：以現狀及客戶的實際價值為度量：項目的規劃要以客戶為中心。開放合作：開放的合作態度，建立具有可擴展性的企業大數據體系。善于整合合作伙伴的資源建立最佳解決方案。開放合作：聯合合作伙伴提供高質量解決方案云英工業大數據基礎平臺&工業云平臺良品率模擬設備預

18、防性維護BI分析（。）工業網關（。）光學膜平臺層應用層解決方案云英提供第三方廠商提供客戶：l 為客戶提供高標準行業落地解決方案第三方廠商：l 節省成本：按標準接入，只需關注自身服務實現云英：l 構建大數據生態，為客戶提供更大的便利l 集成第三方大數據服務和應用，打造行業級解決方案快消汽車冶金化工新能源應用層依托工業大數據標準接入框架打造供應商體系，集成第三方供應商，對客戶提供高質量工業解決方案工程機械運行時框架大數據服務接入層（接入標準、數據交換標準）整理抽取存儲分析展現云英在實踐中的創新一站式解決方案創建了完整的從調研、規劃、實施和運維的實際項目流程。結合自身在大數據領域的領先優勢，為企業提

19、供交鑰匙服務。硬件+軟件的采集層定制化部署PC端、移動端工業大數據平臺應用工業大數據應用中心深度定制通過工業行業專家的深入調研，為企業提供定制化可行方案。開放合作以項目為導向，與合作企業共同為客戶實現更大的價值。軟硬件結合定制化方案+硬件部署+應用方案+專業運維云英實現目標突破和快速發展的重點行業光學膜行業電子半導體工程機械汽車及零配件新能源快消品軌道交通冶金化工技術立命，云英助中國制造業轉型升級一臂之力云英官方公眾號聯合創始人&CTO 胡濕團隊實力強大以客戶為本立體化服務模式創新工業行業專家+互聯網技術團隊從事過PB級/千臺服務器以上大型復雜系統經驗產出價值導向為客戶量身定制:60%通用 20%-30%行業定制 10%-20%客戶定制定制包括:架構定制滿足未來發展,實施路徑定制,供應商定制,付費模式定制,服務定制“六度空間”服務體系，從服務內容、方式、及時性、專業度、層次及質量六個方面為客戶提供立體化的服務,駐場+遠程,維護升級按效果付費產業基金導入合作模式創新