大数据在数字化工厂中的应用

宋云鹏，孙海龙，焦 洁，李 婕 SONG Yunpeng,SUN Hailong,JIAO Jie,LI Jie

（1.中国原子能科学研究院，北京 102413；2.北京机械工业自动化研究所有限公司，北京 100120；3.浙江科技学院，浙江杭州 310013）

目前，全球市场竞争愈发激烈，各行各业都在追求高效益、高质量、低生产成本和低资源消耗，这也促使制造行业不得不优化生产的各个环节，以达到提升自己的目的。随着制造技术的不断发展，生产过程正逐步向智能化、透明化和全局化的方向发展，进而引起了新一轮的技术变革，即以高端智能和绿色制造为主的智慧制造，全球各国尤其是制造业大国对此都十分重视[1]。

过去，中国的局面多以发达国家的拉动作为增长引擎，随着持续上升的要素成本和不断弱化的传统比较优势，该局面已经发生了变化。中国制造业正面临巨大的转变，即从传统的劳动密集型模式转变为高科技水平模式。对此中国政府提出了以工业信息化为主要任务的“中国制造2025规划”，该规划旨在将全新的信息技术与工业制造和生产性服务业进行融合，推动此类行业的创新发展，从而提升中国制造的整体水平。

1 大数据的定义

大数据自提出起就引得广泛关注，被世界经济论坛认定为价值堪比石油的新财富[2]，其没有具体的定义，大数据是个相对的概念，目前对它的定义都来源于对其定性的描述。维基百科中指出：大数据是指用现有的数据库管理工具或传统的数据处理应用程序难以处理的庞大而复杂的数据集；2011年，国际数据中心IDC对大数据进行了定义：大数据技术指通过从海量的信息中快速发现、迅速提取和高效分析从而得出有价值的信息数据，它开创了数据技术的新时代[3-4]；管理咨询公司McKinsey将大数据描述为数据规模大且用传统数据库管理软件已不能获取、存储、管理以及分析的数据集。

以上是从不同角度、侧重点来定义大数据的，但是他们都传达了同样的信息，就是大数据本身是一种数据集。并且可以依据不同的需求，大数据的时间处理范围也会适当的改变，最重要的一点是大数据的价值在于对数据进行专业化处理，深度挖掘其中的含义，而不是数据本身。

2 大数据应用的目的及意义

工业行业和学术界对传统信息数据的认识由于大数据时代的来临而发生了转变，从而导致了数据挖掘技术、数据采集技术、数据分析技术和数据存储技术的巨大变化。例如，在大数据的驱使下，衍生出了大规模存储设备的研制，新型数据库的开发，云存储服务等新兴技术，由于这些新兴技术的发展，大数据所带来的价值能够更快速有效地被挖掘出来。与此同时，大数据及其衍生出来的相关技术能够在一定程度上改变人类生产以及生活方式。由此可见，在大数据技术的背景下，有效地运用大数据及其相关技术，努力抓住其中的机遇，并在未来市场以及科技的竞争中充分发挥大数据的优势，才能立足于科技潮流之中[5]。

3 数字化工厂概念

数字化工厂是指一种全新的生产制造组织方式，该方式通过采集产品整个生命周期的相关数据，基于这些数据对生产的整个过程实施虚拟仿真、评估和优化，并拓展到整个产品生命周期中。数字化工厂将计算机模拟仿真技术与现代数字制造技术融合，并保留这两者中的优势特点[6]。它的出现给基础制造业带来了希望，它主要起到了桥梁的作用，沟通了产品设计和产品制造之间的联系。数字化工厂的出现使得国内外学者对其发展研究日益增多，综其研究可以发现，人们对数字化工厂具体定义尚未达成一致意见。目前广泛认可的定义有两种——广义数字化工厂和狭义数字化工厂[7]。

3.1 广义数字化工厂

广义定义的数字化工厂具体是指以提供服务和生产产品的企业为核心，将生产与经营过程中所有有联系的部分的信息数字化，其中包括核心制造企业、软件系统服务商合作伙伴、供应商、协作厂商、分销商、客户、银行等[8]。

3.2 狭义数字化工厂

狭义定义的数字化工厂具体是指以生产操作、制造资源以及产品为中心，根据产品整个生命周期中采集到的数据，通过仿真、虚拟现实、实验验证等技术，模拟产品在生产过程中的所有真实活动，并利用仿真、试验、分析、优化等技术对产品生产中的加工和装配过程进行模拟，是一种集成组织方式[9]。数字化工厂将资源物料信息数字化、产品信息数字化和过程信息数字化三者有效地加以融合，虚拟仿真真实工厂的制造过程（包括设计、性能分析、工艺规划、加工制造、质量检测、生产过程管理和控制等）[10]。

4 大数据在数字化工厂中的应用

数字工厂是在物理工厂的基础上，采用先进的信息化技术，虚拟仿真真实工厂，实现对产品设计、生产、物流、质量管理、财务管理和供应链管理等各个阶段的规划、管理、诊断和优化，以求提高产品质量、降低各环节成本、提高工作效率[11]。

4.1 大数据在产品设计中的应用

因为大数据时代的到来，产品设计思维需要发生转变，设计师应当以树立正确的大数据意识为基础，通过在产品设计中运用大数据，了解数据对产品设计的重要性，从而能够指引设计师作出正确的决策， 最大限度地发挥大数据的价值。广东尚品宅配家具有限公司在家具设计方面可以作为参考案例。 尚品宅配合理的运用了大数据技术，设计师可以通过大数据更加了解消费者，从而提供更加合理的服务，采用实体店和网店相结合的方式让消费者体验产品，接着设计师通过对消费者的分析引导，帮助其更快地进行购买。通过大数据的平台，生产部门可根据设计师提供的订单信息安排生产，从而合理有序地进行生产，该公司将产品设计和大数据技术进行了完美的结合。此案例说明了像门店与实体店相结合的顾客体验服务的设计思维，在大数据背景下家具设计创新的重要性，信息化技术指导产品设计时，通过大数据平台上的消费者信息资源获取消费者的投入和贡献是完成产品开发的重要手段。在产品开发完成投入市场后，设计师可以运用大数据技术进行产品的售后跟踪服务，以达到不断完善产品设计的目的[12]。

4.2 大数据在生产领域的应用

相比于传统生产，大数据应用的最突出优势是高质量和低成本，下面以聚类模型与异常点分析为例，在产品故障分析方面，上海某大型印刷企业根据不同批次的产品质量数据建立产品批次数据库，进而通过聚类算法挑选出产品合格率低的批次数据，因生产环境大多是多道工序、多台机器相结合，所以根据“加工路径分析法”找到可能存在故障的机器设备，最后通过实验验证对产品生产工艺技术参数进行调整，使产品的质量得以提高。

另外一个降低产品制造成本的实例是IBMSPSS开发出的“预测性维护”的数据挖掘模块，工厂按照“定时维护”的原则对工厂的设备实施维护，即根据制定好的设备维护计划，按照计划上的时间点对机器设备进行维护，不考虑设备的实际运行状况。该模块通过采集相关设备各项基本数据（距离上次服务的天数、设备类型、工作电压和运行天数等），进行相关的数据分析，根据分析结果提出维护设备的最佳建议。部分生产型企业已经通过“预测性维护”模块，实现了低生产、维护成本[13]。

4.3 大数据在物流领域的应用

目前，在物流领域也越来越多的应用大数据模型和算法，上海某大型印刷企业通过数据挖掘与分析技术对物流成本进行分析，缓解了物流成本高的现状。该企业将过去几年的物流成本进行了汇总，其中包括了库存、包装、运输和装卸四大类，通过回归分析等相关手段对物流成本数据进行分析，从而得出结果，再根据结果分析的图表，可以充分了解到各类物流成本所占的比例，能够一目了然地知道压缩物流成本的关键，所以在解决物流成本高的问题上，数据分析扮演了非常重要的角色。

在物流行业，对RFID技术的研究从未停过，RFID的应用在物流行业也很普遍。RFID技术是指在某种电子标签中写进特殊的信息编码，将该标签粘贴在需要识别的物体上后，通过无线射频的方式对电子标签实现一边识别一边交换数据的非接触双向通信。根据由RFID技术获得的产品实时信息（包括何时、经过何地等）决策者能够及时处理和判断各类问题，最终提高商品的物流与营销效率[13]。

4.4 大数据在质量监督中的应用

大数据在质量监督中的应用分别体现在质量信息监督、质量管理体系监督和实物质量监督。质量监督工作以质量信息监督作为前提，在质量信息监督中运用大数据，通过大数据技术将质量信息形成具有鲜明特征的图表，从而工作人员可以方便而综合性地整理和分析产品的相关质量，也为后续的验证环节提供了便利。制定适合企业的质量管理体系对企业实施实物质量监督至关重要。将质量管理体系纳入具有多种先进的质量管理信息资源大数据系统中，再借助网络技术，经过比较分析能够检验现在实施的质量管理体系是否可行、科学。经过大数据系统的分析可以发现现有体系中薄弱的环节，借鉴合适的质量管理体系数据，从而建立科学的质量管理体系。与此同时，企业可以根据大数据平台上的信息资源，通过图表的分析，能够快速掌握并修改质量管理体系中的不足，把握其正确的发展方向，最终可以建立顺应时代发展的质量管理体系。大数据在具体的实物质量监督中，能够通过排列图、直方图等各类有效图表直观地了解到产品的相关质量信息，包括产品的生产过程中的各种数据（不合格率、入场复验合格率、外场故障率等），整理分析上述数据可以有效验证实物产品的质量是否符合相关规定。质监部门通过大数据能够实时监管实物产品的质量信息和发展趋势，对存在的问题适时调整战略规划，改进生产技术，督促相关生产部门进行纠正与预防，让企业持续健康地改进产品质量。

最后，质量监督是一项多重工作程序相辅相成的工作，将大数据技术应用于生产、监督、管理的各个环节，可以保证整个监督过程可以动态的展现出来，质监部门和监督人员可通过大数据平台实现对监督程序的动态信息把握。所以，将大数据纳入到质量监督的全过程中是必要的[14]。

4.5 大数据在企业财务管理中的应用

大数据在企业财务管理中的应用一方面体现在利用大数据处理技术实现企业战略环境的创新上。作为企业财务管理中必要的技术应用手段之一，大数据处理技术在财务执行效率提升方面有着极其重要的作用。财务管理人员根据自身采集的数据结果，设定更加精细的财务管理方案，更好地规划企业经济未来的发展策略。将大数据信息技术应用于各项管理方案和管理措施中，可以更好地满足社会成员提出的高端执行效率的认知诉求，保障财务管理工作有秩序的执行与发展。另一方面体现在优化财务管理方案，提升风险预估能力上。在大数据信息处理技术应用于财务管理的基础上，财务人员可以以宏观发展的认知视角，及时全面地掌握企业内部的工作环境、资金储备能力以及融资实践性的管理规模等。财务人员可以通过应用大数据信息报表当中的风险预估功能，及时地从企业经济数额流转参数的发展近况中找到财务实践性管理工作开设的过程中存在的不足[15]。

4.6 数据分析在供应链管理中的应用

大数据分析应用在供应链管理中一个成功案例，其系统化框架的内容在结合大数据和数据分析技术后可以概括为以下三个步骤：第一步，将大数据应用于供应链管理后，可以建立较为准确完善的供应链分区，再利用大数据分析技术精确地为每个分区制定优先发展要项。第二步，大数据将企业内所有的业务职能进行整合，将竞争要项时刻保持在竞争优势的状态，利用大数据分析技术支持供应链分区中的竞争要项， 使企业的数据集中，防止目标不明确或迷失发展方向。第三步，企业在对市场绩效和产品的评估过程中采用关键绩效指标或市场普遍认同的联合策略模型。在这个过程，模型应用要不断地优化，在供应链分区之间的竞争要项中可以建立一种反馈机制，以供企业持续监控[16]。

4.7 生命周期大数据驱动的复杂产品智能制造服务新模式

为了实现各生命周期阶段生产与管理的优态运行与智能决策，任彬提出了一种生命周期大数据驱动的复杂产品智能制造服务体系构架，该体系架构主要由生命周期大数据、大数据处理、存储与管理、分析和应用服务五部分构成。

这种生命周期大数据驱动的复杂产品智能制造服务新模式是指在传统的PLM过程中引入物联网、大数据等智能信息技术，实现生命周期各阶段数据的相互联系； 在此基础上利用大数据处理、存储、分析等技术，对产品全生命周期多阶段、多学科、多类型数据进行优化管理、实时共享和知识发现；最终通过各阶段数据与知识的集成创新，提高数据的分析与应用能力，构建从制造到运维动态数据驱动的闭环设计模式，推动运维服务由被动向主动转变，促进制造企业向服务型制造转型。

在此新模式下的制造服务主要通过以下两个方面实现：一是从作业方式上。通过在产品各生命周期阶段的运营和决策过程中集成并应用先进的ICT与数据分析技术，实现一种数据驱动的产品全生命周期业务过程的泛在互联、动态联动与协同优化模式，并通过大数据挖掘与分析技术对服务价值链上用户需求进行高效与准确挖掘，实现个性化生产和服务。二是从运作模式上。在产品的设计、制造、运行维护服务过程中，产品生命周期各阶段的利益相关者主动参与，在整个过程中进行动态协作，从而实现资源的优化配置，并且能够完成为各利益相关者提供生产性服务和服务性生产的目标，在满足用户需求的同时，协同创造价值[17]。

5 结束语

随着大数据时代的到来，大数据技术在各个行业的应用也越发广泛，虽然制造业相比较于金融、通讯等行业来说还处于起步阶段，但是这也预示着在制造业的很多方面都可以应用大数据。本文主要讨论了大数据在数字化工厂的产品设计、生产领域、物流领域、质量管理、财务管理和供应链管理中的应用。基于在大数据在这些方面的应用，数字化工厂可以有效地推进企业的生产、提高产品质量、降低生产与物流成本，提高物流与营销效率，优化财务管理方案，提升风险预估能力。