基于模型驱动的制造大数据平台

随着企业全力打造数据驱动型企业战略的推进,制造企业加快了修炼内功的步伐,逐步强化企业数字化制造体系的构建。尤其是疫情的不确定性使得行业环境异常恶劣,通过市场拓展提升企业实力的方式变得更加艰难,从而在战略指引上,数字化转型已经成为企业提升竞争实力的关键。

以高效低成本生产为目标,融合人、机、料、法、环、测等多源数据,构建智慧化生产诊断模型,搭建面向制造现场的数字和应用支撑体系,实现生态过程中状态精准监控、异常动态跟踪、资源智慧调度、流程闭环管理,为生产高效协同提供支撑保障。

一、实施背景

随着企业全力打造数据驱动型企业战略的推进,制造企业加快了修炼内功的步伐,逐步强化企业数字化制造体系的构建。尤其是疫情的不确定性使得行业环境异常恶劣,通过市场拓展提升企业实力的方式变得更加艰难,从而在战略指引上,数字化转型已经成为企业提升竞争实力的关键。制造数字化作为企业数字化的重要组成部分,是企业数字化转型变革的先锋,并作为一把手工程进行推进。

随着云计算、大数据等相关技术的应用普及,为多要素数据的融合提供了基础,辅以智能算法的应用,为生产制造的智能调度和指挥提供了技术保障。

二、实施目标

制造大数据平台主要是基于制造协同指挥应用,为坐实区域,发挥“铁三角”协同效能,利用平台能力加强项目前端物料管控、降低内部制造成本、提升管理效率,聚焦提质增效,最终实现制造平台数字赋能,提升精益制造能力。平台建设以数字化生产为主线,聚焦生产要素构建指标体系,围绕生产制造动态监控、事件端到端闭环支撑、资源统一调度等内容,聚合多源数据,形成智慧化的制造指挥支撑体系,最终实现生产管理的透明化和智慧化。实现以下目标:

1)聚焦生产现场,通过大数据平台能力融合多维生产数据,确保生产透明化,动态监控生产过程,及时掌控生产异常,为提升生产管理效率,优化生产工艺提供,合理控制成本提供决策支持;

2)面向生产线工艺、质量、生产经理,夯实“铁三角”协调工作模式,强化现场管理,提升生产管理相应机制。

三、建设内容

图1:模型驱动的制造大数据平台

结合生产制造过程中各要素协同状态,利用数据业务化的能力动态展现生产现场的状态,并结合生产进度、质量、工艺等相关要求,综合决策生产制造资源统一调配,同时,利用数据挖掘模型精准判断及预测生产异常,高效驱动生产制造。

1、业务框架

以人、机、料、法、环、测为业务模型,并通过业务数据化的方式展现各生产要素的协同能力,形成制造指挥的支持保障,具体各生产要素通过指标的形式展现出相应的协同能力,具体各要素的指标构建如下:

人:人员资质符合率、人员出勤率、人均劳动力等

机:设备利用率、设备故障率、设备节拍达成率等;

料:物料配送及时率、物料配送准确率等;

法:技术文件传递及时率、技术变更次数等;

环:环境温湿度、安全问题整改及时率等;

测:一次交检合格率、质量稳定下CPK、过程质量控制SPC等。

通过生产制造步骤与生产要素相互组合,形成生产指挥矩阵,并结合数据的业务化清晰的展现出各生产步骤及工序的生产协同能力。同时,利用大数据的实时处理技术,并融合人工智能算法精准判断及预测生产异常,最终利用流程化的引擎能力,驱动事件的闭环支撑,最终形成生产的统一指挥、资源的智能调度。

2、数据驱动的制造指挥中心

以提质、增效、降本为目标,融合人、机、料、法、环、测等多源数据,构建智慧化生产诊断模型,搭建面向数字化车间的制造指挥中心应用体系,利用大数据实时处理技术实现生态过程中状态精准监控、异常动态跟踪、资源智慧调度、流程闭环管理,为生产制造提供坚强保障,应用体系总体流程如图1所示。

通过大数据技术融合ERP、MES、QMS、WMS等多源异构数据,以转向架制造五大工艺流程为主线,精准掌控掌控各关键环节的人、机、料、法、环、测等生产要素协同能力,一站式掌控生产进度,动态掌控各生产要素的完备性,为资源统一调度、生产指挥决策提供智力支持。

3、基于闭环的异常处理机制

生产异常事件是生产制造过程中频发的情况,需对事件快速及时的进行处置,方能确保生产计划的正常执行。在生产异常管理过程中,利用机理模型并融合人工智能算法综合判定生产异常,以实现事前预警、事中报警机制,同时辅以端到端闭环支持的流程机制,最终实现异常事件的高效快速处置。在技术实现方面主要是基于各业务系统数据,利用业务规则库和模型算法库实现生产异常事件的自动化预警及报警,通过BPM流程实现事件的端到端闭环支撑,同时,辅以视频会议和即时通讯工具实现异常事件的高效快速处置,最终实现过程留痕、流程追溯。

四、实施效果

1)现场管理方面,聚焦现场多维数据,使生产线状态透明化,使现场异常问题快速地反馈和处置。落实上层指挥中心决策,并保证生产线正常运转。

2)工艺管理方面,结合施工作业特征,对加工尺寸、作业周期等工艺管理要素相关性分析,识别制造工艺的风险,用数据支撑工艺改进,提升产品制造质量保证能力和产品质量。

3)生产管理方面,优化异常处置流程,降低异常处理耗时,异常处置时间下降10%。利用综合数据的分析和发展趋势,为预判和干预生产要素的波动提供指标支撑,达到优化管理,降低管理风险,提质增效的目标,从而降低制造成本,提升管理和精益制造能力。

4)预警预测方面,通过大数据的挖掘,使管理决策更多地基于数据和数据分析,提高决策的针对性和有效性,实现以数据驱动的精准化管理。

5)协同机制方面,面向生产线经理,坐实“铁三角”模式,提升协同管控工作机制,提升质量保证能力,减少会议数量和层级。

6)战略发展方面,按流程监控产品生产进度,准确掌握生产状态,提升生产数据趋势分析,挖掘管理上薄弱点和改进方向,为公司数字化制造转型和高质量发展添砖加瓦。

THEEND

最新评论

更多
暂无评论