【壓縮機網】長期以來，不管是企業管理還是市場運營，我們總是更多的關注通過各項數據、信息分析得出的最終結果，而忽略了得出結果的基礎數據，其實分析結果準確與否，很大程度上取決于基礎數據。基礎數據的定義、取得方式及存儲等，是一切分析的來源，也是一切決策的依據。當分析模型失真的時候，還可以通過調整分析模型去減小誤差，而當基礎數據失真的時候，一切分析的結果都不可信，即便通過修改分析模型也無法得到正確的結論。

　　工業大數據的分類、提取與作用

　　《中國制造2025》提出，未來我國工業發展要向著智能化轉變，而工業大數據的發展是一個重要的推動因素。工業大數據的提取、存儲與分析，是傳統工廠向數字工廠轉變的基礎。因此，對工業企業來說，每一個數據都彌足珍貴。

　　具體來看，工業大數據的價值屬性實質上是基于工業大數據采集、存儲、分析等關鍵技術，對工業生產、運維、服務過程中數據實現價值的提升或變現。工業大數據的產權屬性則偏重于通過管理機制和管理方法幫助工業企業明晰數據資產目錄與數據資源分布，確定所有權邊界，為其價值的深入挖掘提供支撐。

　　下面，我們從壓縮機行業離散型工廠智能化轉變的實際案例出發，對工廠的工業大數據的分類、提取與作用進行一些簡單的探討。

　　蘇州強時壓縮機有限公司為典型的離散制造型企業，近年來通過自身努力，在智能化轉型方面做出了一些探索。從探索的經驗來看，在實現工廠智能化之前，先要實現信息化，而信息化的基礎就在于對數據的歸納、整理和分類，從而讓信息化取得的信息能對工廠的管理、決策，起到應有的作用，最終讓AI替代人工決策，從而實現工廠的智能化。

　　左圖列舉了工廠的部分類型數據（按組織架構枚舉）。

　　左圖是按組織架構做的一些枚舉，這些數據在整個工廠的運作中起到至關重要的作用。但具體能起到什么作用，可以從另一個維度去思考這些數據，這就是價值鏈——我們需要做某個判斷，某個決策，需要哪些數據進行支撐。

　　示例1：下一年度公司的主導產品該如何去規劃？

　　分析：要獲得這個答案，我們需要以下這些數據支撐：a.歷史具體到月度及每天的銷售數據；b.產品類型的分類數據；c.產品的售后數據；d.財務數據，包括材料成本，制造成本等，這里體現的是每類產品的盈利能力。

　　有了上述數據，就可以做基本分析：找出上一年度，銷售額高、質量穩定、盈利能力強的某一類產品，同時也就有了公司下一年度重點產品的方向。當然，為了達成目標，所需的數據可能遠遠不止上述數據，這里詳細解釋下上述所需數據的構成。

　　（1）銷售數據：銷售數據需要明確客戶，單價，發貨時間，回款情況，客戶所在區域等信息。

　　（2）產品類型分類數據：當公司的產品規格較多的時候，一定要對產品進行屬性分類，具體到螺桿式空壓機而言，排量、功率、單雙級、工頻、變頻、電機油冷、風冷等等屬性，越詳細越好。后期可以根據這些屬性，疊加銷售數據，然后分析出暢銷產品及滯銷產品，從而實現真正意義上的MTO（按客戶訂單生產）和ETO（按設計生產）。這可以有效減少重復或類似規格，我們也可以將這些信息展示給客戶，讓客戶可以按需選擇，從而最終達成機型減少、庫存減少、資金周轉率提高的目的。

　　（3）產品的售后數據：這類數據主要用于售后成本分析，產品質量分析等。這里需要取出故障類型、故障原因、解決處理辦法、處理成本、支付方式等內容。

　　（4）財務數據：包括機型材料成本、售價、制造成本、管理費用等等多方面內容，產品的盈利能力分析需要參考這些數據。

　　綜合而言，上述數據的屬性整理相當重要，屬性分析的是否合理，直接影響到后期數據的分析，而數據分析結果將影響到公司決策層的決策。

　　示例2：工廠的制造效率是否在穩步提升？

　　螺桿空壓機整機制造同行在互相交流的時候，經常會問：你有多少裝配工人？每月出多少臺機器？這樣問其實也無可厚非。不過，每月產出22kW以下機型1000臺，和每月產出132kW機型100臺相比，產出臺數相差10倍，但銷售額可能相差無幾。強時公司經過對比分析，認為以機型標稱功率為統計單位更為合理，輔助統計臺數，綜合計量每日產出。

　　在制造效率方面，強時統計以下具體數據：當日制造部門投入的人力、人力工作時長、制造部門月度薪酬支出、當日產出kW數、當日產出臺數、當日檢測合格數等數據，通過設計統計模型，可及時得出實時效率。決策者通過實時的效率曲線，可一目了然的判斷制造效率是否在穩步提升。

　　示例3：供應商如何評價？

　　螺桿空壓機整機制造工廠對供應商的評價采用了各種方法，但無外乎是從質量水平、交貨能力、價格水平、技術能力、售后服務、人力資源、現有合作狀況等幾個維度去評價。相比前幾個示例而言，示例3的數據提取稍顯抽象，但其實仔細思考一下，數據的提取并不困難。

　　（1）質量水平：這個數據依賴于來料檢驗，過程制造中的質量反饋，以及產成品的售后情況，可以從次數，嚴重程度、單位批次的頻次等方面去考慮。

　　（2）交貨能力：可以從及時交貨次數，提前交貨的天數，延后交貨的天數等方面去提取數據。

　　（3）價格水平：從同類型的供應商進行價格記錄并比對即可。

　　（4）技術能力：可以從供應商獲得的專利數量，專業技術人員人數等方面去考慮。

　　（5）售后服務：從供應商的反應時效，完成售后服務的用時，服務次數等方面考慮。

　　（6）人力資源：供應商對應服務的各部門人數，素質等方面考慮。

　　（7）現有合作狀況：歷史訂單數，訂單金額占比等方面考慮。

　　上述部分數據，必須以可以量化的數據進行記錄，比如供應商人員素質這個指標，可以自定義級別，以級別方式量化，并對級別進行解釋。

　　規劃并完成上述數據的記錄后，即可進行建模，以不同模塊占不同的權重為基礎，進行數據統計與分析，從而綜合得出供應商的評價得分，最終進行合作決策判斷。

　　正視數據 重視數據 用好數據

　　在工廠的運作中，每天會產生海量的數據，但大多數企業并沒有重視數據的力量，在做決策的時候，總是憑直觀感覺，這是不可取的。這些海量的數據是企業的巨大財富，當我們正視這些數據，重視這些數據時，會對工廠的經營與發展起到極為重要的推動作用。

　　大量數據的采集、處理并非傳統的紙質手段、簡單的辦公自動化手段可以解決，盡量采用信息化手段，是解決問題的根本辦法。在這個探索過程中，工廠的信息化、智能化也趨于完善。比如能源消耗數據的提取，強時初期使用簡單的記錄辦法，安排專人每天記錄當天電能總消耗，發現數據的準確性、及時性不好，并且耗費大量的人工。為此，強時開發了工廠能源監控系統，安裝智能電表、智能水表、噪音傳感器、溫度傳感器等，通過集線器將采集的數據轉換成網絡信號，傳輸至云端，實時記錄數據，并通過強時智造app進行分析展示。在這個革新過程中，強時已經不知不覺的完成了工廠能源監控的數字化、智能化轉型。

　　沒有一種辦法能吃遍天下，因經營思路、經營策略的不同，不同的工廠面臨不同問題，但對待數據的態度，體現了一個工廠的管理能力。在對數據進行歸納、整理、分析的時候，一定要理清思路，看是從哪個維度去考慮，是以組織結構為出發點，還是以價值鏈為出發點？個人認為，以價值鏈為出發點更能解決實際問題，畢竟，當為了得出某個問題的分析結果，而努力去構建數據構成的時候，其實也是會去不斷思考管理的方法與手段。當我們一個一個問題解決完了之后就會發現，從傳統工廠到數字工廠的轉變已經初具規模。

來源：本站原創