TCL将不再销售黑莓手机
扫描二维码
随时随地手机看文章
2008年全球金融危机后,德、美、日、中等国家都不约而同地制订了振兴制造业的国家战略。
虽然各国战略的侧重点不同,但通过物联网、大数据等技术,实现赛博世界与物理世界深度融合,提升制造企业的竞争力,却是这些国家战略的共同目标。
作为世界著名的未来发展趋势学者,牛津大学教授维克托·迈尔·舍恩伯格在2012年出版的《大数据时代》中前瞻性地指出:“大数据带来的信息风暴正在变革我们的生活、工作和思维,大数据开启了一次重大的时代转型,将带来大数据时代的思维变革、商业变革和管理变革,大数据是云计算 、物联网之后IT行业又一大颠覆性的技术革命。”
舍恩伯格还说:“大数据时代将改变商业与管理模式,大数据的分析将会使决策具有信息基础,大数据能令决策更准确,比以前更加明智”。
对于中国广大制造型企业来讲,在竞争激烈、成本飙升的经济转型困难期,利用大数据等先进技术,充分挖掘企业内部潜力,对各类数据进行及时采集、科学分析,将是企业从粗放管理成功转型升级的一条有效途径。
数据真实是前提
马云说:“数据是生产资料”,但笔者认为,数据准确真实是前提。为此,笔者设计了下面的DADA模型。
基于准确真实的数据,通过各种算法进行数据处理与分析,然后根据分析结果和所需目标,找出较好的解决方案。即决策,最后是按照科学的决策进行精准的行动,形成闭环的迭代过程。
在这个模型中,如果数据不准确、不真实,得到的决策就不可能科学,就不能很好地应用于实际工作。
但在制造企业实际的运营过程中,由于习惯、技术手段等限制,很多场景下的数据都是靠人工汇报等形式进行采集,这就必然存在数据不及时、不客观、不准确、不全面等情况发生。
这种情况下,得出的结论往往是偏差的,甚至是错误的,在这种情况下,不仅不能解决问题,反而增加了问题的复杂度与不确定性,很难看清问题所在,更谈不上科学管理了。
管理大师德鲁克说:“你无法度量它,你将无法管理它”。即便是你拥有数据很多,即便是花费了大量人力物力,数据不准确,管理仍然是不科学,企业竞争力就难以提升。
引以自豪的“假数据”
在传统管理模式下,往往因为数据的不准确、不真实而误导了管理者的判断和决策。
某坐落于我国工业重镇武汉的大型国有企业,近些年企业发展快速。看到繁忙的生产车间,企业的李总感到非常满意,并常常自豪地向来宾介绍他们快速增长的业绩与各类先进的软硬件系统。
记得第一次与兰光创新技术团队进行交流时,李总提到他们的设备有效利用率(OEE)都在60%以上。
我们的售前经理听后感觉非常惊讶,因为在多品种、小批量的离散制造企业,即便是管理非常精细的日本,也很难超过80%,欧美国家能达到70%就算是很优秀了,国内一般企业的OEE大多徘徊在30-40%之间,这是兰光创新实施四万多台数控设备后的统计结果。
当获知这些数据都是统计员人工统计的时候,经验丰富的售前经理就猜到了大概的原因。几个月后,兰光创新为他们实施了设备物联网系统。
通过该套系统可以实时、自动、准确地采集到每台设备的状态,包括开关机、故障信息、生产件数、机床进给倍率等众多详实信息,每台设备都处于24小时全天候的监控过程中,企业管理者可在办公室随时查看设备状态、任务生产进度。
同时,通过系统的大数据分析功能,从海量数据中分析出各种图形与报表,设备的各种数据、运行趋势、异常情况一目了然,管理者可以很好地进行生产过程实时、透明化管理。
数据精准,提效明显
项目实施完成后不久,当李总从系统查看设备利用率时,脸色突然变得异常难看,原来,他查看到的设备平均利用率只有36.5%,和他之前设想的60%有巨大的偏差!
结过耐心解释,李总终于明白了原因:这个数据才是准确的,系统已经将调试、空转、等待、维修等无效时间全部去除,体现的是机床真正的切削时间,36.5%才是企业真实的设备利用率!
而以前人工统计的时间比较粗糙,只是记录了加工开始与结束时间,中间大量的等待、调试等时间也被计算在内,而这些时间,恰恰是企业可以通过管理或技术手段进行压缩的,是企业挖掘潜力之所在。
系统运行一年后,当工程师回访时,李总高兴地说:“现在,我的设备利用率已经平均到60%以上了,比去年提升了65%!
我们统计科由原来的4人减少到了1人,并且这个人也不用现场统计,所有的数据全用你们的系统自动采集,他只负责每周将统计分析的结果整理汇报,工作也高效多了。”
最后,李总感慨地说:“这套软件系统,让我对生产过程‘看得见、说的清、做的对’,对我们的生产管理帮助非常大!”
结语
从李总由衷的感慨中,我们真切地感受到,工业4.0与智能制造的浪潮已经来临,制造企业应该充分发挥设备自动化、管理数字化的优势,积极借鉴工业互联网、大数据技术等先进理念,将决策建立在准确、真实的数据基础上,避免以前在“假数据”基础上进行管理的尴尬现象。
只有这样,管理与决策才是科学有效的,企业才会有更强的竞争力,企业才能转型成功。
大数据应用,应从“真数据”开始!