工业大数据——构建制造型企业新型能力（6）

工业大数据——构建制造型企业新型能力（六）

（2019年1月16日）

工业大数据的典型应用场景

1、企业经营管控

现状：对企业的掌控依赖于纸质的、离散的报表及总结报告等，获取的信息往往存在滞后、缺乏综合性分析意见的反馈等;

目标：实时的、准确的、全面的获取企业运营现状，实现管控透明化，及时发现问题，为科学决策提供支撑;

应用示例：

通过问题看板展示相关负责人或领导可直观的了解现行问题及项目进展等情况，追溯科研能力及生产能力相关的缺失，及时予以科研流程及生产流程的干涉，从根本上解决问题，达到企业价值及客户需求。

大数据对于企业透明化的经营管控可实时的、直观的、全面的展现企业现状、及时地发现问题、快速的定位问题根源并提出相应措施，最终回归到企业价值体现及经营目标建设。

2、产品研制协同

现状：各学科设计分散，缺乏综合考虑;知识以经验的形式掌握在少数人手中;设计工作对少数人的依赖性强，传承性差;存在未考虑上下游客户需求的问题等;

目标：开展多学科融合的协同设计、产品货架支撑的并行设计、以产品全生命需求为依据的综合设计(以客户为中心，向产品定制转型)。

应用示例：

通过建立统一的设计开发环境，实现知识的积累和重用。建立设计平台，对产品研制过程中的各种工作内容进行集成展现和管理，并根据用户角色和工作内容的不同，管理并查看相应的内容，用户可通过研发设计工作台直接开始设计工作。

协同设计研发平台一方面通过数据、产品数据、运营数据管理为基础，将设计经验、工艺信息、制造信息、产品服役过程信息(零部件寿命、质量问题记录等)、客户需求等统一纳入设计需求范畴，也即完成客户等纳入需求考虑，保证设计需求的全面响应，实现定制化奠定基础，逐步协助企业服务化转型;另一方面具体执行设计研发业务支持基于多学科融合的综合，支持多学科并行设计等。

3、全面质量控制

现状：由于质量问题等原因的工程变更追踪困难、变更范围难以确定;

目标：可通过BOM集成管理的数据，进行产品问题的向上及向下追溯，一方面追踪问题根源并对其影响范围进行确定(如存在多少在制品等)并干预，保证后续产品的质量;另一方面根据问题根源，改进原材料或设计工艺等，从根源上解决问题，降低问题重复带来的损失。

应用示例：

以某零部件服役过程产生质量问题为例说明。当产品产生问题时回馈制造商形成质量问题记录单，零部件制造企业基于完整的产品全生命周期数据管理可通过BOM追溯实现零部件批次、设计信息、工艺信息、制造过程信息的快速定位，进而由专业人员进行分析质量原因并采取响应的改进措施：

一方面：保证后续零部件/半成品按更改后的文件制造生产，使问题重复再现得到改善;

另一方面：对同一样已交付使用的零部件采取一定的维护更换或召回处理，规避由某零部件问题造成工程停产的更大损失。

一直以来，技术都是推动商业环境进化的重要因素，而目前最热的技术升级趋势，无疑是人工智能。当下，尽管人工智能行业本身已经进入了一个平稳的发展期，但它对于各行各业的赋能却正在以更热烈的姿态进行。

（续完）

（摘编自 微信公众号 东北亚安全大数据中心）