2019-06-21

行业观察|在企业的“芯”里植入大数据

  • 进化策
  • 109
  • 行业观察、大数据

image.png

 


一、传统生产型企业也能用好大数据——青岛红领

 

1561107225890716.jpg

 

应用大数据是不是必须在设备上高投入?新闻里讲先进制造,经常出现“引进设备”、“引进技术”,但大数据却是不能一次性引进,需要企业从内在积累出来的。

 

这家企业跟别家服装企业并没有什么大不同

 

青岛红领集团现在已经非常有名了,他们是山东青岛有一家专门做服装定制的企业,是一家典型的传统企业,也是应用大数据的企业标杆。走进青岛红领的车间 ,他似乎与大部分服装工厂也没有什么不同:像传统服装制造企业一样,青岛红领配备自己的设计部门和生产流水线,自主完成裁剪、粘合、缝制、熨烫和包装。不同的是,他们用流水线的生产流程 ,竟然实现了“量体裁衣”式的高端定制。

 

这家企业在“芯”里大不同

 

支撑这一优质模式的基础是其自主研发的个性化定制平台RCMTM(Red Collar Made to Measure红领西服个性化定制)——其核心是一套由不同体型身材尺寸集合而成的大数据处理系统。

 

量体标准化

这是红领对传统服装业的第一项突破。C2M平台上,每个订单中的定制细节可以多达50个。顾客可以选择自己对款式、工艺、风格等个性化设计的要求,对面料花型、色系、肩型、驳头型、胸口袋等100多项款式做出选择,并预定自己喜欢的里料、刺绣和面料标等设计细节。

 

个性化打版

这是第二项突破。输入身体尺寸数据后,CAD会自动匹配最适合体型的版型。CAD打版过程中,1个数据的变化会引起9666个数据的同步变化,比如肩宽一公分,相应身体其他部位都会发生变化,有很强的衔接关系,也正如此才能保证衣服贴身合体。这个没有大数据是做不成的。

 

大规模生产

这是第三项突破。基于大系统的自动计算,在红领车间,每件衣服的“配件”(裁剪之后大小不一、质地不同、颜色各异的布片)被按照要求挂在吊挂上,旁边则配备了服装的“图纸”(RFID射频识别电子标签)。工人只需要通过电子射频识别电子终端,按照标签中顾客的详细要求完成“拼接”就行。这样子生产出来的衣服,每一件都不一样。

 

前后历时12年的不断完善,红领在传统的服装流水线上,搭载了以大数据为“芯”的核心竞争力,成就了一家不一样的服装标杆企业。

 

红领案例让我们看到工业4.0的影子在传统企业里是怎么体现的:

 

1.将“不可标准”的事项格式化,是数字化管理逻辑:中式企业里谈得比较多的是经验和感觉,而西方管理里强调建模、建数据库。人的形体数据库可以建模、色彩可以精分色卡色号——大数据管理的第一步是数据格式化的工作,背后是数字化的思维模式。

 

2.个性化定制大规模生产,体现工业4.0的特征:体型数据代表了客户需求,版型数据就是生产工单了。个性化版型,大规模生产,没有智能匹配是不可能二者兼得的,为了这个精准匹配的算法,红领至今已累积了12年数据!

 

大数据在传统企业的应用,核心不是引进设备,而是数据建模、数据积累、算法匹配。这些,看的是管理内功。前后历时12年的不断完善,红领在传统的服装流水线上,搭载了以大数据为“芯”的核心竞争力,成就了一家不一样的服装标杆企业。

 


二、 全面用好大数据的企业是什么样——未来工厂


德国西门子的制造管理被认为已经达到”工业3.8”的水平,作为德国工业4.0最佳示范单位,我们借用西门子的工厂来描述一下,大数据得到全面应用的企业的基本特征。西门子的样板工厂,通过生产设备和电脑能够自主处理全厂75%的工序。自建成以来,工厂的生产面积没有扩张,员工数量也几乎未变,产能却提升了8倍,平均一秒可以生产一个产品,产品合格率高达99.99985%。它的特征包括:

 

全设备在线

西门子贯彻端到端的数字化,也就是“机器控制机器生产”,产品之间以及产品与生产设备之间实现互通互联。在德国郊外安贝格电子制造工厂的生产线上分布着密集的SIMATIC控制器,这些控制器通过产品代码控制着生产线自身的制造过程。

 

全流程在线

各环节、全流程实现数据共享。产品的设计、工程和制造是一线共享的:研发部门的工程师们在设计工程中进行仿真组装,实现“可见即可得”;设计好的产品模型将自己的数据信息写进共用数据中心,供采购、质量和物流等部门共享,采购部门依此进行零部件的采购、质量部门依次进行产品验收、物流部门依次进行零部件确认等等。

MES系统统一完全生产计划调度。生产订单由MES统一下达,在与ERP系统高度集成之下,实现生产计划、物料管理等数据的实时传递,使工厂管理和生产高度协调。

 

全过程智能控制

全过程智能掌控是未来工厂想实现的理想状态。

 

短期来看,产品在任何一道工序完成生产之后,流水线上的传感器扫描产品条码信息、记录工位数据,这时MES系统会以该数据为判断基础,向控制系统下达指令,指挥AGV小车送它到达下一站,在抵达下一站的过程中,产品会先后经过几个“严格”的检验程序。经历了多次加工装配和多道质量监测后的成品将被送到包装工位,装箱后被送达立体仓库,等待出货,没有人工参与的检查会减少消极怠工产生的差错。

 

长期看来,生产过程中数据量的积累会使得整套数据系统愈发智能,别忘了像AlphaGo那样人工智能方面的深度学习技术迟早会被应用到机器制造的各个领域。届时,控制系统的检验标准会更合理,不放过任何一个瑕疵品也不错判任何一个合格品,而且,没准机器还会自动对生产环节提出改进,自动调整生产流程呢!

 

以上只是大数据在单个工厂发挥作用的案例,它并不能代表真正的工业4.0。真正的工业4.0并不是一个工厂之内就能形成,它需要的是全产业链范围内的实时数据和动态智能响应,基于云端的信息技术和完整的产业生态链协同。大数据在其中扮演不可或缺的重要角色。

 


三、 未来是美好的,但一切要从“数据化”开始 


数据本身是一件很严谨的事情,形成海量数据并产生效果更不是一朝一夕的事情。企业大数据,需要所有运营节点的数据化、长期真实的数据化,最终才能形成全盘支持决策的企业大数据。

 

回看现实,您的企业是不是还存在以下问题呢:

1、 空白的过程数据采集:缺少过程中的数据管理,一切凭感觉。当我们希望寻找规律的时候,只好凭经验去决定。结果,当业绩不理想的时候,所有的回顾与检讨都是一堆自我批评和决心,找不到实在的改进方向。——这是企业还没建立数据化管理的基本意识,是“指导思想”的问题。

 

2、 数据收集多平台化,不能集成互通:信息化过程中,多平台没有互通,带来更多的多重数据输入、导出和导入,浪费大量时间和精力。——这是企业在数据化管理手段上的不成熟,是”技术思路“的问题。

 

3、过程管理松散,数据不准确:有时候,数据结构计划得很好,却得不到操作者的支持,数据要么不完整,要么真实性存疑,管理者自己不敢用——这是企业运营素质整体不匹配,是“人员素质”的问题。

 

大数据时代已经近在眼前,如果企业连数据管理都还充满缺口,在接下来的市场竞争中,其劣势是会越来越显现的。进化策管理咨询始终关注国内企业的运营模式转型和运营效率提升,我们在这方面不断积累适合中小企业的运营提升方法。希望有关大数据的系列小文对企业家们了解大数据有所裨益。

 


  

留言