当制造遇上大数据.docx

当制造遇上大数据

由汤姆？克鲁斯主演、斯皮尔伯格导演的影片《少数派报
告〉〉描述了在2054年，利用科技读取“先知”脑波的画面来
侦察出人的犯罪企图，从而准确预测犯罪行为，并在罪犯犯罪之前就能将其
逮捕的场景。片中的“先知”是拥有超能力的
人类”，但在现实世界中，“先知”就是近年来我们经常提
及的一大数据分析。专注于大数据分析的全球性软件公司
Teradata（天睿公司）国际集团总裁赫尔曼？威摩（HermannWimme认为大数据主要包含三大块：一是传统的数
据，例如企业原来的交易系统、网络系统以及ERPS统等数据
仓库；二是传感器生成的数据；三是社交媒体上的数据
“现在越来越多的行业都要适应大数据的趋势，不仅限于原来的高科技、互联网企业，现在包括通讯、金融、制造、能源等行业都在顺应趋势培养这方而的竞争力。"Hermann
Wimme说，“用数据来驱动业务增长”是未来的方向。“例如，市场部门如何利用真实的数据来帮助制定市场成长策略；怎样提升客户体验或者客户满意度；怎样通过降低仓储、物流的运营成本等让企业运营得更智慧、更有效率；怎样结合生产部门和其他部门的数据优化生产和运营能力，这些都是大数据的‘
用武之地‘。"Teradata(天睿公司)大中华区首席执行官辛儿伦(AaronHsin)举例道。
对于传统制造业来说，大数据能在哪些方面进行“颠覆”和“改进” ？麦肯锡咨询公司在近日发布的《如何利用大数据改进制造业〉〉的报告中列举了 10条大数据颠覆制造过程的路
径，涉及优化生产进度；提高制造绩效；精确供应商管理；追踪产品质量，改进工作流程；以销定产，制定生产计戈iJ;量化
产能，追踪设备运转效率；以及提供生产设备预防性维护建议等方面。
可以说，大数据影响到生产制造、运营、管理的方方面面，而从目前大数据在制造业的应用范围来看，我们想从客户关系
管理(CRM)优化生产以及供应链管理三方而窥探大数据的无限可能
大海捞针”成为可能
在当今经济环境中，良好的客户服务和客户体验至关重要。
越来越多的企业通过挖掘客户I数据提升客户关系，了解客户需求。今天的CRMS据分析能力已经不止局限于客户邮件、电话等数据，而是能够识别客户购买行为，了解客户情绪。辛儿伦切身感受到数据分析在客户管理方面应用的变化趋势：“过去更多是在数据仓库针对客户关系的管理和体验，特别是对客户I数据和CR峨据进行分析和探索促进营销增长的途径和于段。随着技术和数据架构的演进，现在的数据已经延伸到很多
范围，比如位置数据、基站数据、还有通话记录和移动互联网
上的消费者行为等。利用这些来自多渠道的数据建立分析模型，以便从360度去观察客户的兴趣、爱好，并预测未来的行为，从而制定个性化的营销策略。”
发生在海尔的一个营销故事可以从这方面揭示大数据的
“神奇”。2012年，海尔推出帝樽空调，如何精准地预测有哪些用户可能选购帝樽空调？如何送去个性化的服务方案？海尔
从SCR幅员数据库中提取了数万名用户数据，与中国邮政的
名址数据库匹配，建立"look-alike”模型。此外，海尔SCRM
会员平台还同旅游、健康类杂志有合作。海尔通过查询订阅名
I录，发现北京一小区有人订阅旅游杂志，其中有位陈先生。海尔得出“他对环境、自然应该感兴趣”的结论，于是推测，
他极有可能对帝樽空调除PM2.5功能感兴趣。接着，陈收到了海尔投递的一封直邮单页，除了公益环保知识外，重点介绍了帝樽空调的除PM2.5功能。接下来的故事就水到渠成了，陈带着直邮单页，到附近的商超购买了空调，并且还登录海尔官方网站，自主注册成为海尔会员。
从这个案例可以看出，在客户管理方面，企业营销的对象
不仅是一群人、一类人，而是具体的某个人。其次，跨领域数据的整合也很重要，当然企业应当首先明确需要哪些领域的数
据和如何获取这些数据。HermannWimmerM举了两个行业之间的数据共享带来的商业价值一汽车行业和保险行业。“买车
的人都要上保险，每一个司机由于自己的驾驶习惯不一样，保险公司对于他们的评估也是不一样的。如何才能更准确地评估一个司机到底属于高风险还是低风险驾驶习惯，就取决于他所开的车。通过车上所装载的1多个传感器传回的数据，可以了解他的驾驶习惯，然后判断他属于什么级别的风险类别。比如，他不超速、驾驶平稳，就属丁?低风险，反之，开的很快
就属丁？高风险类别。"HermannWimmes说，这两个行业密切的联系就是由传感器带来的数据连接起来的。
数字化、智能化的生产过程
在传统的制造企业中，大量的数据分布于企业中的各个部门中，要想在整个企业内及时、快速提取这些数据存在一定的
困难。譬如，企业资源规划系统（ERP）数据、制造执行系统（EMS）数据等分别位于各自的系统中，除此之外，在一些智能化的工
厂里，设备、原材料等都被嵌入微型处理器、传感器，这些装
置产生大量的数据。人们在将制造过程数字化的同时也为数据
处理和分析提出了难题。如何将这些数据放置到一个技术处理
平台上对于优化生产流程等有重要意义°Teradata（天睿公司）大中华区大数据事业部总监孔宇华指出，新的技术可以把人和人、物和物及事件之间的关联性找出来，但是前提是这种大数据分析是建立在一个统一、可以实现数据流通的平台上。这个
可供访问的平台，能够整合不同系统内的数据。
最简单直接的方法就是创建产品生命周期管理(PLM)平台，它也是一种企业管理软件，但好处在于可以充分整合来自研发、工程、生产部门的数据，对工业产品的生产进行虚拟模型化，
优化生产流程，确保企业内的所有部门以相同的数据协同工作，从而提升组织的运营效率，缩短产品的研发与上市时间。西门子工业软件(上海)有限公司的高级业务顾问周克虎说：“拿汽车行业为例，汽车研发是个极其复杂的过程，一方面，它需要多个职能团队的通力合作。另一方面，所有这些团队还要处
理大量的数据。为了避免沟通不力，确保生产过程的顺畅运行，
工程团队不仅要管理团队内的数据，还必须时刻掌握生产部门的质量控制团队的工作进展。”
PLMT集从初稿到详细设计过程、再到实际生产的所有相
关信息。因此，企业可以通过PLM攵集的此类数据来优化设计和生产过程。例如，奇瑞汽车利用PLM平台，将生产规划、模拟和实际生产，把制造和产品研发联系起来。例如，尺寸分析在车身设计中具有重要作用，奇瑞的研发人员利用PLMD：具进
行尺寸分析，能够在设计的早期阶段就能确定设计结构和生产方法是否符合技术规范，以便及早制定解决方案来优化这些因素。同时利用这些模拟程序，还可以进行各种汽车安全性能的测试等。
举例，西门子的PLM软件平台上可以做的差异分析，它能在计算机生成的三维模型的辅助下模拟生产工艺，能够在执行实际生产之前洞察生产工艺中的薄弱点。奇瑞就曾利用它查出某车型头灯生产中的问题，为公司避免了十多万美元的损失。因为能够在虚拟的环境中模拟产品设计、生产流程，工厂规划效率得以提升，生产线生产效率也会提高。
大数据是制造业智能化的基础，进而实现大规模的定制。由于消费者人数众多，每个人需求不同，导致需求的具体信息也不同，加上需求不断变化，就构成了产品需求的大数据。制造业企业对这些数据进行处理，进而传递给智能设备，进行数据挖掘、设备调整、原材料准备等步骤，才能生产出符合个性化需求的定制产品。“未来的制造将是数据驱动的°"HermannWimmer 说。
高效、科学的供应链管理
大数据所具备的预测功能使得大数据在供应链管理上的作用大大提
高。制造业从供应链渠道，以及生产现场的仪器或传感器网络收集了大量数据。利用大数据对这些数据库进行更紧密的整合与分析，可以帮助改善库存管理、销售与分销流程的效率，以及对设备的连续监控。大数据可以使供应链中的物流业变得更高效：卡车内的电子车载录像机可以提供卡车的位置;
如何快速驱动传感器和射频标签等，帮助满载的卡车更有效地结合道路状况、交通信息和天气条件以及客户的位置，从而大大节省时间和费用。
孔宇华说，供应链上的大数据分析可以让企业科学地制定销售策略，而不是像过去那样靠经验和冒险。比如，一个生产羽绒服的品牌，在全国有几千家店，10万件货品如何分配到全国的各个店里。平均每个店1,0套？显然不够科学。因为南北方的供需市场不一样，北方需求大但竞争品牌也多;此外，
不同地域里衣服的号码需求也不一样，南方人穿衣的号码就小一点，北方人则可能大一点。通过大数据分析，对历史数据、天气信息等做分析可以给企业合理的建议：哪些货运到哪里最合适，从而避免了积压或缺货的库存问题。
零售商在大数据的应用上处于领先地位。零售巨头沃尔玛开发了一个大数据工具，通过这个工具供应商可以事先知道每家店的卖货和库存情况，从而可以在沃尔玛发出指令前自行补货，极大地减少断货的情况和供应链整体的库存水平。在这个过程中，供应商还可以控制商品在店内的陈设，而沃尔玛也减少了这项的人力和资金投入，可谓双赢。因此，对于制造企业来说，借鉴这些经验优化供应链管理，从原料采购，到物流配
送环节都非常有意义。根据大数据和相应的分析工具及时甚至事先选择合适的供应商和物料投入生产加工，并且到物流阶段
可以选择合理的配送方案，以及销售策略。在大数据的支持下，一切都科学、合理，不仅提高了生产效率、服务质量，同时也降低了成本。