首页 > 资讯 > 海略观点 > 李正海:工业4.0从构建全生命周期数据图谱开始

 

☞【大数据100分】《工业4.0 从构建全生命周期数据图谱开始》

主讲嘉宾:李正海 交大校友之家常务副理事长、九方宏信CIO、高级工程师、高级程序员

嘉宾介绍:李正海,又名包国智【包公32代】,89年毕业于北方交通大学机械系,铁道车辆专业。主要研究领域:信息透明化及可视化,知识创新,创业孵化。历任多家公司各种职务,包括香港上市公司高管,民企副总,部门经理,项目经理,首席咨询顾问,万人企业(戚墅堰)的计算机中心副主任等,千万级项目负责人,两亿项目专家组成员,主编《软件质量保证技术》,创过业,融过资,获过奖,大学讲过课,完成过30余类信息化项目,发表学术论文40余篇,兼任10数家政府、协会、高校、企业顾问。近期业务:【工业互联网】【大数据可视化】【微信点播,大屏幕】。

 

以下为分享实景全文:

李正海:

 

1、引言

工业4.0作为德国的竞争战略,其定义是以信息物理融合系统为技术核心,实现端到端集成、横向集成、纵向集成的新工业价值生态,而李克强总理与2014年10月访德,与德国总理默克尔共同主持第三轮中德政府磋商。访德期间,两国共同发表《中德合作行动纲要》,在纲要中宣布《纲要》还宣布两国将开展以智能制造为主导的“工业4.0”合作,该领域合作有望成为中德未来产业合作的新方向。自那以后,工业4.0得到了整个产业界的高度关注。

自2014年以后,笔者已经举办了三次工业沙龙活动,深感大家对工业4.0高度关注,但是路线图是什么,从哪里开始,是个比较大的问题,因此笔者结合自身20多年信息化经验,在研读了一些工业4.0的书籍、资料后,提出一个概念,就是工业4.0从构建全生命周期数据图谱开始。

首先解释一下什么是数据图谱,数据图谱可以理解为知识图谱的扩展,将企业的数据有机地整合起来,在技术上涉及数学、图形学、信息可视化,涉及的内容除了数据本身,包括术语定义、模板定义、模型定义、数据关系定义、变换关系定义、编码系统,以及总体的体系架构。

而全生命周期,首先说明这里的主体,笔者把它们分成四个领域,通常的资源管理包括人、财、物,那么对于工业企业,则包括企业组织、人员、资金、信用、产品、生产装备、网络系统、供应物料等等,而进入工业4.0时代,数据资源,或者说大数据资源,也变成了核心资源,甚至说会成为企业的核心资产,在工业企业中,生产信息流是重中之重。

所谓全生命周期,是指针对前述的主体,进行按时间流的分析,典型的生产模式为接单、设计、工艺、采购、生产、装配、物流、交付、服务等,而对于产品,例如航天就分成四个阶段,小样、试样、模样、正样,产品的设计BOM往往也会定义为设计BOM、工艺BOM、生产BOM、装箱BOM等。

而图谱的理解,是样板,是依据,是标准,企业可以根据数据图谱,确立业务的工作方式、工作的流程,图谱也是企业实现自动化的基础,或者说要想自动化,必须有标准化,而图谱就是标准化的表现形式。而智能,笔者理解为是在图谱的更高层应用模式,但是智能的比例在工业企业中,还是较低,大幅度提升有待时日,所以两者并不矛盾。

笔者以为,工业生产的组织、执行其核心是需要四流合一的,这四个流分别是业务流、资金流、信息流、物流(这个物流要划分成两个部分,第一是生产中的变化,第二是传统意义上的运输、存储。),实现工业4.0 例如胡权院长提出的三个高度,高度自动化、高度信息化、高度网络化,其中自动化是根据系统的执行,高度网络化是数据的传递,高度信息化,则是讲数据本身,所以笔者以为,工业企业的升级,提升到工业4.0的水平,需要一系列的投入,那么这种投入是有先后顺序的,而相对而言,工业装备、网络系统投入都很大,而在投入这些系统之前,也需要对企业进行整体数据建模,分析市场,结合企业的自身情况,确立发展方向,这样才可以开展下一步的工作。

 

2.工业企业的常见问题

在工业企业中,生产的过程其实也是信息的变换过程,而分析整体生产业务流程,会发现信息处理的过程,往往占到非常大的比例,先举一个正面的例子,上海一家企业,在人员规模基本没变、设备资源基本没变的情况下,招聘了两名程序开发人员,将企业的定单从纸面传真、发展到电子材料、到标准电子材料,总体实现定单向设备加工指令的自动化变换,可以达到85%的比例,而其余部分,通过人机交互,半自动模式,也大幅度提升了效率,结果把企业的定单交付周期,从原来的一个月一下,缩短到7天,加急定单缩短到3天,一年以后企业的产值就从2个多亿提升到7个多亿。

我们经过分析企业的全生命周期图谱,就会发现企业普遍存在数据没有记录、数据不正确、数据不完整、数据时效不够等系统问题,而这些问题,往往导致企业巨大的损失。

一个企业,工程师离职了,一条生产线是由他一个负责的,而离职后,发现他的计算机硬盘不见了,企业找人也找不到,也没有证据,结果一条生产线,整整停工八个月。一个集团接到客户投诉,说法没有按照客户要求,应用零件,集团检查后发现,客户在技术要求中,明确指定了某零件规格、而且指定了供应商,但是集团技术人员,再向工厂传递生产要求了,没有把这部分信息传递过去,于是工厂就选用了国产的产品,最终导致企业赔付50万美金。一个企业在再日本谈销售,打电话问国内,库存情况如何,结论是库存还有,于是签定合同,然而回国到企业后,却发现库存已经不够了。

介绍这些案例,核心要说明的是,绝大部分企业是缺少一个整体的,面向全生命周期的数据图谱的,我们要想工业革命,就必须从这些基础开始。

 

3.主要内容

针对企业的各种数据,各种对象,从其生命周期考虑,笔者以为主要包括这样的一些内容:

术语定义:如物的某个状态,进行明确定义,确立其内涵、外延,甚至其处理方式。

模板、模型:确立规范,从而可以快速处理,例如在CAD中,使用哑图技术,使用参数化绘图技术。

变换关系:例如一张销售单过账,同时生成一张财务凭证,这是两者之间的关联关系。

数据关系:对于关系型数据库而言,各种耦合,需要确立企业的数据字典,数据表。

编码系统:为了提高数据规范性,提高数据利用效率,开发应用编码系统,编码系统不仅包含有基于软件的系统,更重要的是面向企业的各种数据的生命周期,必须完整、正确、具有时效。

体系框架:工业企业,一般迄今都未建立起一张面向宏观的全生命周期数据图谱,我们需要从顶层开始,利用大数据的方式,结合软件应用,构建整体的体系框架。

 

4.软件应用

在企业中,应用软件可以大幅度提升数据处理的能力,而且减少错误,提高质量,笔者略举几例。

在装配设计中,装配工艺卡经常出现零件没有装完的情况,而上海思普的工艺设计管理系统,就构建了装配树,实现左右拖拉的方式,如果有零件没有装配设计,可以直观看到。

某企业设计PDM/PLM系统时,增加了标准化数据字典型字段,这样用户在输入时,采取选择性输入的方式,这样数据输入错误,不易理解的情况大幅度降低。

某企业在构造生产BOM时,由于设计采取的是选配策略,而根据规则,软件系统采用推荐、自动化匹配的方式,如果设计师认为不合适,则在进行修改,总体提高配置速度60%以上。

某企业在进行开发产品设计管理系统时,针对产品型式,开始认为7种足够了,然后运行两年后,发现原来的思路不正确,后期的设计管理系统就设计为,所有的新的产品设计都可以作为模板使用。

 

5.数据图谱应用

数据图谱构建时,也是有生命周期的,例如数据的输入,是个工作量很大的过程,然而这往往仅仅是个直觉,以某个企业为例,一说,我们设计图纸10万张,如果设计师把他们输入系统,根本没有时间,但是我们从输入的方式来讲,如果只采用扫描输入的方式,而不是转成CAD图形,其时间就可以大幅度缩短,而在应用的时候,根据需要将旧图纸转换成CAD图形,则是一种可行的方案。例如上海一家企业,就购置了3台工程扫描仪,安排四名中专生,也就8个月时间,就把企业的图纸全部实现了电子化。

下一个需要注意的是,数据的动态变换,很多企业存在着系统性问题,举例说,一个企业从来不给设计变更安排工时,而企业的变更是非常频繁的,因此生产部门采取的策略就是加大产品的期初工时定额,而大家可以预见到的就是生产计划的准确性很低,甚至闹出了企业一个工人一个月工时做到3000多的笑话。

构建全生命周期数据图谱,重点,甚至说作为重中之重的是,数据本身的生命周期,在传统上,存储是昂贵的,而现在即使存储价格下降了,但是数据的完整性往往也是不足的。另外需要注意,有一个不为人察觉的变换,那就是时间变化,随着时间流,我们需要对数据图谱进行改进、数据进行处理、知识库进行优化,引进更为先进的智能系统。

 

6.运营保证

关于构建全生命周期的数据图谱,如何保证运行,是个很大的难度,企业需要从企业文化、规则制度、运行工具、员工培训等多个方面进行强化。

某企业实施厂长查询系统,厂长说法,我一般不开,一开肯定不好,后来厂办结合计算机中心,确立了专人检查,如果数据没有按时填写,就重罚的制度,结果经过几个月的磨合,终于让厂长可以查询到工厂的整体概貌数据。

某企业设计部门制作了三维模型,但是生产部门收到的,还是二维图纸,生产部门根据二维图纸再进行建模,可以想象其周期与质量,而这么运行的原因就是与国家政策不符。

前面说的一些例子,也提到了软件在数据处理中的应用,笔者再分享一下我们的原则,凡是我们希望员工做的,我们在设计上就让它非常简便,而不希望员工做的,就让它复杂。

最后说明,在全生命周期数据图谱时,可以理解为数据是有不同大小、价值、展现形式的各种不同,我们需要结合具体业务,进行优化,从而保证节点运行的有效性,进而提升整体生产流程的精益性。

 

7.未来展望

针对全生命周期的数据图谱,笔者以为会有如下的几个发展方向,第一是大数据化,从数据的总量、到单元业务处理需要的数据量、产生的数据量,将发生质的变化;第二是移动化,例如企业的领导不在现场,可以利用移动终端、查询、控制、优化生产现场;第三是数据图谱的社会化,例如工业4.0的横向集成,可以理解为各种主体的数据需要处理,另外提供工业数据服务的,例如淘宝样的平台企业将会出现。最终我们的社会将发展成有谱系的、结构化、非结构化的、各种复杂管理、高效、互联的大数据社会。

 

 

.

最新调查
最新投票


微信扫一扫关注