发布日期：2017-01-13浏览次数： 次信息来源： 邱伏生
第一，贵公司有制造大数据战略吗？
1. 什么是大数据战略？
简而言之，就是制造企业未来大数据链接方式和平台长相。
也就是说如何收集和使用数据的一个价值导向。包含数据加工和使用逻辑、未来数据有效性的判断、对于数据修正补偿和响应的执行力和执行率。
问题是，除了（领导或者高人）在演讲台上表达个人的真知灼见，又有多少制造企业有成文的大数据战略呢（正如他们没有供应链-物流战略一样）？
是否真的有一份文件规定了公司对于大数据的布局和实现路径？
2. 大数据是什么东西（数据的本质）？
制造大数据是企业经营质量的表现。
也就是企业产品、市场、******、订单、计划、采购、生产、物流、库存、交付等的所有过程的实时信息和执行差异的管理和响应能力（实际上，大数据表现好，软件就可能表现好；如果大数据非常糟糕，再好的软件也无法表现出优秀的数据来）。
工业4.0的核心是智能制造，智能制造的核心是工业大数据，是未来制造企业的血液、神经元，未来驱动企业运营和设备运转的不是石油、电力，而是大数据。
于是要问：企业通过大数据想达到什么目的？
—动态敏捷实时可视，支撑OTD、管理差异、优化产品、优化质量……更好的运营，更好地服务、服务型制造（是否是智能化制造都需要实现）。
3. 如何通过大数据体现核心竞争力？
没有数据就没有发言权，无法实时响应市场和客户对于产品、交付、服务的要求，所谓的物联网、互联网，那就与你的企业无关。--让互联网与你有关，是否也算是核心竞争能力？
4. 谁需要建立大数据策略？
如果没有工业4.0，难道就不要大数据？不但是大企业，中小企业更需要智能制造，那么是否可以说无数据不商业？更何况你还需要对接商业大数据呢？
第二，贵公司对于制造大数据的战略支撑是什么？
需要注意的是：我们很多时候有意无意的直接就把软件平台的构建，当成了数据战略。
那么—
先有软件还是先有数据？
如果要做数据战略，应该先规划软件还是规划数据逻辑？
谁最需要数据（软件）逻辑？
谁最懂制造业的数据（软件）逻辑？
决定数据的是谁（什么）？
决定软件的是谁（什么）？
所以，软件是什么？是传递数据的工具，但是绝对不代表大数据！
大数据的战略支撑应该是：
1、数据力-产生、抓取、分析、补偿、使用数据的能力
2、数据逻辑-数据应该是处于同一频率的，无论从横向，还是纵向，数据都应该相匹配。
比如当前的绝大多数制造企业，采购来的物料数据是按照批量来（批量采购）的，主数据是基于批量的管理，单位为数量+天；仓库管理是按照批次来（FIFO先进先出）的，主数据是基于时间的管理，单位为天；生产制造是按照作业计划来的，主数据是基于产量、节拍的管理，单位为小时或者分钟；根据订单要求，他们无法锁定物料，也就是说，环节数据根本不在一个频道和频率上，至于检验而言，更加不在物流计划中，与上下游的数据基本不相干，甚至有很多企业的成品，下线前后也没有客户属性，如此一来，再好的软件，没有数据逻辑，也无法理顺该数据的有效性！那么工业大数据，只是一张皮。
—借一句流行的话说“再好的音乐，也弹不出我的悲伤”。
3、数据精准精细度-如果按照流程细化而言，可以分为九级乃至十级（动作分解级），那么数据的细分程度是否可以分为九级或者更高呢？
很明显，数据细分程度越深，那么采集难度越大，分析起来也就越复杂，但是可能对于企业的精准管理越有用，而智能化设施需要数据驱动，显然需要适度的数据精细化。有一句话说得很好，以前规划工厂考虑的是人机工程学（粗放数据），未来考虑更多的是机-机工程学（精细乃至精密数据）。
4、数据实时度-当前发生的、实时的、现实的、有效的。
5、差异补偿力-相对于标准、计划而言的差异表现能力，以及对于差异的响应与补偿能力，避免重复管理。现实的问题是，我们就没有数据标准。
比如说，依计划生产的能力，计划达成率、计划变更率、按照动作成本法计算出来的制造标准成本和物流标准成本、额外成本、有效到货准时率……很多企业做了可视化，但是，仅仅是树立一个白板，将数据写（画）上去、或者打印后贴上去（可视？），或者月底给出一张人工统计后的报表来看，到底有多少用处，我想，你懂的！相对于丰田的可视化，丰田是有后台数据库作为支撑的，我们没有，只有“可视的”，丰田可以实时追溯和查询，我们只有木已成舟后的叹息！这也就罢了，那么未来的智能制造依靠这样的数据，显然不靠谱，何况，未来的数据根本就不是给人看，而是给智能化的设施“看”的。
第三，数据管理的实现路径
1. 数据采集（抓取）与分析。
不要相信别人 (尤其是成型软件公司) 的套路，自己公司的数据，一定有自己的性格和逻辑，未必适合特定的软件。
不管你的数据是否合理，你必须要先收集（调研）。
信息采集过程中，可能存在三种情况
有完整的过程链数据-可以将数据提取和再现过程（昨日重现？），并从中寻找数据规律，找到优化值、最佳值、标准值，形成可以回归的逻辑。
数据不全导致断档（山穷水尽疑无路？）-挖掘、补充，并参考其他比较顺利的数据进行对比，回归。
根本没有数据（寻寻觅觅，凄凄惨惨戚戚？）-此时只能够从流程测试现有动作数据，或者直接推算流程数据；
2. 数据规划和调整
正如美的集团总裁方洪波先生所言：“今天传统的制造业是一个物理形态的状态，是一个机械的状态，有厂房、生产线、设备、生产工人、车辆、配送、渠道、服务机构、网点等等，所有这些都是物理形态的。但是，我们今天要把这些物理形态的东西变成数字。”
如何变成数字？
根据OTD（order to delivery）中的逻辑关系和流程需要，对制造大数据平台的构成进行概念设计（长成什么样），从基础设施到业务运作流程、从供应商到客户OTD供应链、从市场需求与产品管理到产品生命周期管理......多维度、高度、深度，对每个产品、设施、物料物流、数据、甚至每个平方米，进行分析、规划和调整，所谓PFED（plan for every data）,构建和梳理（参数）数据链，拉通价值型供应链，横向+纵向的不同纬度，均衡的拉通数据逻辑。
可能用到精益制造、精益物流、标准作业、作业标准、IE标准作业值、计划、执行，差异管理与应急等。
3. 运营、监测-回馈到数据采集与分析
两条主线，一条是计划的信息逻辑，从预测-SIOP-主生产计划-库存策略-采购计划-到货计划-收货计划-检验计划-存储计划-拣选计划-配套计划-配送计划-自制件计划-总装计划-成品存储计划-发运计划-送达交付计划…另一条是执行的物理逻辑，从企划阶段开始，研发阶段、采购阶段、制造阶段、成品物流阶段、客户使用和体验阶段……对上述全过程进行计划评审、执行监测和差异实时显示（算法其实也不难），得到新一轮的虚拟信息-现实物理数据，通过数字表现出现实的运营规律（可能与规划的、原有的数据有差异，但是差异所在，正是优化的切入点）。
4. 量化管理
量化管理是制造业实现数字化管理、智能制造的前提条件，更是未来驱动智能化设备的战略核心。这也是衡量一个企业专业管理和经验管理之间的本质差异。
并不是所有的数据企业都需要的，而且不同的企业，由于战略和价值导向不一样，对于数据的取舍、使用也不一样。
所以，非常重要的工作是：理顺具有逻辑关系的关联数据，将海量数据转化为企业经营过程需要的相关参数和KPI，保证不同环节数据之间的（横向+纵向）逻辑关系。
此时的量化管理就具备了均衡化数据的意识了。
5. 信息化软件平台
导入平台、覆盖流程-设计或者寻找软件，更多时候是开发属于自己制造大数据管理的软件平台（云平台）；
此时将会面临一个现实：已有的软件—“我们有知名的EPR、MES、SRM、CRM、APS、WMS、TMS等，而且来自不同的软件公司和界面，平常使用存在数据缓冲和界面问题”，应该如何处理这些已经事实上成为鸡肋的软件？
答案有点残酷：坚守自己的数字化战略，布局和构建符合该战略的软件平台，对于不符合未来发展的软件（哪怕是知名软件），都应该壮士断腕，该放弃的都应该放弃！否则，企业在犹犹豫豫中，容易被误导和约束企业智能化发展的实现路径。
（数据）信息平台规划好了，应该不可能一步到位。
所以，对于基础比较好的企业，可以直接将平台与日常运营结合起来，接地气地说，应该是将预测、订单、计划（主生产计划、采购计划、到货计划、作业计划、存储计划、配套计划、配送计划、总装计划、成品发运计划、库存计划、人资资源计划、检验计划等）、采购、供方管理、生产、厂内物流、仓储、成品物流、客户需求交付等，从计划-物流-库存-作业-现场，从虚拟的信息到物理的现实现场，通过信息采集和交互手段（各类音频、视频、颜色、条码或者RFID）动态实时的对接起来，最终达成“你说的都是你做的、你做的都在流程中体现了，正如我在现场看到的那样。”—企业言行一致。此时的现场体现可以转化为显示屏、电脑、手机APP移动化、动态化管理。
对于基础比较LOW的企业，未必准备好了上一套大平台软件，但是并不代表不要做大数据战略和规划，所谓“一次规划分步实施”而已。接地气地说法是：在大数据战略导向下，你需要的是数据，而不仅仅是软件。所以，可以先从一体化、系统化的层面制定数据交互规则，至于采集和交互手段，可以根据条件和需要采用手工、条码等相对简易的方式，可以从关键工序和环节（分段）率先突破自动化、智能化的应用，即使无法实时，也可以推动高频次采集，寻找数据规律，从而以点带面、步步推进、以终为始的实现战略要求。
数据与信息平台对接上了，那就可以做到“内视透明、外接互联”。
6. 反馈、补偿
传统的数据收集表现方式和作用其实并不明朗。
比如我们日常的可视化（在作业现场粘贴书写各种报表和数据），是否考虑过诸如“给谁看？谁看？明天呢？”之类的问题，似乎更多的是为了可视化而做。这些数据存在一个或者多个问题：手工的、不及时的、不可追溯的、累计且离散的、不连贯的、无逻辑的、无规律的、不稳定的、非现场的、多变的、不完整的、非透明的、不可视、不共享的、无预警的……如果是给管理者看（管理者才是最终的决策者），那么形成显示屏、APP化、或者短信微信提示，建立差异管理机制，反馈后进行持续改善PDCA；
如果未来给机器看呢？
既然是智能管理，那就需要分开来说了，结果数据、实时报表数据给人看，如上述而言；现在，过程数据应该是给机器“看”了，所以，对于智能化设施而言，更多的是数据驱动和自动补偿，所谓的自组织、自补偿、自管理了，这就是智能化的表现了。
当然，前提是人机料法环测（5M1E）需要规划和设计、建设成为互联互通的可实时状态。
顺便提一句，这个时候，似乎可以导入******作业了，具体包含规划和平台的******和日常运营的订单运行******，如此一来，贵公司的智能制造过程中的瓶颈就可以提前预知和预警、预防了。
所以，什么是智能？到目前为止没有几个人说得清楚，国家也没有明确定义。
但是，很显然，自动化不是智能；信息技术本身也不是智能；光靠物流自动化也不是智能……其实，智能制造绝对不仅仅是制造本身，而是至少包含产品、制造工艺、物流动线、信息与数据、建筑设施五条主线和维度开展，需要系统规划、分步实施、迭代升级。
第四，瓶颈和挑战
数据质量、数据断档、数据深度挖掘和算法、数据策略的迭代升级
数据所有权、使用权、数据仲裁机构可能是值得注意的问题点。
如何规避？
第一类问题，应该是数据战略和价值导向决定和深入研究的问题；
第二类问题应该是国家层面的问题了，恐怕也是未来全球化需要面对的关键问题。
