面向数字化工厂建设的数据应用研究( 二 ) 导读：本文介绍了数字化工厂

文章图片
图5管理指标统计分析
2.3关键指标评价
采集的工位数据，其包含的内容和类别是最全面的，工位、产线级的管理数据采集完成，产线、区域及企业不同层级的需求筛选和归集后，按照精益管理的需求转化成所需要的管理数据[6] 。管理数据对照管理要求进行指标分解，融入管理理念和要求，实施指标评价，并制定管理规范，形成可利用的、可落地实施的数据。

文章图片
图6管理指标分解
2.4事件管理中心
制造过程数据收集完成并初步加工形成管理指标，规范指标管理要求后，生产线运营过程中，就需对超出管理指标阈值的“异常事件”进行按责任单位分配，各责任部门对超阈值指标和异常事件实施关闭，分析原因制定整改措施，形成管理提升，达到闭环管理目的。（图7）

文章图片
图7事件管理指挥中心
3存在的问题与建议
数字化工厂的建设涉及基础设施建设、工艺装备升级、信息化平台，甚至企业管理职责及组织架构的更改[7] ，在推进数字化产线建设，探索智能制造模式的过程中，结合自身的经验及遇到的问题如下：
3.1基础网络建设
对数字化工厂数据贯通和应用影响大制造型企业一旦开始业务流与数据流的融合一体运行，数据上传下达的实时性要求很高，工厂车间设备设施对网络影响较大，尤其是基础有线网络，特别是无线网络的应用，事先需要进行信号强度的评估，必要时需建设5G网络。
3.2基础数据收集难度大
制造型企业涉及专业较多，一般来说焊接、加工、组装、测量等交叉组合形成完整生产线，数据类型有扭矩、线性尺寸、图片、时间、人员信息等，仅线性尺寸的采集也因工件尺寸、测量能力等限制各有不同。固对于底层数据采集需事先进行调研，自动和手动收集合理匹配。建议人工成本不高、节拍要求不严的，可提高人工采集的比例，降低建设成本[8] 。
3.3系统平台功能划分和数据接口宜提前规划
当前提供企业信息化平台的公司提供软件功能模块界限重合度越来越高，企业要根据自身特点提前规划信息系统平台的功能划分；涉及多系统的，要规范数据接口、形成标准，防止重复建设和多次投资[9] 。
3.4管理模式和组织职能要灵活调整
数字化工厂数据应用将改变一线的操作模式、质量管理模式和企业管理的流程，企业推进数据应用和数据驱动管理的过程中，要对管理模式、组织职能随时调整，建议先在小区域内试点试行，摸索经验，成熟后推广。
4结论
随着信息技术的进步，尤其是AI、5G技术的成熟应用[10] ，在中国制造2025国家战略和人口红利消退的时代背景下，数字化工厂的建设已是实现企业转型、提高核心竞争力的手段，在轨道行业建设“国家名片”的道路上，从电子、汽车产业等成熟产业的建设经验，打造新模式逐步推广应用：①企业数字化平台的数据贯通架构可以相互借鉴，在主流软件平台的应用上契合度较高。 ②基础数据的采集在不同行业不同企业的差异性较小，投资规模和平台模式相近的，数据采集的方式和方法值得推广和借鉴。 ③对于焊接厂房和设备设施密集型的车间，建议以有线网络为主，工位附近通过无线连接数据采集终端，如扫码枪、PAD等手持终端。 ④每个企业编制数字化工厂数据应用的管理规范和标准，数据应用只是工具，通过体系文件进一步规范管理、提升效益才是根本。
参考文献：
[1]全面实现数字化是通向智能制造的必由之路[J].中国机械工程,2018:366-377.
[2]浅析数据集成在数字化工厂建设中定位与实现[J].信息系统工程,2017,10:138-141.
[3]数字化工厂制造过程管理系统在汽车生产线上的应用[J].科技资讯,2015(29):71-72.
[4]数字化工厂的构建[J].电子工艺技术,2017:193-196.
[5]基于物联网的数字化工厂中质量管理信息采集[J].制造技术与机床,2016(7):126-129.
[6]数字化工厂管理系统[J].机械设计与制造工程,2013:53-56.
[7]数字化工厂建设方案探讨[J].制造业自动化,2018-04:109-114.
[8]数字化车间数据采集与应用技术探讨[J].中国仪器仪表,2018(2):37-42.
[9]数字化工厂及其与企业信息系统的集成[J].企业文化,2017(1):134.