论文部分内容阅读
摘 要：企业运营管理水平的高低直接影响着企业未来的发展和企业的生命力，如何提升企业运营管理水平是企业获得长久生存发展必须要考虑和解决的难题。本论文主要从管理指标逻辑关系的梳理、管理指标体系的建立等方面，实现指标的预警、报警及响应闭环的全过程控制，助力企业的管理模式升级。
关键词：多层级管控系统 IOT 数据平台
Multi-level Management and Control System "Empowering" Enterprise Management Upgrade
Li Ruifang Zhou Jun Jiang Xudong Hu Xiaofeng
Abstract：The level of enterprise operation and management directly affects the future development of the enterprise and the vitality of the enterprise. How to improve the level of enterprise operation and management is a problem that must be considered and solved for enterprises to achieve long-term survival and development. This thesis mainly focuses on sorting out the logical relationship of management indicators and establishing the management indicator system to realize the whole-process control of early warning， alarm and response of indicators， and to help upgrade the management model of the enterprise.
Key words：multi-level management and control system， IOT data platform
未来几年全球市场对数字化设计、智能化生产、智慧化管理、协同化制造、绿色化制造、安全化管控等方面的要求随着经济的发展、制造业水平的提升而变得越来越高，这给国内汽车制造行业带来挑战的同时也带来了新的发展机遇。从政策端来看，国家发布的各项智能制造政策对汽车行业发展起到了积极而有力的支撑;从需求端看，当前国内外对汽车产品的需求呈现出多场景、多技术种类、多级别和个性化的特征;从供给端来看，随着众多传统外资车企对智能制造的加码，及对合资品牌的技术支持，以吉利为代表的国内自主品牌汽车必将面临新一轮的冲击与挑战。
外围和客户对产品的关注度持续走高，也暴露了生产线系统各自为战、互联互通不足、信息透明化不足等问题，表明传统的制造周期和线体特性已无法满足当前市场对于产品的定制化需求。企业运营管理水平的高低直接影响着企业未来的发展和企业的生命力，如何提升企业运营管理水平是企业获得长久生存发展必须要考虑和解决的难题。本论文主要从管理指标逻辑关系的梳理、管理指标体系的建立等方面，实现指标的预警、报警及响应闭环的全过程控制，助力企业的管理模式升级。
1 系统目标
指标是企业的运营管理水平的高低的一种体现方式，设计的领域主要包括
质量、成本、交付、人员及安全等领域。如何准确地通过指标来识别并管控各领域管理存在的问题，是提升企业的运营管理水平的关键。以指标体系为落脚点，以制造体系、质量管理体系和经营管理体系为依托，基于分层预警逻辑，对基础系统数据进行信息采集，如生产执行系统、质量管理系统、物料管理系统以及企业资源管理系统等，向传统系统未覆盖的物联层数据进行扩展。通过对底层数据的采集、分析、运算得到各层级指标[1]。
2 确定实施架构
在充分调研的基础上，确定三条业务开展主线，分别是纵向集成的生产制造“创新链”、端到端集成的生命周期“价值链”和横向集成的产供销“产业链”，具体来讲：
1）纵向集成：随着客户需要的多样性，现有汽车4S店和销售公司進行销量预测的生产模式越来越显示出短板，造成越来越多的供应商库存积压，带来巨大的成本浪费，因为急需改编为以需求驱动的生产模式，消费者订单直接汇总进行生产系统进行生产排产。
2）端到端集成：构建产品设计数字化平台，打通销售、研发和制造。
3）横向集成：打通产供销OTD链信息流，对生产和物流运输进行全程监控，建立智能制造驾驶舱，对涉及质量Q、交期D、成本C进行展示和分析，实现生产制造全过程透明、敏捷。通过交互，真正实现“研发、工艺、生产、物流与销售”各环节的无缝对接。多功能管控系统的实施就是其中的一条主线——横向集成的产销供“产业链”。
业务架构搭建：从质量、成本、交付、人员及安全等领域正向梳理，并按照正常业务开展逻辑进行模拟分解，直到分解到最小单元，直达根本原因，将分析的纵向深度向设备层延展，将原本割裂的数据环节进行融合，做到影响因素的真正直达;同时，业务架构的搭建做到事前数据预判，事中在线诊断、纠正调节，事后敏捷分析。
应用架构搭建：以IOT平台做数据中台，将设备数据、研发数据、及传统系统数据放到IOT平台做统一汇总与融合，打通各系统间的壁垒，实现数据融合，做到数据互联互通[2]，将管理决策与业务分析相结合，不仅能快速反映问题所在，还可以给出解决方案，同时利用多种智能算法对趋势进行预测分析，做到提前处理、闲时处理，不仅降低了制造成本，还能够提升运营效率。在数据互联互通的基础上开发业务分析及管理决策的APP应用，最大限度的挖掘数据的价值。 3 指标体系建立与规划
基于体系、标准、信息、系统、交互的规划原则，推进部署项目的整体落地，引入BI（Business Intelligence，商业智能），通过现代数据仓库技术、线上分析处理技术、数据挖掘和数据展现技术对数据的收集、管理、分析以及转化，用数据之间的内在联系，开发每条数据链的数据应用，从而获得必要的洞察力和理解力，为决策和行动指导提供数据支撑。
为实现指标的智能管控，以管控地图的形式，对关键和重要工位影响到的过程指标进行分析，制定达成策略，并明确信息上传的路径和所使用的信息系统。通过智能制造实现从各信息系统中抓取、集成关键信息，呈现在管理驾驶舱上。进行分级管理，实现精准对标、质量预判、快速决策及响应，形成PDCA循环提升。
4 数据采集与平台搭建
传统的点对点数据采集已无法满足需求，需要转变数据的采集方式，逐步转化为共平台的数据汇集，同时采用一网到底的网络方案，将网络覆盖到底层设备，引入IOT平台，让底层设备的数据采集变为可能。
信息化时代，IT致力于面向事务的业务活动的线上化，信息化，随着时间积累产生了海量数据;自动化及物联网时代，OT致力于工具的联网，感知，也将产生各种海量数据。所谓的IOT平台就是，通过各种传感技术、通讯手段，将传统物体与互联网进行连接。以实现远程监控、自动报警、远程控制、远程诊断、远程维护。进而实现管理、控制、营运一体化的网络。作为新一代的信息通信技术，实现人与人、人与物、物与物的信息互联。
针对生产制造及OTD数据特点，选取横纵两个数据平台，采用IOT平台对接生产制造数据，采用企业资源管理平台对接销售、生产、供应链、与运输及存储数据。两平台既能够数据共享，又能够针对各自对应业务的运行做到顺畅执行。
5 数据对业务赋能
数据产生价值，价值产生机会，我们将BI技术应用于各层级管理者及工程师的日常工作管理，不仅呈现指标，发现问题，还模仿各层级人员的思维习惯去逐步钻取到问题发生的原因，同时给出解决方案，让问题更快的被发现，更快的追踪到原因，更快的寻找的解决办法，进而更快的被处理，为后期自动决策及自动纠正的实现提供可能。
梳理业务流程，建立指标体系，将指标进行层层分解，识别影响因素和问题产生的根本原因，实现数据的互联互通;将制造专家的经验转化为数据语言，按照专家的分析逻辑搭建数据模型，实现对各种失效模式的自动分析，依据历史数据以及衰减曲线加以智能算法对趋势进行预测;搭建工厂运营的数字化模型，利用实时的数据驱动，在虚拟环境中直观的体现工厂各个环节的运行状态，仿真模型与实时数据联动，实现真正意义上的数字孪生。
6 总结
本论文从系统目标、实施架构、指标体系建立与规划、数据采集与平台搭建、数据对业务赋能五个方面进行了详细描述，实现对指标的预警、报警及响应闭环的全过程控制，助力企业的管理模式升级，也为相关企业建立多层级管控系统提供了参考。
参考文献：
[1]袁莉莉，袁晓伟，韋安垒.物联网和区块链在智能工厂中的应用[J].网络空间安全，2020，11（01）：91-97.
[2]张洁，高亮，秦威，吕佑龙，李新宇.大数据驱动的智能车间运行分析与决策方法体系[J].计算机集成制造系统，2016，22（05）：1220-1228.
关键词：多层级管控系统 IOT 数据平台
Multi-level Management and Control System "Empowering" Enterprise Management Upgrade
Li Ruifang Zhou Jun Jiang Xudong Hu Xiaofeng
Abstract：The level of enterprise operation and management directly affects the future development of the enterprise and the vitality of the enterprise. How to improve the level of enterprise operation and management is a problem that must be considered and solved for enterprises to achieve long-term survival and development. This thesis mainly focuses on sorting out the logical relationship of management indicators and establishing the management indicator system to realize the whole-process control of early warning， alarm and response of indicators， and to help upgrade the management model of the enterprise.
Key words：multi-level management and control system， IOT data platform
未来几年全球市场对数字化设计、智能化生产、智慧化管理、协同化制造、绿色化制造、安全化管控等方面的要求随着经济的发展、制造业水平的提升而变得越来越高，这给国内汽车制造行业带来挑战的同时也带来了新的发展机遇。从政策端来看，国家发布的各项智能制造政策对汽车行业发展起到了积极而有力的支撑;从需求端看，当前国内外对汽车产品的需求呈现出多场景、多技术种类、多级别和个性化的特征;从供给端来看，随着众多传统外资车企对智能制造的加码，及对合资品牌的技术支持，以吉利为代表的国内自主品牌汽车必将面临新一轮的冲击与挑战。
外围和客户对产品的关注度持续走高，也暴露了生产线系统各自为战、互联互通不足、信息透明化不足等问题，表明传统的制造周期和线体特性已无法满足当前市场对于产品的定制化需求。企业运营管理水平的高低直接影响着企业未来的发展和企业的生命力，如何提升企业运营管理水平是企业获得长久生存发展必须要考虑和解决的难题。本论文主要从管理指标逻辑关系的梳理、管理指标体系的建立等方面，实现指标的预警、报警及响应闭环的全过程控制，助力企业的管理模式升级。
1 系统目标
指标是企业的运营管理水平的高低的一种体现方式，设计的领域主要包括
质量、成本、交付、人员及安全等领域。如何准确地通过指标来识别并管控各领域管理存在的问题，是提升企业的运营管理水平的关键。以指标体系为落脚点，以制造体系、质量管理体系和经营管理体系为依托，基于分层预警逻辑，对基础系统数据进行信息采集，如生产执行系统、质量管理系统、物料管理系统以及企业资源管理系统等，向传统系统未覆盖的物联层数据进行扩展。通过对底层数据的采集、分析、运算得到各层级指标[1]。
2 确定实施架构
在充分调研的基础上，确定三条业务开展主线，分别是纵向集成的生产制造“创新链”、端到端集成的生命周期“价值链”和横向集成的产供销“产业链”，具体来讲：
1）纵向集成：随着客户需要的多样性，现有汽车4S店和销售公司進行销量预测的生产模式越来越显示出短板，造成越来越多的供应商库存积压，带来巨大的成本浪费，因为急需改编为以需求驱动的生产模式，消费者订单直接汇总进行生产系统进行生产排产。
2）端到端集成：构建产品设计数字化平台，打通销售、研发和制造。
3）横向集成：打通产供销OTD链信息流，对生产和物流运输进行全程监控，建立智能制造驾驶舱，对涉及质量Q、交期D、成本C进行展示和分析，实现生产制造全过程透明、敏捷。通过交互，真正实现“研发、工艺、生产、物流与销售”各环节的无缝对接。多功能管控系统的实施就是其中的一条主线——横向集成的产销供“产业链”。
业务架构搭建：从质量、成本、交付、人员及安全等领域正向梳理，并按照正常业务开展逻辑进行模拟分解，直到分解到最小单元，直达根本原因，将分析的纵向深度向设备层延展，将原本割裂的数据环节进行融合，做到影响因素的真正直达;同时，业务架构的搭建做到事前数据预判，事中在线诊断、纠正调节，事后敏捷分析。
应用架构搭建：以IOT平台做数据中台，将设备数据、研发数据、及传统系统数据放到IOT平台做统一汇总与融合，打通各系统间的壁垒，实现数据融合，做到数据互联互通[2]，将管理决策与业务分析相结合，不仅能快速反映问题所在，还可以给出解决方案，同时利用多种智能算法对趋势进行预测分析，做到提前处理、闲时处理，不仅降低了制造成本，还能够提升运营效率。在数据互联互通的基础上开发业务分析及管理决策的APP应用，最大限度的挖掘数据的价值。 3 指标体系建立与规划
基于体系、标准、信息、系统、交互的规划原则，推进部署项目的整体落地，引入BI（Business Intelligence，商业智能），通过现代数据仓库技术、线上分析处理技术、数据挖掘和数据展现技术对数据的收集、管理、分析以及转化，用数据之间的内在联系，开发每条数据链的数据应用，从而获得必要的洞察力和理解力，为决策和行动指导提供数据支撑。
为实现指标的智能管控，以管控地图的形式，对关键和重要工位影响到的过程指标进行分析，制定达成策略，并明确信息上传的路径和所使用的信息系统。通过智能制造实现从各信息系统中抓取、集成关键信息，呈现在管理驾驶舱上。进行分级管理，实现精准对标、质量预判、快速决策及响应，形成PDCA循环提升。
4 数据采集与平台搭建
传统的点对点数据采集已无法满足需求，需要转变数据的采集方式，逐步转化为共平台的数据汇集，同时采用一网到底的网络方案，将网络覆盖到底层设备，引入IOT平台，让底层设备的数据采集变为可能。
信息化时代，IT致力于面向事务的业务活动的线上化，信息化，随着时间积累产生了海量数据;自动化及物联网时代，OT致力于工具的联网，感知，也将产生各种海量数据。所谓的IOT平台就是，通过各种传感技术、通讯手段，将传统物体与互联网进行连接。以实现远程监控、自动报警、远程控制、远程诊断、远程维护。进而实现管理、控制、营运一体化的网络。作为新一代的信息通信技术，实现人与人、人与物、物与物的信息互联。
针对生产制造及OTD数据特点，选取横纵两个数据平台，采用IOT平台对接生产制造数据，采用企业资源管理平台对接销售、生产、供应链、与运输及存储数据。两平台既能够数据共享，又能够针对各自对应业务的运行做到顺畅执行。
5 数据对业务赋能
数据产生价值，价值产生机会，我们将BI技术应用于各层级管理者及工程师的日常工作管理，不仅呈现指标，发现问题，还模仿各层级人员的思维习惯去逐步钻取到问题发生的原因，同时给出解决方案，让问题更快的被发现，更快的追踪到原因，更快的寻找的解决办法，进而更快的被处理，为后期自动决策及自动纠正的实现提供可能。
梳理业务流程，建立指标体系，将指标进行层层分解，识别影响因素和问题产生的根本原因，实现数据的互联互通;将制造专家的经验转化为数据语言，按照专家的分析逻辑搭建数据模型，实现对各种失效模式的自动分析，依据历史数据以及衰减曲线加以智能算法对趋势进行预测;搭建工厂运营的数字化模型，利用实时的数据驱动，在虚拟环境中直观的体现工厂各个环节的运行状态，仿真模型与实时数据联动，实现真正意义上的数字孪生。
6 总结
本论文从系统目标、实施架构、指标体系建立与规划、数据采集与平台搭建、数据对业务赋能五个方面进行了详细描述，实现对指标的预警、报警及响应闭环的全过程控制，助力企业的管理模式升级，也为相关企业建立多层级管控系统提供了参考。
参考文献：
[1]袁莉莉，袁晓伟，韋安垒.物联网和区块链在智能工厂中的应用[J].网络空间安全，2020，11（01）：91-97.
[2]张洁，高亮，秦威，吕佑龙，李新宇.大数据驱动的智能车间运行分析与决策方法体系[J].计算机集成制造系统，2016，22（05）：1220-1228.