M車企制造過程的數字化應用探析

馮文濤 范偉亮 吳媛媛 沈寧迪 陳靜

摘要：“十四五”規劃綱要已經明確提出要“加快數字化發展，建設數字中國”，加快推動數據賦能全產業鏈協同轉型，信息化、數字化和智能化的管理模式逐漸成為制造業的發展方向。為此，聚焦M車企制造域數據來源分散、人工制表管理效率低下、可視化水平不足等問題，依托數據抽?。‥TL）、數據倉庫（Greenplum）、可視化報表（Finereport）等數字化工具，標準化管理異源異構數據，實現了生產制造全鏈路大數據的可視化、透明化管理。

關鍵詞：數據集成；數據倉庫；數據標準管理；可視化分析

中圖分類號：U461? 收稿日期：2023-04-20

DOI：10.19999/j.cnki.1004-0226.2023.08.021

1 推進汽車制造域數字化轉型

2020年7月“十四五”規劃提出了打造數字經濟新優勢，明確智能制造作為數字化應用場景之一，需要進一步深化生產制造環節的數字化應用。汽車制造業發生了巨大變革，通過設備聯網、生產環節數字化連接、供應鏈協同響應等手段，不斷推進制造柔性化和管理智能化。各大車企利用數字技術賦能，推動智能制造升級，不斷提高制造域的管理水平和經營效率[1]。

2 汽車制造價值鏈的重構

2.1 制造域的數據困境

隨著新車型、設備和人員的持續導入，M車企制造過程管控難度加大，以人工主導的運營方式，使得生產效率、準確性、成本改善都遭遇瓶頸，因此必須通過數字化轉型，細化數據應用，快速暴露并解決問題，實現業務指標提升。

在數據質量方面，由于缺乏統一的數據標準和管控手段，數據多點、重復以及線上線下交替的采集方式造成了數據多源異構問題，帶來了業務數據不準確、不高效、不透明的現象。在數據共享方面，經過十幾年的信息化發展，既有新系統建設，也有舊系統的迭代升級，留下了煙囪林立的IT系統，各信息系統間架構差異大導致數據共享困難[2]。

2.2 制造域的數據一體化升級

為了解決制造域的數據困境，達到活用數據的目的，M車企通過數據平臺直連業務系統，打通業務上下游的數據壁壘，實現數據融合，快速構建制造域產供銷存一體的全生命周期數據價值鏈?；跀祿O控生產交付過程中各環節的運行狀態，及時發現異常并做出針對性改善，實現訂單高效生產和及時交付；同時降低生產工藝、設備能源、供應鏈、交付流程中的潛在浪費，優化制造成本，以數據服務化的方式助力實現制造域的高效管理和運營[3]。

2.3 數字化融合對架構的要求

實現產供銷存價值鏈的核心在于打造覆蓋生產、訂單、物流、供應鏈、銷售全流程監控的統一業務管理和系統架構。M車企基于統一數據、統一平臺、統一管理的目標，構建源系統、數據源、數據倉庫、數據集市和數據應用為一體的數據平臺。通過對數據資源的有效匯聚和管理，逐步實現生產、質量、供應鏈等業務模塊的業務在線、數據采集和可視化，利用數據全生命周期的資產化管理，促進數據的“內增值”和“外增效”。產供銷存一體化業務架構如圖1所示。

3 產供銷存數字化協同實踐

M車企在產供銷存數字化建設過程中，引入數據抽?。‥TL）、數據倉庫（Greenplum）、可視化報表（Finereport）等工具，建立涵蓋數據采集和抽取、數據標準化管理、數據存儲與處理、數據可視化應用的全面管理體系，搭建支撐產供銷存全流程一體化的數據應用平臺（DAP）[4]。該平臺充分利用內部業務系統的一線生產情況、物資采購、庫存管理、銷售訂單、供應鏈等數據，在數據集成和統一標準管理的基礎上，利用網頁端、移動端的大數據分析和可視化展示，有效監控生產運營情況，滿足管理層、運營層對數據查詢、分析和探索的需求，持續提升管理決策效率。產供銷存一體化系統架構如圖2所示。

3.1 數據采集和抽取

數據采集模塊依托于開源的ETL數據抽取工具從供應鏈管理、經銷商管理等業務系統中讀取數據，通過數據總線（ESB），利用抽?。‥xtract）、交互轉換（Transform）、加載（Load）等方式，將數據匯聚到數據倉庫中。集成的數據抽取方式解決了系統間架構差異大的問題，實現了跨系統數據的統一采集和融合，為后續的加工建模提供數據基礎。

3.2 數據標準化管理

產供銷存數據標準化工作聚焦生產、質量、供應鏈的業務流程，識別關鍵數據實體和屬性對象，遵循統一的業務主題分類標準，逐步梳理數據的業務屬性、管理屬性和技術屬性，對基礎數據和指標數據進行規范化編制、審核，建立制造域業務數據字典。數據標準化管理消除了數據不一致、不完整等質量問題，直觀呈現了業務口徑的統計邏輯，有效支撐了后續的數據應用[5]。

3.3 數據存儲與處理

數據存儲與處理引入開源數據倉庫（Greenplum），采用大數據并行處理（MPP）架構和負載均衡分布策略，匯聚數據操作層（ODS），構建面向產供銷存主題的數據倉庫層（DW）和數據集市層（DM）[6]，實現了生產、質量、供應鏈等業務主題數據的分類和匯總，平衡了大數據處理能力和用戶性能，為業務提供了高效即席查詢、聯機分析處理（OLAP）和數據分發服務。

3.4 數據可視化應用

數據可視化應用基于產供銷存的數據倉庫和數據集市，輔助生產目標填報模塊，直連帆軟（Finereport）模板設計器，在網頁端、移動端按業務域展示了經營管理和運營分析情況，進而具象化指導運營管理決策[7-9]。

經營管理層面，通過跨領域業務數據融合，打造一站式決策支持的制造駕駛艙。決策層可清晰地了解核心KPI指標，快速全方位了解訂單、生產和發運等環節的當前進展和目標達成情況。制造域駕駛艙如圖3所示。

運營分析層面，通過生產訂單監控日報自動生成明細訂單情況，建立多維度的訂單可視化看板。以圖形方式清晰化展現全局狀況，平臺每日生成T-1日業務線日報，自動獲取系統數據，準確反饋達產狀況，實現精細化運營。訂單可視化如圖4所示。

4 結語

生產制造是企業的關鍵，產品的制造效率會極大影響車輛的下單到交付的整體效率，所以對生產環節的數字化監控必不可少。M車企產供銷存項目通過搭建覆蓋生產、質量、供應鏈一體化的數據應用平臺（DAP），統一了平臺、數據、管理，實現了以數據為核心開展生產運營，一改以往的“以經驗為導向解決問題”的局面。通過跨業務域數據的應用和共享，實現數據的高效融合，有效推進制造域的數字化升級。結合以上的實踐經驗，沉淀了數據標準管理工具和知識庫，形成了適用于全公司范圍的數據標準體系，促進公司級數據應用和挖掘工作的有序開展。

在后續的制造數字化建設工作中，M車企還將繼續堅持以問題為導向，在深入智能制造應用場景的同時，結合人工智能、機器學習和數字孿生等數字技術，雙輪驅動制造數據應用的廣度和深度。

參考文獻：

[1]王楚.DZ汽車公司制造數字化戰略研究[D].長春：吉林大學，2022.

[2]唐湘民.汽車企業數字化轉型：認知與實現[M].北京：機械工業出版社，2022.

[3]栗志慧，張雪澤，劉潔.北汽集團數字化創新體系構建研究[J].合作經濟與科技，2022（22）：110-113.

[4]孟文霞.基于政府數據中心的數據治理與可視化應用[D].廣州：華南理工大學，2020.

[5]祝守宇，蔡春久.數據治理：工業企業數字化轉型之道[M].北京：電子工業出版社，2020.

[6]常有學.基于智能制造的數據倉庫的設計與實現[D].南昌：南昌大學，2020.

[7]王文信，楊揚.數據生產力：企業BI項目建設與運營[M].北京：電子工業出版社，2020.

[8]張瑞東，康龍.大數據在車間制造管控過程中的可視化應用[J].航空動力，2020（5）：70-72.

[9]張盈盈，李萌，許林，等.縫制電控制造數據可視化平臺的設計與應用[J].自動化儀表，2022，43（5）：71-74.

作者簡介：

馮文濤，男，1979年生，工程師，研究方向為數據在制造企業的應用。

范偉亮（通訊作者），男，1990年生，工程師，研究方向為數字化在制造企業的應用。