制造业:我最不愿意看见的,是大量“无用”数据

2021-04-14 16:32:39 admin 5

迈入大数据时代,数据呈现爆发式增长,数据的价值也日渐展现:企业可以借助消费数据洞察消费者需求,让生产更贴合市场;企业可以通过设备数据分析,识别设备异常,进行预测性维护,维持生产稳定;企业可以通过数据回溯,追溯产品质量问题成因,及时调整生产,提升良品率……

 

数据的价值有目共睹,不少企业开始着手数字化转型。微软与IDC的合作研究显示,在应对新冠疫情的过程中,63%的中国企业加快了数字化进程。

图片关键词

图片来源:freepick


然而,在原材料成本增加、设备和技术相对落后、人才匮乏等问题困扰之下,制造型企业数字化开展困难重重。更令企业头痛的是,尽管数据无处不在,数据采集看似简单却有各种问题:数据分散在各处且多样化,通讯协议众多接口不统一,数据质量难以保证……数据采集往往是企业数字化第一步的拦路虎。

 

所以今天,我们就来一起来看看数据采集中常见的两个问题。


01

制造型企业需要采集什么数据?


数据采集是行动,而决定行动的是目的。企业想要达到的目的不同,需要采集的数据便各不相同。计算机分析和处理问题的前提是人已经把问题想明白了,人把分析方法和处理方法编写成程序后,计算机才能分析和处理问题。

 

尤其是中小型企业,整个企业可能连ERP系统都没有,数据采集无法一步到位,数字化过程大多需要由点到线及面。做数据采集前,企业需要先想好应用场景,以问题为导向一层层往下梳理出需要采集的数据。

 

例如,企业计划提升产品质量,其中离不开生产设备和生产过程的相关数据采集:设备数据,包括开关机、电流、电压、温度、湿度等;生产数据,包括产量、进给速度、加工时长、良品率等;产品数据,包括材料信息、供应商、型号批次等;文档数据,包括生产流程图、检修数据,仿真数据等;其他数据,包括视频数据、图像数据、音频数据等。


现在我们知道需要采集的信息了,然而,第二个问题接踵而至。


02

数据有了,但偏差很大,根本无法使用,如何继续?


我们知道,工业现场极为复杂,除却人为因素,数据采集设备仍会受到测点、电磁、噪音、振动等条件影响,比如布线规划不当,就容易出现通讯过程中信息丢失、乱码等问题,影响数据质量。

 

此外,数据质量还需要注意各种情况,比如数据是否存在缺失,是否存在重复记录,是否存在解析错误等等。


因此,除了明白该采集什么数据,企业还需要明白对数据的要求是什么,统一数据采集标准,再通过数据清洗进一步提高数据质量。


数字化是一个持续改进的过程,需要企业沉下心来,仔细审视。数据采集是这个过程中的重要基础,数据“无用”是大家都不愿意看见的。只有这一步做好了,才能更好地让数据为企业服务,发挥价值,赋能生产。



电话咨询
产品服务
解决方案
QQ客服