本文給大家分享一個大數據應用的成功案例，作者為雙錢集團（新疆）昆侖輪胎有限公司信息部門部長邸海生，講述企業如何通過數據驅動工業價值創造。

工業制造業首先是大數據的源頭，一旦制造業全面數字化，生產流程中產生的數據都輕而易舉地屬于大數據的范疇，其數據量、產生頻度、類型從IT角度來看，都極具挑戰性和吸引力。但是，無論是大數據還是小數據，工業制造業對于數據的應用，不光在于制造業如何應用數據，而更多地在于制造業如何認識和看待數據。

信息化基本情況

2010年，我們在烏魯木齊建廠，搭建完成PCS系統。2011到2013年，重點上線輪胎條碼物流系統和OA系統等四個基礎業務系統。2015年重點上線SAP系統，實現了資源調配與平衡。2016開始，受高層重視，開始作為工信部“兩化融合”試點企業，開始大力發展兩化融合。2016年重點工作是業務系統數據分析工作，也就是我們常說的“小數據”分析。

經過6年多的建設，公司信息化管理架構已經基本完成。PCS、MES、ERP、CRM、SCM等系統應用在了不同的業務模塊，實現了生產和業務管理的自動化、信息化。

信息化系統的整體架構是由位于上層的ERP系統、中層的MES系統、底層的控制系統組成，是面向車間層的管理信息系統。在MES系統建設上，目前昆侖是全國輪胎行業內第一家MES系統全線貫通的企業。

MES的全線貫通帶來了明顯的收益。公司從需求到生產到最后結算，整個環節業務驅動數據流程。這為數據分析驅動生產運營工程提供了數據基礎，也為“兩化融合”工程提供了技術基礎。

數據分析驅動輪胎工業轉型與價值創造

在業務系統數據分析過程中，由于業務部門提出較多的定制化需求，加之技術上對穩定性和擴展性的需求，我們急需一個能打通各業務系統數據，高效率制作數據報表和分析的工具。最后和帆軟合作，基于報表工具著手搭建數據分析報表平臺。

具體定制服務的場景，這里重點介紹5處。

定制數據服務場景1：密煉機空轉預警

設備管理員需要實時關注設備的運行情況。此前我們一直依賴設備的聲光提醒，每個管理員只能獨自管理兩臺設備。我們進行了整改，根據密煉機的供電電壓、溫度、能量等數據，個性化定制了空轉預警分析報表，并集成到微信平臺。當密煉機出現空轉，超時3分鐘及時微信消息預警，避免能源損失，提高設備利用率。現在我們每個管理員可以獨自管理6臺設備，大大提高了管理效率。

定制數據服務場景2：設備OEE綜合分析

設備管理員每個月都需要對設備做綜合效率分析。之前采用從系統導出數據，然后Excel手工統計的方式。數據容易出錯，并且重復操作，效率低。現在基于帆軟平臺，開發了月度設備綜合效率分析報表。每月自動微信推送到指定管理員微，方便管理員綜合分析。以前等待一周才能開始的月度會議，現在完全可以月初第一天開始，大大提高了效率。

定制數據服務場景3：裁斷班組產能分析

我們有的分廠，之前沒有接入MES系統。生產產能分析，一般是一個人操作設備，另一個人用Excel記錄數據，然后人工匯總。現在開發了裁斷班組產能分析報表，集成到微信。兩個人的工作只需要一個人，并且每天不必花費大量時間做報表。班組更換時，班組產能分析報表自動微信發送到相關人員。通過優化配置班組成員，提高產品合格率，提高了生產效率。

定制數據服務場景4：膠料工藝優化分析

在實際生產中，經常有限量或者定量生產計劃。比如膠料生產，以10萬車為一個觸發點。這個觸發點是我們根據以往車次生產參數的綜合分析，計算出某種膠料達到最優品質時，各種生產參數的最佳設定值。有了這個定時推送的微信消息，技術人員在改進工藝時可進行參照，不必脫離崗位去查看MES系統或者打印紙質單據。

定制數據服務場景5：質量趨勢分析

工業生產，特別注重產品批量質量分析。一旦稍有差錯，很容易導致一大批次出現問題，甚至導致整個產品線返工。對客戶、對企業自身造成極大惡劣影響。我們輪胎是如何做質量監控和預防的呢？首先，我們的設備都大量嵌入芯片，數據實時上傳到我們業務系統；其次，我們對歷史數據做了分析和經驗總結，制定出檢驗標準：連續3條輪胎質量監測出現問題即為異常；最后，依托微信數據報表，及時將異常生產信息和異常產品編碼推送到一線生產人員。及時發現問題，及時糾錯，確保產品質量合格，保證連續生產。

昆侖輪胎的數據分析項目的認知背景

昆侖輪胎能在信息化方面取得飛躍發展，榮獲“兩化融合”試點，原因眾多。這其中相當重要的一個內因，在于公司領導對信息化、對數據的工作的先進認知和支持。數據是信息資產，數據也是生產力。公司高層意識到，我們很多生產和業務管理的隱性問題，是可以通過數據分析挖掘來展現的。高效利用我們積累的工業數據，是可以為客戶提供更多的增值服務，同時開拓我們新的商業模式。

輪胎工業大數據分析方向

在工業大數據的一年實踐中，我們也總結了工業大數據分析八大方向，目前我們已經部分完成這些數據采集工作，下一步重點就是數據分析和預測挖掘。