工业大数据分析实践

4、能够实现定制化生产的案例

家居生活，家居环境是一个家庭，是全家人最重要的场所，每天在家里的时间超过十来个小时的时间，所以居家环境的布置非常的重要，赖颂强讲如何按照易经五行色彩学与方位学，把居家环境的调整到适合全家人的五行色彩与摆放方位，让全家人在温馨的家居中幸福的生活。

2014年，红领以零库存实现150%的业绩增长，以大规模定制生产每天完成2000种完全不同的个性化定制产品；公司的核心竞争力是一套大数据信息系统，任何一项数据的变动都能驱动其余9000多项数据的同步变动，真正做到了从用户的个性化设计订单到生产过程的“零时差”连接。

红领走了一条极端的定制路线，生产的每一件衣服从生成订单前就已经销售出去，并且每一件衣服都是由用户亲自完成的设计。这在成本上只比批量制造高10%，但收益却能达到两倍以上。实现低成本、高定制化生产的背后是一套完整的大数据信息系统，任何一个用户一周内就能够拿到定制的衣服，而传统模式下却需要3一6个月。

定制的第一步是用户数据的采集，最重要的数据是用户的量体。量体数据采集的方案主要有四套：第一套方案，用户可以根据以往在任何一个大品牌服装上体验的自认为最合适据，从红领的数据库中自动匹配对应的量体数据；第二套方案，通过O2O平台，在任何地点预约上门量体；第三套方案，用户可以到红领的体验店直接采集量体数据，整个过程只需要5分钟，采集19个部位的数据；第四套方案，用户也可以选择自己的标准号，但是要对自己的选择负责。完成用户的数据采集之后，红领就会形成一个用户的数据档案，在未来用户进行新的定制化设计时可以直接使用以前的数据。

除了量体数据的定制化，最大程度满足西装的合身之外，客户还可以定制衣服的面料、图案、光泽、颜色，甚至是一些极其微小的细节。比如纽扣的形状和排列方式、口袋的样式、里衬的走线纹路，甚至是添加一个水滴形的钢笔口袋，或是印上自己家族的徽章和名字。即使是在如此复杂和高度定制化的情况下，依然可以确保在7天内为用户完成制作并发货。这其中的秘诀依然离不开数据：当客户在网上完成下单之后，这些定制化的设计被转变成数以万计的生产指令数据，并按照工序被记录在数十个磁卡中，形成了一件衣服在制作过程中的“身份证”。

一件定制化西服的生产流程可以简单描述为：工厂的订单信息全程由数据驱动，在信息化处理过程中没有人员参与，无须人工转换与纸质传递，数据完全打通，实时共享传输。所有员工在各自的岗位上接受指令，依照指令进行定制生产，员工真正实现了“在线”工作而非“在岗”工作。当一件正在制作中的西服到达一个工人面前时，员工可以从互联网云端获取这件西服的制作指令数据，按客户的要求操作，确保了来自全球订单的数据传递零时差、零失误率，用互联网技术实现客户个性化需求与规模化生产制造的无缝对接。

在生产线的智能化升级方面，基于MES , WMS , APS等系统的实施，通过信息的读取与交互，与自动化设备相结合，促进制造自动化，流程智能化。通过AGV小车、智能分拣配对系统、智能吊挂系统与智能分拣送料系统的导入，加快整个制造流程的物料循环，通过智能摘挂系统、线号识别系统、智能取料系统、智能对格裁剪等系统的导入实现整个制造流程的自动化。除此之外，红领还利用大数据分析解决生产线平衡和瓶颈问题，使之达到产能最大化、排程最优化及库存和成本的最小化。

红领经过10多年的数据累积，建立了个性化产品数据模型以及数据累积管理模型，基于数据模型完善大数据，目前具有千万种服装版型，数万种设计元素，满足用户个性化定制需求，组合出无限的定制可能，目前能满足近100%的个性化设计需求。红领在产品设计方面采用了与传统服装行业不同的三维计算机辅助设计（CAD）、计算机辅助工艺规划（CAPP）方式，对款式、尺码以及颜色等都进行智能化管理。红领使用大数据技术的最核心价值就是对C2M各生态链上的海量数据进行收集、存储和分析，构建了以下5个方面的核心能力：

规模化：将软件、硬件设备资源进行规模化集成，提升设备的计算能力；

可靠性：用分布式数据中心的存储和备份，保证了数据的容灾性；

虚拟化：将软、硬件相互隔离，虚拟化应用，减少了设备之间的依赖性；

按需服务：建立云端的虚拟资源池，为各模块提供弹性支撑服务；

通用性：不用针对具体的应用，在“云”的支撑下可构造不同的应用。

正是有了这样的一套大数据驱动的生产系统，红领员工才发出这样的感慨：现在人人都是设计师，每一件西服都是一个故事，从衣服上可以猜测它背后是什么样的人来穿，甚至以什么样的心情来穿。

5、能够实现产品的持续跟踪服务的案例

（1）1987年，美国通用汽车（General Motors）收购了了休斯电气公司（Hughes ElectronicsCorporation），应用各自领域的专业技术优势和经验在1992年开发出了OnStarTM（国内称为“安吉星”）系统。安吉星最初的功能主要是远程监控和危机处理，比如当用户丢失车钥匙时帮助他们远程打开车门、汽车发生问题时进行远程诊断筛选，以及汽车在发生碰撞后提供紧急救援服务。这也是汽车领域利用远程数据采集为用户提供服务的第一次尝试。

（2）另一个代表是GE Medical Systems （GE Healthcare的前身）推出的InSite设备网管系统，能够通过无线系统网络对GE的医疗泛备（如核磁共振仪等）进行点对点监控。在InSite推出以前，医疗设备在故障后需要联络现场工程师到现场处理，从派遣工程师到维修完毕的平均时间为4个小时，故障后常常造成顾客长时间等待和抱怨。InSite系统可以直接对设备进行远程监控，发生故障时远程帮助用户及时找出问题并自行解决，减少了不必要的到点维修。如果客户无法自行解决，也可以在远程对设备的故障进行较为详细的诊断，在到点维修前提示准备好所需的资源和备件。使用InSite系统后，41%的故障可以远程排除，平均消耗时间仅为15分钟，而34%的故降可以进行远程诊断和到点维修准备，平均故障排除时间降低到了2小时。在InSite的帮助下，GE大幅削减了售后服务的成本，而且将设备的停机率缩短至小于1天/年。这个概念也激发了GE为航空发动机开发On-wing SupportTM服务的灵感，为GE第二代远程大数据服务系统打下了基础。

（3）还有一个代表产品是奥蒂斯（OTIS）电梯公司的远程电梯维护系统（Remote ElevatorMaintenance，REMTM）早在1995年就利用监控数据对电梯进行远程维护。那个时候电梯最大的问题就是经常打不开门，把乘客关在一了电梯里，而维修人员赶到现场进行故障排除需要1个小时左右的时间。为了避免故障的发生，OTIS有一个庞大的维护人员团队，对每个城市的高层OTIS电梯进行定期的巡检，带来了高昂的人力成本。于是OTIS通过REMTM监控每一台电梯的平均开门时间和电气设备的重要参数，判断电梯发生故障的风险，为维护团队提供巡检的优先级排序和预防性维护决策支持，在承担较低的人力成本条件下最大限度地避免了电梯故障。

（4）小松机械（Komatsu）在2005年推出了康查士（KomtraxTM系统），利用ICT技术对车辆进行远程使用管理，将设备的使用数据和各种健康信息及时反馈给客户，帮助客户做好日常保养工作，使设备保持良好的状态。该系统还可以对用户的使用工况进行判断，例如当挖掘机设备在土质松软的海边工作时，由于设备自身无法固定而牢固，常常需要在超负荷的工况下运行，康查士系统就可以提醒用户在该工况下的使用风险，并给出相应的维护建议。小松曾派工程师于2005~2006年到美国的IMS中心合作开发智能维护分析工具，对远程装备管理提供信息服务。

（5）阿尔斯通（Alstom）的TrackTracerTM车载诊断系统能够在高铁运行时监控车辆关键部件的健康状况，一旦发现现异常，TrackTracerTM就可以对故障进行远程诊断，并派遣维护人员在车辆的下一个站点进行维修，从而最大限度地保障列车的运行率。TrackTracerTM还可以通过车载的振动传感器对铁轨进行监控，避免了以往人工检查的低效和安全隐患。

6、能够为企业提升新的服务价值的案例

GE旗下的飞机发动机公司（GE Aircraft Engine）在2005年将公司名称改为“GE航空”（GE Aviation），这代表着业务模式的转型。原来的发动机公司只做发动机，而改名后的GE航空则提供运维管理、能力保障、运营优化和财务计划的整套解决方案，还可以提供安全控件、航管控件、排程优化、飞航信息预测等各类服务，由服务带来的价值空间更大了。

例如，GE航空提供的“On-Wing Support”服务，在航班飞行的过程中监控发动机的健康状态，对可能发生的故障风险进行预测，在飞机落地前就可以在相应的机场准备好维护所需的备件和技师等资源，从而使发动机的使用率大大提升，同时安全性也得到了很好的保障。这项服务推出后，从美国芝加哥飞往上海的航班降落后仅需3小时的周转时间就可以搭载上海的乘客返回芝加哥，航班的周转率大大提升，为航空公司带来了相当可观的价值增长。有了这些服务之后，GE卖的已经不是或者不只是发动机，而是航空管理服务。这样，发动机生产商从过去单纯的发动装置提供者转变为如今的航运信息管理服务商。

工业大数据是智能制造的基础，没有大数据的支持，企业无法真正完成智能制造的升级。如果大家想要更深入了解工业大数据的评估与实施，那么果酱君给大家推荐由上海市信息化专家委员会委员的贺博士主讲的《大数据技术与工业应用》。

国匠学院公开课：《大数据技术与工业应用》

时间：2018年9月26日-29日

地址：江苏省苏州市工业园区苏虹中路398号1号门

?适用对象

1、制造业企业的大数据项目负责人

2、工业4.0推进小组负责人／CIO

3、精益负责人／COO

?课程收益

准确理解数据内在信息，从而实现更好的商业洞察、决策，更准确的理解生产运营情况和预判；

收获国际前沿的最新大数据在工业领域应用的成功经验；

可申请”工业和信息化领域急需紧缺人才培养工程“证书”。