CN116308211B - 一种基于大数据的企业智能化管理***及方法 - Google Patents
一种基于大数据的企业智能化管理***及方法 Download PDFInfo
- Publication number
- CN116308211B CN116308211B CN202310514593.2A CN202310514593A CN116308211B CN 116308211 B CN116308211 B CN 116308211B CN 202310514593 A CN202310514593 A CN 202310514593A CN 116308211 B CN116308211 B CN 116308211B
- Authority
- CN
- China
- Prior art keywords
- data
- production
- time
- staff
- acquisition
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000004519 manufacturing process Methods 0.000 claims abstract description 211
- 238000007726 management method Methods 0.000 claims abstract description 62
- 238000012544 monitoring process Methods 0.000 claims abstract description 25
- 238000005457 optimization Methods 0.000 claims abstract description 23
- 238000007405 data analysis Methods 0.000 claims abstract description 18
- 230000008569 process Effects 0.000 claims abstract description 17
- 238000011897 real-time detection Methods 0.000 claims abstract description 5
- 238000004458 analytical method Methods 0.000 claims description 16
- 230000006399 behavior Effects 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 10
- 238000007781 pre-processing Methods 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 7
- 238000001514 detection method Methods 0.000 claims description 7
- 238000005303 weighing Methods 0.000 claims description 7
- 238000013499 data model Methods 0.000 claims description 6
- 239000002994 raw material Substances 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 239000002699 waste material Substances 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 4
- 238000007418 data mining Methods 0.000 claims description 4
- 238000012423 maintenance Methods 0.000 claims description 4
- 238000004080 punching Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000011161 development Methods 0.000 claims description 3
- 238000007667 floating Methods 0.000 claims description 3
- 230000036541 health Effects 0.000 claims description 3
- 230000007774 longterm Effects 0.000 claims description 3
- 238000010801 machine learning Methods 0.000 claims description 3
- 238000012384 transportation and delivery Methods 0.000 claims description 3
- 238000003860 storage Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 238000013439 planning Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000013068 supply chain management Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 238000012217 deletion Methods 0.000 description 2
- 230000037430 deletion Effects 0.000 description 2
- 239000012634 fragment Substances 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及企业管理技术领域,且一种基于大数据的企业智能化管理***及方法,包括数据采集模块、大数据模块、数据分析模块、决策支撑模块和持续监测优化模块;通过传感器、仪表各种设备对生产环节进行实时检测和数据采集,获得生产数据参数;生产数据参数包括产量采集数据、质量采集数据、生产计划采集数据、设备采集数据和人员采集数据。本发明在采集生产数据参数的过程中,提高生产监控各个环节数据的数据完整度,减少人为记录的误差,促使提高了数据的准确性、可靠性和完整性;且每个新人的日均产值与有经验的员工的日均产值是有区别的,计算获取精准的人均日产量,便于和所需作业人员系数进行拟合,促进后续计划优化。
Description
技术领域
本发明涉及企业管理技术领域,具体为一种基于大数据的企业智能化管理***及方法。
背景技术
基于大数据的企业管理***是利用大数据技术对企业各个方面的数据进行采集、处理和分析,帮助企业实现高效、智能化的管理。它可以帮助企业进行更准确的预测和规划,提高决策的精度和准确性,改进业务流程,优化资源配置,从而提高企业的综合竞争力。
具体来说,基于大数据的企业管理***可以协助企业进行以下方面的工作:数据挖掘和分析:通过获取和分析大数据,发现和识别潜在的业务机会或问题,并提供相应的解决方案;精准营销和客户关系管理:通过对大量客户数据的分析,帮助企业了解客户需求和行为,制定个性化营销计划,提高客户满意度和忠诚度;供应链管理:通过对供应链中各个环节的数据进行监控和管理,降低运营成本,提高效率和质量;风险管理:通过对企业内外部风险因素进行预测和分析,帮助企业制定应对措施,降低风险损失。基于大数据的企业管理***可以帮助企业进行全面、科学的数据管理,提高企业的经营效益和市场竞争力。
在企业管理***中生产流程是极为重要的一环,直接影响企业的生产效率,而需要采集一些生产数据参数进行数据分析。企业管理***中的生产数据参数可能会存在一些缺失,这取决于所收集和记录的数据的覆盖范围、精度以及数据采集的方式等因素。以下列举了可能存在的一些缺失:
(1)数据不全:生产监控涉及的各个环节,可能有些关键数据未被记录或者未经准确记录,导致数据不全。
(2)人为操作误差:人员操作中的疏漏或错误会影响到数据的采集和记录,从而导致数据缺失。
(3)数据质量问题:采集到的数据质量不高,包括数据的准确性、可靠性和完整性等方面存在问题,导致数据缺失或无法参考。
发明内容
本发明提供了一种基于大数据的企业智能化管理***及方法,具备在采集生产数据参数过程中,提高生产监控各个环节数据的数据完整度,减少人为记录的误差,促使提高了数据的准确性、可靠性和完整性的有益效果,解决了上述背景技术中所提到企业管理***中的生产数据参数可能会存在一些缺失的问题。
本发明提供如下技术方案:一种基于大数据的企业智能化管理***,包括数据采集模块、大数据模块、数据分析模块、决策支撑模块和持续监测优化模块;
数据采集模块,通过传感器、仪表各种设备对生产环节进行实时监测和数据采集,获得生产数据参数;
大数据模块,通过各种数据源包括ERP***、CRM***、互联网数据等方式,将必要的数据收集到一个中心平台,获得数据集,并对数据进行缺失值填充、异常值处理等预处理工作;
数据分析模块,获取采集后的数据,并对采集数据进行在预处理后,和大数据模块中的数据集进行对比分析;
决策支撑模块,获得分析结果,掌握生产运行情况,及时发现问题和风险,为企业高层管理层提供科学决策支持,实现企业长期稳定发展;
持续监测优化模块,不断地跟踪数据采集模块数据的变化,根据数据分析结果及时调整生产计划和生产流程,逐渐实现生产流程的持续优化。
作为本发明所述一种基于大数据的企业智能化管理***的一种可选方案,其中:所述生产数据参数包括产量采集数据、质量采集数据、生产计划采集数据、设备采集数据和人员采集数据。
作为本发明所述一种基于大数据的企业智能化管理***的方法的一种可选方案,其中:包括以下步骤:
S1、确定业务需求:企业明确优化生产流程进而提高销售额的需求,以便后续对数据进行采集和分析;
S2、实时采集生产数据参数:通过传感器、仪表、视频监控器各种设备对生产环节进行实时检测和数据采集,获得生产数据参数;
S3、基于大数据的数据采集和预处理:通过调用各种数据源方式,将必要优化生产流程的数据收集到一个中心平台,获得数据集,并对数据集进行缺失值填充、异常值处理等预处理工作;
S4、数据建模和分析:将实时采集生产数据导入到相应的数据挖掘或机器学习算法中,构建数据模型并进行分析;根据分析结果找出其中的规律和趋势,发现商业价值,并在此基础上向企业决策者提供决策支持;
S5、优化生产流程:根据模型预测结果,调整生产计划、改变员工流动方式或更改机器设置等,以优化生产流程;
S6、持续监测和优化:不断地跟踪数据的变化,根据数据分析结果及时调整生产计划和生产流程,逐渐实现生产流程的持续优化。
作为本发明所述一种基于大数据的企业智能化管理***的方法的一种可选方案,其中:所述生产数据参数产量实时采集通过以下方法进行采集:
步骤一、产量采集数据采集:通过采集生产线上生产的产品数量和总产量数据;
步骤二、质量采集数据采集:用于对原材料和成品的质量、工厂设备的运行状态和产品的消耗情况进行实时采集;
步骤三、生产计划数据采集:是采集制定生产计划信息、包括生产周期、所需人力资源和原材料数量;
步骤四、设备数据采集:采集生产线设备的运行时间、故障率、维护保养计划、更换工具等相关信息;
步骤五、人员数据采集,采集生产线上员工实际生产人数和员工能力数据;
获取上述步骤一至步骤五的采集数据,将采集数据以异构方式存储在数据库中,并进行有效整合处理这些数据。
作为本发明所述一种基于大数据的企业智能化管理***的方法的一种可选方案,其中:产品数量采集设定为光电元件监测,当生产产品进入检测区,一旦进入光电接收器的光线被遮断,表明一个产品通过了监测区,把这一次隔断记录为一个产品的件数;产品数量数据周期按照日/周/月进行记录;总产量数据周期按照月/季度/年进行采集统计;
获取质量采集数据采用称重传感器,将检测物品放置在弹性元件上,获取重量来监测成品质量是否达标,还可以采用惯性传感器采集批次成品的总质量,压电传感器采集监测物品的压力变形程度计算出产品的质量;工厂设备的运行状态通过无线温振一体传感器、电涡流传感器、转速传感器、温度传感器和配套网关实现工业设备运行状态的数字化精确采集;产品的消耗情况是通过将不合格产品以及生产过程中的废品进行称重传感器进行计算,或者按照件数计算消耗百分比,按照每100件成品生产过程中存在的消耗百分比计算,获得损耗率;
所述损耗率s通过以下公式进行计算:
式中,s表示损耗量,表示单一产品的重量,/>表示实际耗材消耗量,/>表示标准阈值的100件产品的重量系数;其中,/>可通过实际产品生产过程中需要达到的具体重量和工程师的经验进行实际拟出相关阈值系数。
作为本发明所述一种基于大数据的企业智能化管理***的方法的一种可选方案,其中:采集人员数据通过值班表和打卡机进行计算当日获取实际生产作业人员数,其中作业人员数与所需作业人员系数进行对比,所述所需作业人员系数/>通过以下公式进行计算:
其中,表示所需作业人员系数,/>表示节拍时间,/>表示总生产周期,是一条生产线所有生产操作的总和,其中不包括设备操作的时间,仅仅是手工操作时间的总和;Q表示工厂的单日时间,设置在7~12h,/>表示为员工单日内碎片时间,可通过监控器实际探测工人在工位上未做手工操作时间进行统计;
根据产品客户的需求计算出不同的节拍时间,然后根据不同的节拍时间安排不同的作业人员数量,就能完全按照客户的需求进行生产;
节拍时间设置为一个月调整一次,从月底的数据分析出下个月客户的需求计划,然后根据计划计算节拍时间,调整生产线上的作业人员数量。
作为本发明所述一种基于大数据的企业智能化管理***的方法的一种可选方案,其中:所述员工能力数据包括统计人员培训经历、人员单日手工操作流水线总量和月总量;
计算每个具体人员的日均生产值,每个新人的日均产值与有经验的员工的日均产值是有区别的,因此将员工因素考虑进去,以便获取精准的人均日产量,便于和所需作业人员系数进行拟合,进而促进后续计划优化。
作为本发明所述一种基于大数据的企业智能化管理***的方法的一种可选方案,其中:根据获取人员的日均产值和生产月总量,获取到每个人员的当日生产值浮动值,在对于新人员工,可能是日均产值递增的,进而会使得生产月总量进行提升,进而达到一定的绩效要求;
对新人员工进行合理的工作安排和管理,通过分析员工的工作态度、懈怠行为、爱好部门行为及培训行为,可以帮助员工协调流水线生产步骤,减少浪费时间和资源,提供相应的奖励和激励措施,便于企业人员人性化管理优化。
作为本发明所述一种基于大数据的企业智能化管理***的方法的一种可选方案,其中:根据获取员工的交接时间进行采集,员工在倒岗的时候有一部分交接时间,上轮班次的员工要将手里的流水线工作交接给下一轮班次的时间,此时,实时采集轮班次的交接质量,通过监视器,可判断以下数据:
(1)工作岗位交接,交接进度产量完成进度、工具物件摆放是否清洁利落和检查时间;
(2)实物交接过程中是否有存在纪律问题而导致时间过长;
(3)交接过程中,生产仪器是否做到擦洗保养;
(4)交接时间总和通过打卡机进行计算或视频监控进行计算。
作为本发明所述一种基于大数据的企业智能化管理***的方法的一种可选方案,其中:所述S3步骤中通过将生产数据参数与基于大数据的数据集进行对比,智能对比现状企业的生产线管理模式,和数据集中的健康阈值进行比对,进而分析,便于后期获得优化方案。
本发明具备以下有益效果:
1、该一种基于大数据的企业智能化管理***及方法,通过数据采集模块内的传感器、仪表各种设备对生产环节进行实时监测和数据采集,获得生产数据参数,包括产量采集数据、质量采集数据、生产计划采集数据、设备采集数据和人员采集数据进行存储,并采集大数据中的数据集作为参考,对现有的生产数据参数进行对比和分析后,获得分析结果,及时提供决策支撑,并不断地跟踪生产数据参数的变化,根据数据分析结果及时调整生产计划和生产流程,逐渐实现生产流程的持续优化。
2、该一种基于大数据的企业智能化管理***及方法,在采集过程中,提高生产监控各个环节数据的数据完整度,减少人为记录的误差,促使提高了数据的准确性、可靠性和完整性。
3、该一种基于大数据的企业智能化管理***及方法,依据实际产品数量的需求,采集人员数据通过值班表和打卡机进行计算当日获取实际生产作业人员数,其中作业人员数与所需作业人员系数进行对比,并根据每个人员的能力,采集日均产量,获取员工能力数据,便于和所需作业人员系数/>进行拟合,便于进行及时的调整,增派人员和减少人员。
附图说明
图1为本发明企业智能化管理***框图示意图。
图2为本发明企业智能化管理方法步骤流程示意图。
图3为本发明企业智能化管理方法S2分步骤流程示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在企业管理***中生产流程是极为重要的一环,直接影响企业的生产效率,而需要采集一些生产数据参数进行数据分析。企业管理***中的生产数据参数可能会存在一些缺失,这取决于所收集和记录的数据的覆盖范围、精度以及数据采集的方式等因素。以下列举了可能存在的一些缺失:
(1)数据不全:生产监控涉及的各个环节,可能有些关键数据未被记录或者未经准确记录,导致数据不全。
(2)人为操作误差:人员操作中的疏漏或错误会影响到数据的采集和记录,从而导致数据缺失。
(3)数据质量问题:采集到的数据质量不高,包括数据的准确性、可靠性和完整性等方面存在问题,导致数据缺失或无法参考。
(4)技术设备故障:由于技术设备的短暂停机、损坏或维护等原因,可能导致数据采集中断,造成数据缺失。
实施例一
本发明提供如下技术方案:一种基于大数据的企业智能化管理***,请参照图1~图3,包括数据采集模块、大数据模块、数据分析模块、决策支撑模块和持续监测优化模块;
数据采集模块,通过传感器、仪表各种设备对生产环节进行实时监测和数据采集,获得生产数据参数;
其中:所述生产数据参数包括产量采集数据、质量采集数据、生产计划采集数据、设备采集数据和人员采集数据。
大数据模块,通过各种数据源包括ERP***、CRM***、互联网数据等方式,将必要的数据收集到一个中心平台,获得数据集,并对数据进行缺失值填充、异常值处理等预处理工作;
ERP***,全称为企业资源计划***,是一种集成管理软件,用于协调企业内部各个部门的业务流程,将企业的核心业务流程、数据和信息整合起来,通过知识管理、财务管理、供应链管理等综合功能,为企业提供全面的管理解决方案。
ERP***,全称为企业资源计划***(EnterpriseResourcePlanning),是一种集成管理软件,用于协调企业内部各个部门的业务流程,将企业的核心业务流程、数据和信息整合起来,通过知识管理、财务管理、供应链管理等综合功能,为企业提供全面的管理解决方案。
数据分析模块,获取采集后的数据,并对采集数据进行在预处理后,和大数据模块中的数据集进行对比分析;
决策支撑模块,获得分析结果,掌握生产运行情况,及时发现问题和风险,为企业高层管理层提供科学决策支持,实现企业长期稳定发展;
持续监测优化模块,不断地跟踪数据采集模块数据的变化,根据数据分析结果及时调整生产计划和生产流程,逐渐实现生产流程的持续优化。
本实施例中,通过数据采集模块内的传感器、仪表各种设备对生产环节进行实时检测和数据采集,获得生产数据参数,包括产量采集数据、质量采集数据、生产计划采集数据、设备采集数据和人员采集数据进行存储,并采集大数据中的数据集作为参考,对现有的生产数据参数进行对比和分析后,获得分析结果,及时提供决策支撑,并不断地跟踪生产数据参数的变化,根据数据分析结果及时调整生产计划和生产流程,逐渐实现生产流程的持续优化。
实施例二
本实施例是在实施例1中进行的解释说明,请参照图1~图3,其中:一种基于大数据的企业智能化管理***的方法,包括以下步骤:
S1、确定业务需求:企业明确优化生产流程进而提高销售额的需求,以便后续对数据进行采集和分析;
S2、实时采集生产数据参数:通过传感器、仪表、视频监控器各种设备对生产环节进行实时检测和数据采集,获得生产数据参数;
S3、基于大数据的数据采集和预处理:通过调用各种数据源方式,将必要优化生产流程的数据收集到一个中心平台,获得数据集,并对数据集进行缺失值填充、异常值处理等预处理工作;
S4、数据建模和分析:将实时采集生产数据导入到相应的数据挖掘或机器学习算法中,构建数据模型并进行分析;根据分析结果找出其中的规律和趋势,发现商业价值,并在此基础上向企业决策者提供决策支持;
S5、优化生产流程:根据模型预测结果,调整生产计划、改变员工流动方式或更改机器设置等,以优化生产流程;
S6、持续监测和优化:不断地跟踪数据的变化,根据数据分析结果及时调整生产计划和生产流程,逐渐实现生产流程的持续优化。
本实施例中,在S2步骤中通过实时采集生产数据参数,通过传感器、仪表、视频监控器各种设备对生产环节进行实时检测和数据采集,获得生产数据参数,在生产监控的环节,便于关键数据进行记录,且通过设备进行监控,较为精准。
:实施例三
本实施例是在实施例2中进行的解释说明,请参照图1~图3,其中:所述生产数据参数产量实时采集通过以下方法进行采集:
步骤一、产量采集数据采集:通过采集生产线上生产的产品数量和总产量数据;产品数量采集设定为光电元件监测,当生产产品进入检测区,一旦进入光电接收器的光线被遮断,表明一个产品通过了监测区,把这一次隔断记录为一个产品的件数;产品数量数据周期按照日/周/月进行记录;总产量数据周期按照月/季度/年进行采集统计;
步骤二、质量采集数据采集:用于对原材料和成品的质量、工厂设备的运行状态和产品的消耗情况进行实时采集;
获取质量采集数据采用称重传感器,将检测物品放置在弹性元件上,获取重量来监测成品质量是否达标,还可以采用惯性传感器采集批次成品的总质量,压电传感器采集监测物品的压力变形程度计算出产品的质量;
工厂设备的运行状态通过无线温振一体传感器、电涡流传感器、转速传感器、温度传感器和配套网关实现工业设备运行状态的数字化精确采集;
产品的消耗情况是通过将不合格产品以及生产过程中的废品进行称重传感器进行计算,或者按照件数计算消耗百分比,按照每100件成品生产过程中存在的消耗百分比计算,获得损耗率;
所述损耗率s通过以下公式进行计算:
式中,s表示损耗量,表示单一产品的重量,/>表示实际耗材消耗量,/>表示标准阈值的100件产品的重量系数;其中,/>可通过实际产品生产过程中需要达到的具体重量和工程师的经验进行实际拟出相关阈值系数。
步骤三、生产计划数据采集:是采集制定生产计划信息、包括生产周期、所需人力资源和原材料数量;
步骤四、设备数据采集:采集生产线设备的运行时间、故障率、维护保养计划、更换工具等相关信息;
步骤五、人员数据采集,采集生产线上员工实际生产人数和员工能力数据;
获取上述步骤一至步骤五的采集数据,将采集数据以异构方式存储在数据库中,并进行有效整合处理这些数据。
本实施例中,在采集生产数据参数的过程中,对于产量通过光电元件监测,质量采集数据通过质量传感器,惯性传感器和压电传感器,工厂设备的运行状态通过无线温振一体传感器、电涡流传感器、转速传感器、温度传感器和配套网关实现工业设备运行状态的数字化精确采集;产品损耗情况通过称重传感器,按照每100件成品生产过程中存在的消耗百分比计算,计算损耗率,在采集过程中,提高生产监控各个环节数据的数据完整度,减少人为记录的误差,促使提高了数据的准确性、可靠性和完整性。
:实施例四
本实施例是在实施例3中进行的解释说明;请参照图1~图3:
其中:采集人员数据通过值班表和打卡机进行计算当日获取实际生产作业人员数,其中作业人员数与所需作业人员系数进行对比,所述所需作业人员系数/>通过以下公式进行计算:
其中,表示所需作业人员系数,/>表示节拍时间,/>表示总生产周期,是一条生产线所有生产操作的总和,其中不包括设备操作的时间,仅仅是手工操作时间的总和;Q表示工厂的单日时间,设置在7~12h,/>表示为员工单日内碎片时间,可通过监控器实际探测工人在工位上未做手工操作时间进行统计;
根据产品客户的需求计算出不同的节拍时间,然后根据不同的节拍时间安排不同的作业人员数量,就能完全按照客户的需求进行生产;
有的产品是季节性或周期性的,一段时间内的生产量很大,一段时间内的生产量很小,因此用不同的生产量计算节拍时间会出现不同的情况,从而导致生产线的人员数量也会发生相应的变化。在这种情况下,就需要生产线根据产量的不同执行不同节拍时间的作业人员数量。在一般情况下,可以同时设计大批量生产、中批量生产和小批量生产3种情况的生产线作业人员参与生产;当生产批量很少时,安排少量或个别作业人员进行生产;在生产批量适中时,安排一半的作业人员进行生产。
根据客户的需求计算出不同的节拍时间,然后根据不同的节拍时间安排不同的作业人员数量,就能完全按照客户的需求进行生产。节拍时间一般一个月调整一次,从月底的数据分析出下个月客户的需求计划,然后根据计划计算节拍时间,调整生产线上的作业人员数量。
本实施例中,通过实际产品数量的需求,采集人员数据通过值班表和打卡机进行计算当日获取实际生产作业人员数,其中作业人员数与所需作业人员系数进行对比,便于进行及时的调整,增派人员和减少人员。
实施例五
本实施例是在实施例1中进行的解释说明,其中:所述员工能力数据包括统计人员培训经历、人员单日手工操作流水线总量和月总量;
计算每个具体人员的日均生产值,每个新人的日均产值与有经验的员工的日均产值是有区别的,因此将员工因素考虑进去,以便获取精准的人均日产量,便于和所需作业人员系数进行拟合,进而促进后续计划优化。
其中:根据获取人员的日均产值和生产月总量,获取到每个人员的当日生产值浮动值,在对于新人员工,可能是日均产值递增的,进而会使得生产月总量进行提升,进而达到一定的绩效要求;
对新人员工进行合理的工作安排和管理,通过分析员工的工作态度、懈怠行为、爱好部门行为及培训行为,可以帮助员工协调流水线生产步骤,减少浪费时间和资源,提供相应的奖励和激励措施,便于企业人员人性化管理优化。
本实施例中,计算每个具体人员的日均生产值,每个新人的日均产值与有经验的员工的日均产值是有区别的,因此将员工因素考虑进去,以便获取精准的人均日产量,便于和所需作业人员系数进行拟合,进而促进后续计划优化。
实施例六
本实施例是在实施例3中进行的解释说明,其中:根据获取员工的交接时间进行采集,员工在倒岗的时候有一部分交接时间,上轮班次的员工要将手里的流水线工作交接给下一轮班次的时间,此时,实时采集轮班次的交接质量,通过监视器,可判断以下数据:
(1)工作岗位交接,交接进度产量完成进度、工具物件摆放是否清洁利落和检查时间;
(2)实物交接过程中是否有存在纪律问题而导致时间过长;
(3)交接过程中,生产仪器是否做到擦洗保养;
(4)交接时间总和通过打卡机进行计算或视频监控进行计算。
提高班次的交接质量,便于提高生产效率,减少轮班交接耽误的时间而造成交接后续出现问题的情况。
其中:所述S3步骤中通过将生产数据参数与基于大数据的数据集进行对比,智能对比现状企业的生产线管理模式,和数据集中的健康阈值进行比对,进而分析,便于后期获得优化方案。
上述实施例,可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时,上述实施例可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令或计算机程序。在计算机上加载或执行所述计算机指令或计算机程序时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以为通用计算机、专用计算机、计算机网络,或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集合的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如,软盘、硬盘、磁带)、光介质(例如,DVD),或者半导体介质。半导体介质可以是固态硬盘。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件,或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的***、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的***、装置和方法,可以通过其他的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其他的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,既可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(read-onlymemory,ROM)、随机存取存储器(randomaccessmemory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
最后:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改等同替换、改进等,均应包含在本发明的保护范围之内。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (8)
1.一种基于大数据的企业智能化管理***,其特征在于:包括数据采集模块、大数据模块、数据分析模块、决策支撑模块和持续监测优化模块;
数据采集模块,通过传感器、仪表各种设备对生产环节进行实时检测和数据采集,获得生产数据参数;所述生产数据参数包括产量采集数据、质量采集数据、生产计划采集数据、设备采集数据和人员采集数据;
产量采集数据包括产品数量和总产量数据采集,所述产品数量采集设定为光电元件监测,当生产产品进入检测区,一旦进入光电接收器的光线被遮断,表明一个产品通过了监测区,把这一次隔断记录为一个产品的件数;产品数量数据周期按照日/周/月进行记录;总产量数据周期按照月/季度/年进行采集统计;
获取质量采集数据采用称重传感器,将检测物品放置在弹性元件上,获取重量来监测成品质量是否达标,还可以采用惯性传感器采集批次成品的总质量,压电传感器采集监测物品的压力变形程度计算出产品的质量;工厂设备的运行状态通过无线温振一体传感器、电涡流传感器、转速传感器、温度传感器和配套网关实现工业设备运行状态的数字化精确采集;产品的消耗情况是通过将不合格产品以及生产过程中的废品进行称重传感器进行计算,或者按照件数计算消耗百分比,按照每100件成品生产过程中存在的消耗百分比计算,获得损耗率;
所述损耗率s通过以下公式进行计算:
式中,s表示损耗量,k表示单一产品的重量,j表示实际耗材消耗量,x表示标准阈值的100件产品的重量系数;其中,x可通过实际产品生产过程中需要达到的具体重量和工程师的经验进行实际拟出相关阈值系数;
大数据模块,通过各种数据源包括ERP***、CRM***和互联网数据方式,将必要的数据收集到一个中心平台,获得数据集,并对数据进行缺失值填充和异常值处理预处理工作;
数据分析模块,获取采集后的数据,并对采集数据进行在预处理后,和大数据模块中的数据集进行对比分析;
决策支撑模块,获得分析结果,掌握生产运行情况,及时发现问题和风险,为企业高层管理层提供科学决策支持,实现企业长期稳定发展;
持续监测优化模块,不断地跟踪数据采集模块数据的变化,根据数据分析结果及时调整生产计划和生产流程,逐渐实现生产流程的持续优化。
2.一种基于大数据的企业智能化管理方法,其特征在于:采用如权利要求1所述的基于大数据的企业智能化管理***,包括以下步骤:
S1、确定业务需求:企业明确优化生产流程进而提高销售额的需求,以便后续对数据进行采集和分析;
S2、实时采集生产数据参数:通过传感器、仪表、视频监控器各种设备对生产环节进行实时检测和数据采集,获得生产数据参数;
S3、基于大数据的数据采集和预处理:通过调用各种数据源方式,将必要优化生产流程的数据收集到一个中心平台,获得数据集,并对数据集进行缺失值填充和异常值处理预处理工作;
S4、数据建模和分析:将实时采集生产数据导入到相应的数据挖掘或机器学习算法中,构建数据模型并进行分析;根据分析结果找出其中的规律和趋势,发现商业价值,并在此基础上向企业决策者提供决策支持;
S5、优化生产流程:根据模型预测结果,调整生产计划、改变员工流动方式或更改机器设置,以优化生产流程;
S6、持续监测和优化:不断地跟踪数据的变化,根据数据分析结果及时调整生产计划和生产流程,逐渐实现生产流程的持续优化。
3.根据权利要求2所述的一种基于大数据的企业智能化管理方法,其特征在于:所述生产数据参数产量实时采集通过以下方法进行采集:
步骤一、产量采集数据采集:通过采集生产线上生产的产品数量和总产量数据;
步骤二、质量采集数据采集:用于对原材料和成品的质量、工厂设备的运行状态和产品的消耗情况进行实时采集;
步骤三、生产计划数据采集:是采集制定生产计划信息、包括生产周期、所需人力资源和原材料数量;
步骤四、设备数据采集:采集生产线设备的运行时间、故障率、维护保养计划和更换工具相关信息;
步骤五、人员数据采集,采集生产线上员工实际生产人数和员工能力数据;
获取上述步骤一至步骤五的采集数据,将采集数据以异构方式存储在数据库中,并进行有效整合处理这些数据。
4.根据权利要求3所述的一种基于大数据的企业智能化管理方法,其特征在于:采集人员数据通过值班表和打卡机进行计算当日获取实际生产作业人员数,其中作业人员
数与所需作业人员系数z进行对比,所述所需作业人员系数z通过以下公式进行计算:
其中,z表示所需作业人员系数,jp表示节拍时间,zsj表示总生产周期,是一条生产线所有生产操作的总和,其中不包括设备操作的时间,仅仅是手工操作时间的总和;Q表示工厂的单日时间,设置在7~12h,a表示为员工单日内碎片时间,可通过监控器实际探测工人在工位上未做手工操作时间进行统计;
jp根据产品客户的需求计算出不同的节拍时间,然后根据不同的节拍时间安排不同的作业人员数量,就能完全按照客户的需求进行生产;
节拍时间设置为一个月调整一次,从月底的数据分析出下个月客户的需求计划,然后根据计划计算节拍时间,调整生产线上的作业人员数量。
5.根据权利要求3所述的一种基于大数据的企业智能化管理方法,其特征在于所述员工能力数据包括统计人员培训经历、人员单日手工操作流水线总量和月总量;
计算每个具体人员的日均生产值,每个新人的日均产值与有经验的员工的日均产值是有区别的,因此将员工因素考虑进去,以便获取精准的人均日产量,便于和所需作业人员系数z进行拟合,进而促进后续计划优化。
6.根据权利要求5所述的一种基于大数据的企业智能化管理方法,其特征在于:根据获取人员的日均产值和生产月总量,获取到每个人员的当日生产值浮动值,在对于新人员工,次日是日均产值递增的状态时,进而会使得生产月总量进行提升,进而达到一定的绩效要求;
对新人员工进行合理的工作安排和管理,通过分析员工的工作态度、懈怠行为、爱好部门行为及培训行为,可以帮助员工协调流水线生产步骤,减少浪费时间和资源,提供相应的奖励和激励措施,便于企业人员人性化管理优化。
7.根据权利要求6所述的一种基于大数据的企业智能化管理方法,其特征在于:根据获取员工的交接时间进行采集,员工在倒岗的时候有一部分交接时间,上轮班次的员工要将手里的流水线工作交接给下一轮班次的时间,此时,实时采集轮班次的交接质量,通过监视器,可判断以下数据:
(1)工作岗位交接,交接进度产量完成进度、工具物件摆放是否清洁利落和检查时间;
(2)实物交接过程中是否有存在纪律问题而导致时间过长;
(3)交接过程中,生产仪器是否做到擦洗保养;
(4)交接时间总和通过打卡机进行计算或视频监控进行计算。
8.根据权利要求2所述的一种基于大数据的企业智能化管理方法,其特征在于:所述S3步骤中通过将生产数据参数与基于大数据的数据集进行对比,智能对比现状企业的生产线管理模式,和数据集中的健康阈值进行比对,进而分析,便于后期获得优化方案。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310514593.2A CN116308211B (zh) | 2023-05-09 | 2023-05-09 | 一种基于大数据的企业智能化管理***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310514593.2A CN116308211B (zh) | 2023-05-09 | 2023-05-09 | 一种基于大数据的企业智能化管理***及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116308211A CN116308211A (zh) | 2023-06-23 |
CN116308211B true CN116308211B (zh) | 2023-08-18 |
Family
ID=86787301
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310514593.2A Active CN116308211B (zh) | 2023-05-09 | 2023-05-09 | 一种基于大数据的企业智能化管理***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116308211B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116757645B (zh) * | 2023-08-14 | 2023-11-10 | 山东兴诺工贸股份有限公司 | 基于数据分析的玻璃加工生产智能管理*** |
CN117057630A (zh) * | 2023-10-10 | 2023-11-14 | 山东丰香园食品股份有限公司 | 一种食品包装车间生产线智能管理方法及*** |
CN117829763B (zh) * | 2023-12-27 | 2024-07-12 | 苏州衡石量书企业管理有限公司 | 面向企业家的企业经营管理***及方法 |
CN117892867A (zh) * | 2023-12-29 | 2024-04-16 | 广州市景翔信息科技有限公司 | 一种企业管理流程智能优化处理方法 |
CN117635358B (zh) * | 2024-01-25 | 2024-04-16 | 山东师范大学 | 基于大数据的财务管理方法和*** |
CN117973787A (zh) * | 2024-02-04 | 2024-05-03 | 杭州和志科技有限公司 | 一种数字化智能工厂管理方法以及管理*** |
CN118052482B (zh) * | 2024-04-16 | 2024-07-09 | 深圳市益普科技有限公司 | 一种用于半导体生产检测的分析管理方法 |
CN118195284A (zh) * | 2024-05-17 | 2024-06-14 | 深圳星际鑫航科技有限公司 | 一种基于大数据的智能运维可视化监控方法及*** |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106570641A (zh) * | 2016-11-07 | 2017-04-19 | 成都科曦科技有限公司 | 一种基于万物互联的智慧酒店管理*** |
CN110874718A (zh) * | 2019-11-12 | 2020-03-10 | 贵阳市绿砼科技服务有限公司 | 一种混凝土企业大数据管理*** |
CN112150062A (zh) * | 2020-08-28 | 2020-12-29 | 山东新兴集团有限公司 | 一种石化物流陆路运输管理方法、***、存储介质、终端 |
-
2023
- 2023-05-09 CN CN202310514593.2A patent/CN116308211B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106570641A (zh) * | 2016-11-07 | 2017-04-19 | 成都科曦科技有限公司 | 一种基于万物互联的智慧酒店管理*** |
CN110874718A (zh) * | 2019-11-12 | 2020-03-10 | 贵阳市绿砼科技服务有限公司 | 一种混凝土企业大数据管理*** |
CN112150062A (zh) * | 2020-08-28 | 2020-12-29 | 山东新兴集团有限公司 | 一种石化物流陆路运输管理方法、***、存储介质、终端 |
Also Published As
Publication number | Publication date |
---|---|
CN116308211A (zh) | 2023-06-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116308211B (zh) | 一种基于大数据的企业智能化管理***及方法 | |
KR101935652B1 (ko) | 빅데이터 플랫폼을 이용한 스마트 공장 운영 관리 솔루션 서비스 시스템 및 방법 | |
Thomas et al. | The costs and benefits of advanced maintenance in manufacturing | |
JP5027053B2 (ja) | 作業分析装置、生産管理方法及び生産管理システム | |
Jin et al. | Present status and future growth of advanced maintenance technology and strategy in US manufacturing | |
CN111553494B (zh) | 一种无线传输的智能点检*** | |
CN110864795B (zh) | 一种称重异常报警*** | |
KR20200071805A (ko) | IoT기반 실시간 에너지 모니터링 및 데이터 분석 시스템 | |
US20160092808A1 (en) | Predictive maintenance for critical components based on causality analysis | |
CN106934720A (zh) | 基于物联网的设备保险智能定价方法与*** | |
Wang et al. | Improving the OEE and UPH data quality by Automated Data Collection for the semiconductor assembly industry | |
CN114155072B (zh) | 基于大数据分析的财务预测模型构建方法及*** | |
Sharma et al. | Evaluation of corporate requirements for smart manufacturing systems using predictive analytics | |
Wang et al. | Research and application of risk and condition based maintenance task optimization technology in an oil transfer station | |
Aleš et al. | Methodology of overall equipment effectiveness calculation in the context of Industry 4.0 environment | |
CN109272140A (zh) | 一种基于大数据分析的变电设备运行期成本预测方法 | |
zu Wickern | Challenges and reliability of predictive maintenance | |
CN112418548B (zh) | 一种基于人工智能技术的智能车间管理方法和*** | |
CN116911830A (zh) | 一种办公设备维修及耗材的自动化运维管理*** | |
CN112101596A (zh) | 设备运维方法、装置、电子设备和计算机可读存储介质 | |
Ramani et al. | Predictive analysis for industrial maintenance automation and optimization using a smart sensor network | |
CN116090702A (zh) | 一种基于物联网的erp数据智能监管***及方法 | |
CN109255470A (zh) | 一种基于大数据分析的变电设备非项目类成本预测方法 | |
Toth et al. | Elaborating Industry 4.0 compatible DSS for enhancing production system effectiveness | |
Martins | Maintenance management of a production line-a case study in a furniture industry |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |