智慧工厂的4大典型应用场景！

文/ 帆软数据应用研究院大制造行业资深专家 任敏

微信公众号：数字化企业

智慧工厂包含工厂运营管理的五个方面，制造资源控制、现场运行监管、物流过程管控、生产执行跟踪、质量工作监督……

十四五规划在新基建的基础上进一步加快了制造业转型升级的步伐，对5G、工业互联网、AI、工业大数据、工业软件等技术或产品作了进一步的强调，未来制造业的发展方向将是高效节能、绿色环保的智慧工厂。

智慧工厂是在数字化工厂的基础上，以数据为轴激发企业智慧化进程，利用物联网的技术和设备监控技术加强信息管理和服务，清楚掌握产销流程、提高生产过程的可控性、减少生产线上人工的干预、即时正确地采集生产线数据，以及合理的生产计划编排与生产进度。

智慧工厂包含工厂运营管理的五个方面，制造资源控制、现场运行监管、物流过程管控、生产执行跟踪、质量工作监督，通过对MES、QMS、ERP、SCM等系统的集成以及对自动化设备传感器数据的对接，打造企业的智慧工厂管理平台，实现制造管理的统一化与数字化。

制造资源控制

主要是指对制造过程中的人、机、料等相关生产资源的管理。涉及对BOM单的自动生成、原材料及辅料的领用、半成品与线边仓的管理、成品的投入产出情况等，需要对物料齐套率、物料损耗比率、半成品周转、投入产出比、回收率等指标进行监控与分析，确保制造资源及时到位、高效流转、降损再造；设备效率对制造资源的影响巨大，应从设备巡检、故障管理、备件管理、技术档案等四个方面进行管控，利用电子扫码技术实现一物一码、一人一码的管理模式，打造企业设备全流程精准管理系统；自动化技术的发展促进了无人工厂的诞生，但是无人工厂的局限性很大，很多企业并不适合，所以目前来看，人员还是制造资源的核心之一，结合工艺流程改进、生产计划排程、人员排班管理，可达到优化生产效率、维持生产节拍的目的。

现场运行监管

这是对7S管理的数字化改造。一方面利用基于传感器建立的数据实时采集系统完成对生产现场环境数据的采集、设备运行参数与状态数据的采集、流水线作业关键岗位产能数据的采集，解决了原本7S管理数据采集的滞后性与人工采集带来误差的问题；另一方面利用视频监控以及图像识别技术实现对设备停机、传送带卡料、产品积压、员工离岗等异常情况的预警推送，作为7S管理评分的有力依据；最后通过数据分析软件FineBI对接生产系统数据以及上述采集到的数据，进行多维度对比分析，辅助生产管理者进行有效决策。

物流过程管控

它包含供应商发货、工厂内部周转、客户发货三个环节。利用车联网技术与大数据处理技术将物流车辆的实时地理位置与行车轨迹数据进行实时采集，完成对供应商和客户两个环节的物流过程管控；利用AGV小车实现物料自动领用、半成品自动周转、成品自动入库，打造无人分拣、智能搬运的智慧仓储作业系统，大大提高了工厂内部物流的周转效率

生产执行跟踪

这是指对生产计划执行过程的实时监控以及对执行结果的管理决策，结合MES系统与数据分析工具FineBI，让各层级管理人员能够随时了解生产动态，包括出勤情况、计划生产进度、计划完成率及效率等，实现生产异常在线分析和闭环跟进，优化数据提取及分析模式，减负赋能，提前管理，建立问题找人，分层管理机制。

质量工作监督

这套流程涵盖来料品质管控、制程品质管控、出货品质管控三个环节，从质量策划、质量检验、质量保证、质量监督、质量改善、质量服务、体系和流程等七个方面重点建设，利用编码技术实现产品和物料的批次管控，减少因批量质量问题带来的成本损失，同时用SPC方法分析工序过程能力与质量管控水平，确保产品质量保持在合理的范围内波动。

在智慧工厂的建设过程中，不同的业务活动衍生出不同的信息化功能需求，而不同的功能需求又促生了不同新技术的发展，业务、功能与技术的结合形成了智慧工厂的应用场景。基于上述智慧工厂管理平台五大模块的内容，帆软提炼出了智慧工厂的四大应用场景。

01应用场景

智慧园区管理

智慧工厂对产业园的综合管理提出了更高的要求，传统产业园由于管理工作繁多，很多模块都是单独管理，无法做到资源的统一协调，且很多数据并不是实时在线，大大增加了管理难度。

智慧工厂要求对园区的视频监控、安防报警、人员巡查、门禁考勤、访客管理、一卡通管理、停车位、会议室、信息发布、能源使用情况、环境变化、设备参数等工作进行实时在线的统一管理，企业可利用传感器技术实现动态捕捉、热成像报警、人脸识别、温湿度感应等，再利用OA或报表系统实现在线巡检、信息发布、会议室线上预约、访客线上登记等，将系统数据和传感器数据利用微服务接口的方式进行调用，形成园区全貌管理指标，最后利用3D建模技术开发智慧园区全局管理模型或利用数据分析工具制作园区综合管理驾驶舱，实现对园区资源的统一高效管理，打造绿色、高效、安全的智慧园区。

02应用场景二

智慧物流管理

物流一直是工厂管理的薄弱环节，大多数制造企业依赖第三方物流公司进行产品和原材料的运输，而对第三方物流机构的管理缺乏有力且有效的手段，导致对客户的交付时间把控不准以及对物流异常无法追溯真实原因。

企业可基于车联网技术将物流车辆的实时地理位置信息进行保存，再利用大数据处理技术实时监控所有物流车辆的运行状态，对停车超时、未按规定路线行驶、车速异常等情况进行实时报警，对收发货异常的订单可追溯其物流车辆的历史轨迹与停靠点记录，实现物流各环节精细化、动态化、可视化管理，提高物流系统智能化分析决策和自动化操作执行能力，提升物流运作效率。

03应用场景三

三位一体监造平台

随着制造企业对内部生产过程管理能力的提高，促生出了上下游监造管理的需求，一方面是对供应商原材料质量管控的进一步延伸，另一方面是对客户满意度更加重视的表现。从供应商到工厂到最终客户的三位一体监造平台，是智慧工厂的核心应用场景。

为了满足大客户监造接入需求，企业可利用微服务技术通过接口将生产过程数据和作业视频提取出来，同时利用数据分析平台给客户提供带有分析结果的产品出厂数据，通过权限管理开放给对应客户，实现快速响应客户监造平台数据对接以及远程厂验的需求，提升客户对产品的信任度。

而对于供应商的监造管理需要从四个方面入手，第一，对接其产线设备传感器数据，掌握供应商生产过程中的设备参数，便于后期异常追溯；第二，接入生产监控视频，实现对供应商生产作业的实时监控，提高管理力度；第三，打通供应商的生产信息系统，掌握供应商订单的执行进度与质量情况，可有效预估订单风险；第四，开发数据上报界面，对供应商临时零散的数据做到及时规范的收集，提高协同能力。

04应用场景四

质量闭环追溯

传统的质量管理方式局限于对当时产品生产过程数据的监控，在出现批量质量异常时无法有效锁定不良批次，对导致异常的物料无法追溯使用在哪些成品中，增加了质量处理成本与管控难度。

 质量追溯可帮助企业更实时、高效、准确、可靠的实现生产过程和质量管理，结合条码自动识别技术、序列号管理思想以及条码设备，可有效收集产品或物料在生产和物流作业环节的相关信息数据，每完成一个工序或一项工作，记录其检验结果、存在问题、操作者及检验者的姓名、时间、地点及情况分析，在产品的适当部位做出相应的质量状态标志，跟踪其生命周期中流转运动的全过程，使企业能够实现对采、销、生产中物资的追踪监控、产品质量追溯、销售窜货追踪等目标。最后利用数据分析工具建立质量计划、过程控制、发现问题、异常处理、管理决策、问题关闭的质量闭环管理平台，形成经验库与分析报表来支撑企业打造一套来源可溯、去向可查、责任可追的质量闭环追溯系统。

智慧工厂的应用远不止于此，随着新技术、新理念的诞生，智慧工厂也将在新时代有新的表现形式，制造管理者应把握新形势，通过执行层自动化与管理层信息化的融合，加快智慧工厂的建设步伐。

但这一切都要基于一个好用的数据可视化平台。现在市面上流行的有FineBI、Power BI、DataV、鼎数，但权威机构IDC指出市场占有率第1的还是FineBI，这些都可以做数据分析。