快消品行业生产大数据聚通用

快消品行业生产大数据聚通用

消费品行业通过 “聚-通-用”挖掘生产大数据的价值，可以帮助企业提高产品质量、提高生产效率、降低成本，提升企业的综合竞争力。

一、聚

大数据的“聚”主要体现在数据获取方面，利用物联网技术多种渠道获取数据，尽可能自动采集。快消品行业生产大数据来源几方面：

1、 生产线实时数据，PLC汇聚汇集，以罐装生产线的plc为例，PLC及主要数据如下表:

2、 包装车间RFID数据自动采集；

3、 生产能源实时数据：自动采集水、电、压缩空气、蒸汽等能源的温度、压力、电流、电压、电量、水流量、用量等数据。尽可能通过仪表改造自动采集，同时也支持人工抄表。

4、 车间环境温度自动采集监控；

5、 原料车间（特别是传统白酒行业，例如制曲、堆垛发酵、蒸馏等几乎没有自动化装备）生产车间现场采用APP方式录入数据。

6、 包装车间人工录入数据，包括APP和PC端。

二、通

大数据的“通”，主要体现在数据集成和应用集成方面，实现生产大数据与其他业务系统数据的集成。主要包括：生产数据与主数据、质量数据、设备数据、供应链数据集成，并且与门户集成，移动门户集成，实现数据一体化和应用一体化。

三、用

大数据必须以应用为中心，充分挖掘大数据价值。笔者认为实现大数据的有效利用，包括四个层次：

基本数据分析：常规的图标分析，用于企业生产管理各环节。

利用统计学方法来分析，发现数据后台隐含的生产特性和生产异常。

大数据相关性分析

企业经营总和分析-数字决议厅

以下为举例说明，汇集了多个细分行业的应用。各具体行业和企业需要结合自己的情况来实现。

1) 基本业务数据分析

（1）各设备运行状态及进度监控：下图可用于包装车间监控生产线总体情况，每条生产线的生产任务，执行进度等。

（2）工艺参数监控：批次生产对应的工艺参数，比如温度、速度等监控其趋势情况。

（3）监控生产线效率：监控各生产线效率，停机时间、有效生产时间、浪费（次废品占用）时间、空闲时间的占比。

（4）各工序查询各自的产品损失/产品不良；

（5）生产线各线水单耗、电单耗、压缩空气单耗；生产线各线用水量、用电量、压缩空气等实时流量；

（6）停机分析：分析各生产线的停机时间和停机原因。

（7）查询过程质检数据

（8）查询物料包装合格率

（9）根据生产批号查询出该批号在各岗位的生产数据，包括批次号、开始处理时间、结束处理时间、生产量、小时生产效率、产品损失类型及数量、停机时间及原因、异常事件等信息；可以得到批次信息全览.

（10）产品质量追溯：通过RFID、二维码等技术，基于生产批次管理，追溯基酒生产、包装生产各环节的质量溯源信息，加强食品安全管理。

2) 统计过程控制SPC分析

统计过程控制SPC，采用统计学的方法来分析数据。主要包括控制图、排列图、工序能力图等。

（1）控制图，是控制生产过程状态、保证工序质量的主要工具，它有一对控制界限和一条中心线，作为判断是否异常的标准。例如在包装环节，每半小时取10瓶来做净容量检测，每批次的净容量控制图，观察净容量是否受控。参考下图：

注：关于控制图，还可以系统后台监控，实现特征参数控制图异常预警，详见笔者另一篇文章，可以关注笔者的微信公众号--智能制造实践里面的一篇文章[一种提质增效的在线实时数据分析方法]。

（2）排列图，即主次图、巴雷特图。其主要思想是认为影响产品质量的因素有主有次，只要抓住主要因素，质量管理就会有显著成效。例如饮料行业的产品不良主要包括：破瓶、液位不良、歪盖、高盖、标签不良等。

（3）直方图：用特征值（如温度、流量等）分布图分散特性来量度工序实际加工能力，并自动计算工序能力指标（Cp、Cpk）、峰值和偏差。此方法可以计算工序在受控状态下对加工质量的保证能力此方法可以计算工序在受控状态下对加工质量的保证能力。利用来分析净容量、罐装温度等关键特征参数。

3) 相关性分析

相关性分析分析一定是要基于特定细分行业的特定需求定制开发特定的算法完成，在工具上可以采用hadoop等大数据工具来实现。笔者认为这方面还是处于研究探索阶段，可能会有所发现，但也有可能经过探索也发现不了数据间的明确关系的关联性。

例如在传统白酒行业可以考虑：

将制曲数据（原料质量、发酵室环境温度、水质等）综合分析，以期发现提高曲粉质量的相关因素。

将制酒方面数据以窖为单元进行数据关联；分析基酒产量与相关因素（如环境温湿度、堆积温度、窖池温度等）的关联分析，以期找出相关性提高优质酒产量。

4) 综合经营分析

生成数据提供给企业经营管理部门，构成数字决议厅，为企业决策支持服务。参考下图:

四、结论

消费品行业利用生产大数据可以帮助企业提高产品质量、提高生产效率、降低成本，提升企业的综合竞争力。

注：部分图片来自不同项目实践和设计。