【BI赋能】数据应用难落地?看看中车贵阳怎样解决生产难题!

楼主
不生产文章,只是商业智能领域的搬运工。
在传统企业生产场景中,生产“黑箱”是绕不开的话题。缺乏信息化的生产管理,全过程就没有完整的信息反馈,主管无法实时给出调整意见,生产排期全凭“感觉”,因此只有在要出货时才会发现各个环节存在的问题。而随着信息化在制造业不断深入,ERP、MES、PDM等信息系统发挥出了应有的功能,生产过程变得透明,“黑箱”被打破,生产效率得到跃升。

而面对日益激烈的市场化竞争,同时人力、租金等成本的上升,制造业除了“开源”外,还需要进一步“节流”,即加强内部工序管理,走向精细化生产。这需要从这些系统所产生的海量数据中挖掘出加速生产、提高效率的“宝藏”。

中车贵阳车辆有限公司是中国中车全资下属企业,主营铁路货车修理、铁路货车新造和铁路配件产品生产三大业务,是我国西南地区唯一的铁路货车修理基地。检修工作涉及到各个环节的紧密配合,中车贵阳信息部门立足实际场景,利用帆软产品搭建商业智能平台,改进生产之间的工序配合,进一步提升工作效率。

生产现场可视化

以往各车间生产现场时刻需要人员盯守,方便进行生产指挥和协调,生产现场各种隐形问题很难及时发现,经常导致工序间的堵塞,影响工作效率。中车贵阳通过FR报表将生产现场视频监控与生产现场动态数据无缝衔接,可以直接查看车间状况。比方说双击平面图中的“摄像头”标识可看车间现场,双击工位标识可跟踪该工序生产动态信息、数据分析处理以及关联业务数据的综合评估等等。

现场调度员每天可以少走起码2万步,生产调度只需通过电脑即可进行,真正实现了集中调度、统一指挥,规范生产准时化。工序间的堵塞问题也能及时暴露,快速应对。



检修进度实时监控
检修厂房的工作量涉及工人操作,以往各厂房有多少检修车辆以及当前车辆检修进度只能靠人工进行现场核实,检修所需要的配件通过纸质需求单进行传递,配件的传递无法和检修工序实现精准的配合,存在一定的滞后性。

在信息化项目实施后,车辆进入厂房时,现场作业人员通过手机上报进入车辆的车号信息。各班组开始对进入车辆进行检修时,通过手机就可以确认车辆信息,系统根据该车对应修程自动判断完工时间,同时对该车的检修进度进行实时监控和预警。从下图可以看到,A栋厂房有7辆车在检修中,通过点击可以下钻查看对应的检修进度以及倒计时提醒。

调度人员和配送人员也可以通过电脑或手机查看各厂房检修情况,根据进度配送所需配件,大幅提升准确性和及时性,需求计划准确性达到98%以上



质检目视化管理

质量检查工序以往是通过电话通知检查员,验收通过后需要手工填写,若有故障缺陷还需开一张纸质的回修处理单,在对应的缺陷位置勾选问题,之后一次性交检合格率以及质量数据的统计分析还需要人工再次进行登记和统计,程序繁琐,进行质量追溯比较麻烦。


现在通过现场报工,系统会自动提醒质量检查员进行交检。质检员到达现场后全程通过手机操作,若交检车辆无故障缺陷,则选择车号后即可点击提交,表示通过检查;若有故障缺陷,将故障缺陷部位现场拍照取证,以便进行回修处理和质量跟踪。同时,系统自动分析该质检员的工作效率,包括质检用时、回修处理用时、一次性交检合格率等分析。这样一来就为质量问题的追溯提供了依据,有现场质量问题的照片作为实证,可以从源头上解决质量问题。




PLM协同管理
中车贵阳信息部门注意到管理者需要查找图纸、作业指导书等文件时,由于生产现场环境复杂,无法放置办公电脑,需要跑回办公室打开“CAXA PLM协同管理系统”查看,系统接口问题导致无法实现手机上的移动预览,来回奔波非常浪费时间。

基于这一需求信息部门将PLM系统与BI系统进行集成开发,通过第三方文档预览转换,创新性地实现了图文档的在线预览,无需下载附件,方便生产操作。


窥一斑而知全豹,处一隅而观全局。中车贵阳打造的决策分析系统为用户提供了立体化、多视角的、强渗透的数据分析报表管理平台,在多个场景实现了落地,提高了生产制造环节的运转效率,在打造“智能工厂”的路上又迈进了一大步。

往期【BI赋能·智能制造】系列回顾:
  • 打通业务链条!帆软助力军工科研院所信息化提速!


  • 产线管理、预警推送……智能制造的未来远不止
https://bbs.fanruan.com/forum.php?mod=viewthread&tid=126788

  • 此技术为王,智能制造还需“管理”为辅
https://bbs.fanruan.com/thread-126872-1-1.html


编辑于 2020-5-28 14:55  
分享扩散:

沙发
发表于 2020-5-28 15:18:00
看起来就很复杂
板凳
发表于 2020-5-29 16:46:27
应该挺实用,但是一点都不酷炫。
地板
发表于 2020-6-4 09:10:49
厉害了!!
5楼
发表于 2020-6-4 09:55:51
典型制造业的数据化管理,学习了。
6楼
发表于 2020-6-8 15:12:25
您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

5回帖数 3关注人数 11153浏览人数
最后回复于:2020-6-8 15:12

返回顶部 返回列表