江苏龙网

  1. 首页 > 资讯 > 科技 > >

稻田云图|运营可视化/生产管控/智能决策( 四 )


可能有人会产生疑问：既然工业运营管理这么困难 ， 为什么有那么多工厂都在顺利运行？这是一个非常关键的问题 。 时间和金钱可以化解一切管理难题 。 在我们寻找智能决策的解决方案的过程中 ， 所有的人都是这样做的 ， 包括最好的企业和最烂的企业 。
智能决策的重点是实现协同
协同学是系统科学的一个概念和学科 。 对于工业企业工厂、车间、科室、班组等 ， 不论大小组织都要与系统环境有物质、能量、信息交换 ， 协同就是如何通过自己内部同步作用 ， 能够与环境出现时间、空间和功能上的有序关系 。 例如企业准备推出一个产品 ， 在产品和供应链设计端、零部件供应商、生产装配工厂、以及市场模式的设计和市场布局等多个子系统并行按照计划推进 ， 当产品出来后能够准确地推向市场实现价值 。 在系统层面实现协同将是巨大的挑战 。 在生产现场管理中最典型常见的现象就是需要的物料不到位 ， 不需要的堆在仓库 。 这就是协同问题 。 一些信息化系统都说实现了“端到端”的系统集成 ， 其实大多是通过网络、社交平台可以实现空间范畴的信息沟通和交换 。 包括实时的“万物感知 ， 万物相连”也大致如此 。 协同智能透过智能决策将系统本身和子系统之间 ， 在业务功能上实现空间和时间的双重协同 。 智能决策就是针对决策目标 ， 对各空间分布的资源实施有效优化配置；若按照阶段性目标分割 ， 就是规划；按照细目标分割就是计划 ， 按照具体事件切割 ， 就是工作指令 。
实施一个火箭制造工程 ， 通常需要三五年 。 在这期间工程量巨大 ， 异常复杂 。 仅设计方面就需要从用户需求到总体设计、分系统设计、供应链配套系统的设计、供应商的选择、试验验证、需求变更等复杂流程 。 生产制造从设计初样、试样到正样要反复生产装配多次 。 期间还有繁多的例行试验 。 其中很多工作都需要设计、生产、外协、用户的条件具备 ， 需要多种环境、设备仪表、数据的配合才能实施 。 按照传统项目管理的模式 ， 也就是“推”式的模式 ， 经常发生停工呆滞来等条件具备 。 如果工期的“后墙不倒”管理 ， 则会日夜加班 。 根据经验 ， 如果能够实现系统层面的协同 ， 缩短项目周期的潜力很大 。 当我们拥有一个对未来状态的提前感知和可视化的智能决策系统 ， 那么就可以将一切隐患消除在发生之前 ， 生产现场的报警红灯改变为决策管理系统的“预警” 。 这样 ， 智能决策系统就实现了“现在——未来”一实一虚的情景 。 如果加上人在这个系统的主导作用 ， 恰恰是人、数、物“三体” 。
智能决策与大数据
大数据/工业大数据是当前信息化领域的热点 。 我们看到的是打雷多 ， 下雨少 。 迎接一项新技术的到来 ， 冷静和热情同样重要 。 在畅想美好的未来的同时 ， 我们更需要立足实地 ， 研究企业的数据资源从哪里来、有什么用以及如何利用 。
数据是客观事物的一种抽象表达 。 数据经过处理就附加了信息 。 这样我们只有一种数据 ， 叫做历史数据 。 数字化仅仅是近代出现的一种数据抽象形式 。 假设我们能“数字化一切可以数字化的事务”并可以存储和处理 ， 在未来的某个时刻将可能“重播”这段历史 。 历史数据承载着人类全部的知识 ， 包括正确的和错误的 。 这些海量的数据反映这扑朔迷离的现象 。 大数据技术就是让我们拨开迷雾 ， 以史为鉴 。
企业的知识主要保存在两个方面 ， 一个是企业的历史数据 ， 不管它是结构化和非结构化的；另一个是在员工和管理者的头脑里 。 实现智能决策 ， 企业的历史数据将发生两个质的变化 。 一是人的管理经验将在系统中不断积累 ， 实现知识自动化；另一方面 ， 历史数据在记录事件的同时数据结构增加了决策维度 ， 是谁做了什么决策 。 这个变化为我们实施的数据挖掘和机器学习提供了支持 。 它记录了企业运营的5个W（Why、What、Where、When、Who） ， 这是企业数字化的知识和智慧；日积月累 ， 构成企业大数据 。


推荐阅读


上一篇：阿狸巴巴科技|微信又推新功能！网友：终于能眼不见为净了

下一篇：|警惕，量子的新装