生产可追溯性： 不再是负担，而是优势

生产可追溯性：不再是负担，而是优势

大数据工厂–生产可追溯性： 不再是负担，而是优势–来自软服之家观点在此份白皮书中，爱捷仕软件的首席执行官Jason Spera重新解读了对生产可追 溯性的争论。通过建议将“大数据”的运用作为推动卓越制造的策略，在做到全面 追溯的同时，提高生产的质量和效率，为企业带来更大的益处。
Jason探讨了生产可追溯性的发展和我们现今对此被动的应用方式，并请读者一起 来思考一下这样一个未来：数据收集功能将毫不费力的获取生产制造的大数据，只 需适当的挖掘，就能为任何客户或监管机构提供追溯所需的数据信息。在看到这项 策略的核心优势后，Jason为获取制造业大数据解决方案列出了关键因素和参数， 并且为制造商就如何从第三方解决方案供应商处获取关键信息提供了指导意见。

生产制造可追溯性的发展进程

产品生产和工艺流程的追溯曾经一度只是针对 某些关键制造任务或极高可靠性应用和行业的特殊要求。例如医疗、汽车和航天航空行业长期以来一直为了满足监管条件或控制潜在召回和相关成本责任，而努力做到生产可追溯性。 经过近10年来的发展，这个原先只属于某些特定市场特定范围的制造要求已然演变成了一种主流需求。现在，许多行业的生产制造商都希望可以提供生产追溯，生产追溯已经成为绝大部分离散型制造商所面临的挑战，特别是那些 高科技产品的制造商。
与此同时，生产可追溯性本身的要求也在发展进步。过去，如果序列化的产品可以按照某一 规定范围内的元件批次被召回，问提就可以被认为是解决了。这也就往往意味着最终被召回的范围比真正需要被召回的要广，但是至少制造商可以确保所有有风险的产品都被召回了

因此也就被认为是可接受的。而现在，制造商 对生产可追溯性的精确度和数据范围的要求都 发生了巨大的变化。
当发生产品召回时，对任何良品的召回都会对 公司成本和品牌形象产生巨大的影响。因此， 追溯系统必须实现的目标是，在保证所有缺陷 的产品被识别和召回的同时避免任何不受影响 的良品被误招。因为过度的谨慎而导致许多额 外的良品被同时召回的做法将不再被接受。
生产可追溯性将不再仅仅局限于对元件批次的 追溯。现在，它还可以追溯产品在特定工位时 的操作数据、设备的工艺流程变化、化学品和 工具的使用、或甚至是整个电子取证的调查， 包括对此产品执行的电子签核和多层级签准。 整个生产流程从开始到结束，包括使用的物 料、工具，相关的操作员、设备以及所有环境的变化都必须可以提供出一个“关键词”以供 一组序列化的部件产品可以被召回。

生产追溯的应用现在甚至已扩展到制程计划或基于CAD 数据的研发设计上。

传统的生产制造追溯方式

传统的生产制造追溯系统或工具的采用往往是基于市场、监管机构或客户给制造商赋予的硬性要求。因此，制造商对生产可追溯性的需求仅仅是“满足最低需求”即可。
当制造商在购买或建造追溯系统时，他们的要求仅是可以满足特定追溯需求，或者更多情况下只是满足部分特定装配或产品的追溯需求即可。这种处理方式看似解决了公司的一时之 急，却实际没能给公司带来更多更长远的优势和利益。
这种对生产追溯狭隘的解决法案显然在使用和发展上错过了许多机遇。由此一来，整个生产 制造行业都把生产可追溯性及数据获取和管理视为一种负担，而不是经营中与之俱来的一种优势。不仅如此，每当市场、监管机构或客户对生产可追溯性又有更高的需求时，现有的解决方案又必须再次进行客制和扩展，增加了更 多的成本和管理投入。
而在这些错过的机遇中，最大一个当属工艺流程和制造的改进。试想这些追溯数据的深度和广度，一旦被合理利用起来，将如何显著地推动卓越运营。制造商将可以回看到研发的数据以改善未来的设计，也可以通过实时工艺流程 数据帮助工程师、操作员和管理员进行实时改 进。
现代生产追溯中的数据集的概念迅速成为了“ 制造业大数据”的定义。

大数据下的生产制造追溯方式

制造大数据是一个在制造业中使用越来越频繁 的术语，可是鲜少有人在切实的层面上讨论过 它究竟是一个什么样的概念。为此，在探讨提 供卓越运营和生产可追溯性的应用之前，我们 应该先来了解下这个庞大的概念。
首先，我们可以想到的是制造作业的范围，从 研发完成CAD的设计，物料清单（BOM）被锁 定在PLM和/或ERP中开始。在这一环节中，产品配置完成，其中包含了大量的BOM和CAD及 相关版本数据信息。

接着，制程、质量、测试、工业和制造工程 师与计划人员将这些设计数据转化成详细的 制程，以完成机械贴装、检验、测试和加工 程序。品质计划和流程管控的逻辑需要被设定 与部署。制程中每一个工站的可视化作业指导 书也需要完成数字化设计。在这个新产品导入 （NPI）环节中，有大量的与CAD和BOM相关 的数据产生，包括版本，操作人员以及他们的 产出。我们的流程甚至还没有真正到达车间部分就已 经产生了大量的“制造大数据”以供储存和最 终被挖掘了。
所以，现在我们可以启动产线，投入生产了 吗？回答是：还不行。之前的环节只是“增 值”部分，真正需要开展生产最重要的是：在 正确的时间、正确的位置有正确的物料。当生 产计划准备就绪、制程需要启动时，就需要由 制造运营管理系统来完成从库房的ERP物料管 理到更具体的车间管控的交接。
这其中包括了整理物料进入运输工单至正确的 流程点，本地仓库及看板的管理，甚至是对物 料运输或至飞达系统的确切位置点的了解掌 握。所有的这些功能都需要进行精确深入至 部品 、批次 、配送 的追溯，如此才可以 掌握物料从装卸处到生产制造使用点的追溯信 息。这个制造作业的关键引擎必须持续的在后台不间断的运作，将物料流的所有出库入库及使用信息进行完整的精确的追溯。仅这些功能 实现就可以为“制造大数据”产生大量的有价 值的重要数据集。

当正确的物料出现在正确的工站时，制造作业 就开始了，随之而来的的是序列化范围信息和 工单信息从ERP系统涌入制程系统中。接着 产生的是产品数据流，数据从传送带进入装配 处理环节，操作员反应并在每个工站确认，消 耗或使用的物料、化学品和工具作为一个产品 进入每个工站。每个可能的环境变化，任何加 入到这个产品中的物料或组件，包括如何加入 的、由谁加入的信息都将被收集，这些大量数 据信息的收集功能还将持续到检测、返修、测 试、元件替换中直至产品出库、包装并运输。
至此，我们收集了海量的数据，而这些数据就 是“制造大数据”。所有这些数据都是互相联 系，且最终关联到CAD和BOM数据上。而通过 CAD和BOM体现的产品定义本身便是将这些海 量数据捆绑联系在一起的原因。

哪些地方需要生产可追溯性？

很简单，当我们真正考虑到“大数据”的时 候，我们就会意识到监管机构、客户或市场所 需求的生产可追溯性其实只是数据集的一个正 向或反向查询，或是它的一个子集。
当一个制造企业采用了一套如上所讨论的可以 管理整个制造作业的制造作业系统（MOM） 时，生产可追溯性就不再是企业努力想要实现 的目标，而是自然而然的成为了这个系统的一 个副产品。
反过来看，整体流程、产品生产和物料追溯也 是运用“制造大数据”实现卓越运营最重要最 基本的组成部分。

大数据下的生产制造追溯方式的四大优势

1) 持续的制程改善 为了满足追溯需求而开发的单个解决方案通常 是无法支持流程改善的。这个解决方案所产生 的数据集仅仅是为了满足追溯需求的，而很少 再有其他。而大数据追溯方式可以为企业提供 其所需的所有信息，以用来改善制程，实现卓 越运营。大数据解决方案通过为管理人员、工 程师和产线操作员提供可操作的数据分析，从 而帮助他们做出更好更正确的决定。同时， 大数据解决方案也支持制程防呆防错，确保即 使人为失误未检测到不良的情况下制程依然可 控。
大数据解决方案为制造运营提供了一个全局视 图，而如果没有大数据作为基础，这几乎是很 难实现的。实时数据看板可以提醒操作员面临 的问题和制程性能，定期数据 表可以即时发 送至移动设备，根据控制条件而定的传送带和 设备的制程防呆，可视化质量数据收集，维修 指导，诊断支持，实时在制品监控，预测制程 分析，以及更多各种功能都可以通过大数据而 简单高效的达成。最终实现控制变化，提高质 量，改善运营。
2) 从成本负担到文化认同的心理转变 一个软件解决方案的成功因素往往取决于两个 重要方面：管理层和使用者。一个软件系统， 即使功能再强大，但如果被认为是一个负担的 话是不可能成功的。而产生负担这样的认识往 往是由以下原因造成的：贫乏的用户界面，繁 多的额外事务开销导致工作效率下降，或根本 无法理解上系统的必要性。

所有的这些 问题对于狭隘的追溯系统而言都是 很常见的，但是对于大数据追溯系统而言就不 会如此，原因是其系统的完整性和超出追溯需求的切实可见的优势。运用一套系统来管理所 有制造数据成为了一项运营文化理念，商业经 营就应该采用如此简单的模式。这样的想法将 唤起更多使用者对系统的热情接纳，也就意味 着新系统将在全厂范围内被采纳，而老系统将 永远被淘汰。此外，大数据解决方案还为管理层和使用者及其 中所有参与者带来切实可见的利益。比如数据看 板、 表、实时制程防呆、简化的质量数据收集 和反馈，实时详细的在制品监控，预测制程分 析等等，都使相关工作人员在日常工作中从中受 益，并认同支持这个解决方案的实施。
3) 前瞻性的解决方案 一个仅为了满足某个特定追溯需求而开发的狭 隘解决方案当遭遇监管机构或客户对生产可追 溯性需求增长的时候就面临着再次开发和客 制。这种笨拙而复杂的解决方案所导致的无休 无止的客制、花费、延期的死循环将很难被维 护与维持。
然而，大数据追溯方案就不会受这些问题的困 扰。因为它为数据采集提供了一个基础设施， 当需求增加时，只需要轻松的查询挖掘更多的 已有数据即可。这个解决方案的本质就是收集 所有生产、制程及生产物料使用的数据集。如 果是系统部署增加，就可以通过在架构上向系 统增加数据源，而仅需极少或甚至无需任何客 制化。

4) 真实成本的降低 当企业将生产可追溯性作为终极目标而不是运 用制造大数据的副产品时，真实成本就会变 大。因为一个狭隘的单一功能的解决方案是无 法为系统投资带来任何的投资回 率的，它所 能带来的只是一个为满足外部追溯需求的复杂 系统的成本花费。因此，他的投资回 仅仅为 满足外部追溯需求，除此之外无法为企业带来 更多的利益。这样的系统可能可以为企业规避 风险，但却无法带来任何利益，最终所能导致 的就是高昂的成本。
而如果把追溯作为运用制造大数据产生的自然 副产品时，它就成为了一个可以“免费”收获 分析和制程改善的制造系统。

制造大数据解决方案的关键要求

当我们决定要通过运用制造业大数据来实现卓 越运营时，下一步就是对系统的选择。其中有 一些关键的需求和商业模式，制造商应该要求 制造作业管理（MOM）供应商做到最大程度的 胜任。
首先要考虑的是系统所建造在的数据模型上。 对此，潜在供应商仅仅给出“是的，我们可以 存储这些数据”或“是的，我们可以获取这些 数据”这样的回答是远远不够的。以下两个重 要具体的数据获取和数据模型问题是需要好好 了解清楚的。
第一，系统是如何从工业自动化层（包括自动 设备、传送带、测试设备、检测设备、传感 器、扫描仪等）获取数据的？供应商是为每一 个数据源都创建客制化接口，还是系统拥有可 调整的标准化数据获取接口用来与自动化层做 简单的适配，从而做到产品化、一致性和可维 护性？

第二， 确定系统的数据模型是否真正掌握CAD 设计数据，从而使输入的变量在设计层面与相 关的元素相关联。这对于分析和数据量的效率 都是至关重要的，因为基于CAD数据的数据存 储可以减少冗余。
这些问题又将我们引到了下一个相关问题。一 旦数据进入到系统中，它将如何有效地运用在 警、控制反应、看板及 表中？数据的存储 方式是否可以使用户无需SQL或编程知识就 可以在一个图形界面上创建 表和看板？要真 正实现实时看板和 表的拖放创建，系统架构 的设计就必须使数据的存储无论是今天导入的 或四年后导入的新设备类型，都是标准化的。 因此，这个问题是一个简单的问题：如果一个 新的设备需要连接到系统获取实时数据创建 表，是否需要SQL或编程？答案应该是确定无 疑的“不需要”。
还有一个必须加以考虑的问题就是系统的范 围。想要妥善的运用“大制造数据”，从研发 到制程设计和新产品导入，再到物料管理，直 至出库运输的CAD信息交接都必须在系统的基 本覆盖范围内。任何一部分的缺失都会造成产 生的数据只是所需数据的一个子集。
而最后一个要考虑的问题不是技术问题，更确 切来说是一个供应商的商业模式问题。供应商 所提供的系统是一个需要大量客制化以适应您 生产环境的“核心”系统，还是一个拥有大量 现成功能，可以通过简单配置适用于您的制程 而仅需最小化的客制和成本的系统？这个客制 和配置的比较问题就是对于数据输出和项目成 本唯一最重要的决定因素。一个真正可以与供 应商确定客制化范围内容的方式就是要求一个 高度详细的作业指导书（SOW），这个作业指 导书应当详细明确的说明系统所能及不能提供 的功能，并且要求供应商给出达成这些功能的既定价格的 价。否则，您将面临的就是

在购 买了这套系统后，才发现它并不能提供您认为 它能提供的功能，最终陷入无穷无尽的客制、 开发、花费的死循环中。

总结

软件科技的发展如今已经使制造企业大数据成 为可能。领先的制造商将会看到，最好的实现 追溯、持续改善、优化产量

及OEE的方法就是全企业运营范围的大数据解决方案。这些制造 商将可以运用大数据解决方案带来的无限深度 和广度的数据实现世界领先级的卓越运营。
唯有掌握，才能改善。大数据带来大改善！