智能制造 python

智能制造 python"/>

智能制造 python

引言：人工智能、大数据概念的兴起，数据分析火了一把，很多公司开始将数据分析师作为单独的岗位来招聘。其实在火起来之前，数据分析已存在于各行各业之中，如市场专员、数据运营、工艺工程师等岗位就涉及到很多数据采集、分析、可视化的工作。

笔者曾在某科技制造业工作一年多，亲身感受到数据分析在制造业中的一些应用。所见所思成文，欢迎拍砖。

1. 数据分析在制造业的应用

1.1 设备异常分析/运行效率计算

谈到工厂，很多人脑海会浮现一条条坐满人的流水线，其实这种低水平制造业已经慢慢淘汰了。

(1)设备异常分析

本文主要讨论大型自动化工厂。通过拉取机台运行log，查看机台功率、电流等数据波动，洞察设备宕机真因并改善。 如图发现2019/12/13日设备电流发现异常波动，调查12/13设备有无异常动作。

(2)设备OEE计算

OEE的全称是：Overall Equipment Effectiveness，设备综合效率或总体装备效能。每个生产设备都有自己的理论生产产能，如果想保证设备的理论产能，OEE = 时间稼动率 X 性能稼动率 X 良品率，时间稼动率、性能稼动率、良品率得齐头并进。工业化的连续生产，设备24h运转，消耗大量的电力及物料成本，提高设备OEE对于降低生产成本尤为关键。

1.2制程异常分析

制程出现问题，一方面：产品是否在上一站点出现异常；另一方面：本制程站点从人机料法环方面考虑，排查异常真因并改善。下图中鱼骨图包含了各个不良因素，可以作为异常分析拆解。通过对设备/制程异常改善，提高生产工艺稳定性，提升产品良率。

1.3产能计算及规划

一个成熟的工厂，一定是严抓良率和产能。工厂IE（工业工程）部门，主要职责根据各个部门设备及工艺流程，计算工厂的最大产能，并进行物料、人力投入规划，达到资源的最大化利用。

1.4人员/物料统计分析等

通过对各部门人员、生产物料统计分析，及时发现人员、物料呆滞/缺失的风险。

2. 制造业中数据分析会用到哪些工具？

按照频率及重要程度排序：Excel>PPT>第三方系统工具（mes等智能系统）>SQL>Minitab。

Excel是基础的数据处理及绘图工具，熟练掌握Excel函数、VBA技能，能极大的提高工作效率。PPT是职场上升的瓶颈，制造业中琐事居多，凡事都以报告的形式呈现在老板面前。往往干得好，不如写得好，写得好又不如说得好。

2.1会用到Python、SQL吗？

之前工作的企业会用到SQL，主要是从数据库中导出生产、设备数据。Python用不上，原因：

（1）工作电脑没有权限安装Python开发环境；

（2）python学习成本更高，工厂很多工程师并不是计算机专业，突然学习编程略显吃力。

（3）VBA更受欢迎。录制宏后修改下代码，就可以处理很多重复性工作。

2.2Minitab是什么软件？

Minitab软件是现代质量管理统计的领先者，全球六西格玛实施的共同语言，以无可比拟的强大功能和简易的可视化操作深受广大质量学者和统计专家的青睐。

品质工程师经常使用Minitab软件，可进行相关分析、回归分析、质量控制分析等，具体操作技能参考《六西格玛管理》经典书籍。

2.3 第三方集成系统MES/ERP等

此处以MES系统举例。MES（制造企业生产过程执行管理系统），MES系统是一套面向制造企业车间执行层的生产信息化管理系统。MES可以为企业提供包括制造数据管理、计划排程管理、生产调度管理、库存管理、质量管理、人力资源管理、工作中心/设备管理、工具工装管理、采购管理、成本管理、项目看板管理、生产过程控制、底层数据集成分析、上层数据集成分解等管理模块，为企业打造一个扎实、可靠、全面、可行的制造协同管理平台。MES系统功能

3. 制造业的趋势

3.1 制造业趋势

传统人工组装流水线会逐渐淘汰，取而代之的是各种自动化设备，未来会走向智能制造和无人工厂。当时在工厂上班时，也有很多第三方系统、软件公司推销他们的数据产品，如SAS、Jump等，也说明了整个行业对数据的需求自提升，要求在提高。

3.1 企业中数据分析的发展趋势

智能制造将依仗高精度的自动化设备、各种控制算法、精益化管理实现，这些都要求从业人员具有较高的素质，其中数据分析也是一项必备素养。