数字化案例秀‖重构化学品制造流程，黑湖智造赋能工厂产效提升

  在大宗商品价格上涨带动下，2021年，煤炭和原油价格年内涨幅较大、高位运行时间较长，带动煤炭，石油和化工等行业实现高速增长，化学原料和化学制品制造业利润总额为8019.4亿元，利润增长87.8%。

  面对飞速变化的技术市场和多样化的客户需求，化学制品制造业的供应链正经历着前所未有的考验、供应周期变长、呆滞物料增多、频繁的供应短缺、原材料涨价和产能受到限制等等问题使制造业成本居高不下。

  目前我国已是制造业大国，但还不是制造业强国，究其原因，除技术水平外，数字化服务管理体系是非常显著的一大短板，协同管理体系才能支撑起化学制品制造业的竞争力。

  北京某塑料有限公司，是专业生产和销售汽车用聚丙烯共混合金材料的中日合资企业，为汽车行业提供全方位材料解决方案，在北京和佛山两大生产基地共有20条全自动生产线，生产能力达到7.5万吨，年产值8亿元。

  为了提升该公司车间的生产管理水平，提高产品的可靠性，缩短生产周期，急需重构生产管理模式，优化生产流程，通过建立敏捷、高效的数字化制造协同系统平台，从而达到优化管理，提高生产能力的目的。

  作为一家⼯业流程协作和数据分析软件公司，黑湖智造面向该塑料有限公司，提供了⼯业流程协作和数据分析的SaaS产品。

用数据做决策，黑湖深耕数字探索

  2015年之前，国内制造业工厂还停留在以ERP系统为荣的时代。企业的高度认可让ERP一度成为了工厂升级转型的标准，大批国外软件供应商进入中国市场。

  不过当时的ERP并不是为了生产管理，它其实是为上层管理者服务的。通俗来讲，ERP提供的就是一个非常粗略的生产计划，无法满足用户实际的生产流程控制。

  就像传统工厂的生产信息多以纸单和Excel表格的形式被记录。人工填写的数据，天然存在错填和造假的风险，可靠性存疑。没有可靠的生产记录，厂家既无法准确掌握生产进度，也无法提供可追溯的生产信息。

  而要想希望借助信息化部署加强生产管理，协同层就占据了重要作用，工厂最需要的是有一个计划层和控制层之间的生产协同环节。

  协同层切入工厂的生产管理、质量管理、物料管理、设备维护四方面，每个部分被分为计划规划层、执行层以及数据分析层三个环节，拆分为12个功能模块。依托于微服务的架构，每个功能模块的具体功能比如生产执行层中的扫码、报工、异常动作回收等，客户可以按照自身需求从云端选择微服务来进行部署。

  黑湖智造的云端协同平台产品就定位于生产协同层软件，帮助制造业企业打通管理层以及执行层间之间的信息，同时将收集到云端的数据进行分析，提升企业生产效率。

黑湖智造赋能化学制造产效提升

  对黑湖智造而言，如何利用沉淀下来的数据，通过算法和机器学习的技术对未来做出预测，从而辅助工厂的决策，是黑湖智造一直都在思考的问题。

  这家塑料公司一直是希望围绕车间的人、机、料、法、环管理，从原料入厂、生产计划、生产执行、成品产出、成品 入库和成品出厂等有效串联，在实现车间作业透明化、规范化的基础上，实现产品的可追溯性， 生产资源计划协同化和优化，持续提高生产效率。

业务难点一：库存账务管理

困境

  ERP中显示有库存，实际生产领料时，由于ERP库存数据未及时更新，存在实际无库存的情况；安全库存人为管控，无法及时预警，导致经常发生物料短缺或爆库。

解决方案

  物料出入库均采用扫码管理，实现库存精细化管理；

  物料定义中设置相应的安全库存警界线，低于安全库存时，自动触发报警并推送消息至相关人员APP；

  价值：库存账、物一致率由85%提升至97%，持续改进提升中。

业务难点二：生产过程管控

困境

  生产过程中设备运行的工艺参数、运转时间、产量等信息均为人工在管控；制造部取样完成后，需电话通知品保部，品保部获取样品后，无相应的交接记录，检测完成后无法及时反馈制造部；制粒投产需要严格按照锅次进行，但现在人工管控，存在锅次提前投料的情况。

解决方案

  启用SOP功能，通过WEB端配置SOP顺序，作业员在APP执行任务时依据步骤完成电化记录；

  SOP中配置trigger公式，实现取样步骤完成后自动下发通知到质检人员APP；

  SOP的投产控件中设置上下限，启先进先出管理，管控锅次投产顺序。

业务难点三：质量管理

困境

  品保部无任何信息化系统，与其他部门的信息传递都是通过纸质单据，质检结果也为纸版记录；批次测试的质检项需要通过多次检验结果进行公式计算，现为人工计算。

解决方案

  通过在WEB端配置质检方案，在APP端执行质检任务，数据驱动工厂整条质量过程的流程，打通质检和生产环节；

  质检方案中配置多个同质检项和公式，在执行质检任务时，系统自动计算数值。

业务难点四：厂内物料管理

困境

  成品生产完后物流员乱摆乱放，造成实际库房紧张；生产是 24 小时运转而物流无晚班等情况，希望能提前看到生产量及生产进度，物流部提前预留货位；无法及时获取原材料的预计到达计划和成品的承运商提货计划，因此存在叉车安排不及时、库位预留不合理的情况，导致叉车排队、发货不及时等问题。

解决方案

  通过定制看板的方式，将成品发货计划、原材料预计入库情况和生产进度目视出来，使物流人员能够及时获取信息，为库位、人员和叉车安排提供帮助。

业务难点五：发运强管控

困境

  品保部在对成品检测完比后，依据成品的质量等级，需要指定客户发运，过程中为人为管控，存在物料发错客户的情况，导致客户极大抱怨。

解决方案

  成品经过品保部批次检验后，指定物料的客户（销售订单）；

  发货出厂时，系统依据绑定关系判断是否为该销售订单的物料，若不是则不允许发货出厂。

业务难点六：全链路追溯

困境

  生产、质量、物料等管理环节均为人工记录，所有环节均存在信息断层，导至在出现客退等问题后，人员需翻阅大量纸质文件以跟踪到问题批次的物料、原材料使用、过程质检报告等，造成大量的人工浪费，纸质文件不易保存。

解决方案

  从原材料入厂开始到成品发运的全过程，启用二维码对物料进行管理，在系统中可依据物料二维码查询投产记录、质检记录、生产过程记录等信息，实现全链路追溯。

业务难点七：成绩单小程序

困境

  物流员在出货时，需要依据品保部出具的批次检测数据通过Excel，生成每个客户的成绩单，但由于有200多个客户，每个客户3-5种成绩单模板，因此物流员每天的工作量大，且非常易出错。

解决方案

  通过获取检测数据后，系统选择客户成绩单模板并打印；

  客户签收后可以使用小程序扫描成绩单二维码。

业务难点八：AI识别

困境

  挤出过程中容易造成断线、并线等情况，产线巡检人员人工识别处理这些问题，识别过程困难，无法保证100%问题识别，造成物料浪费，影响产品一致性。

解决方案

  利用深度学习图像分割、目标识别算法，结合边缘服务器，对区域内的目标进行自动检测，秒级识别断线、并线等异常状况，通知产线人员进行处理。

业务难点九：厂间协同

困境

  北京总部要分管北京、佛山两个工厂的订单、计划、生产等过程，目前两个工厂在每下下班后依据集团总部要求的excel模板，上报生产、库存和质量信息。各工厂每日各有一名专人在统计、汇总、上报数据。

解决方案

  在系统中设定北京和佛山两家工厂，工厂在同一环境下完成制造过程；

  在北京总部定制化看板和报表，实时汇总两个工厂的数据。

更多产品了解

欢迎扫码加入云巴巴企业数字化交流服务群

产品交流、问题咨询、专业测评

都在这里！