浅谈小规模离散式制造企业的生产数据治理

张 克，李凡营

（中国船舶集团有限公司第七一三研究所, 河南 郑州 450015）

1 引言

随着《中国制造2025》的深入推进，企业都在进行着数字化转型，其中生产信息化系统的更新和升级是企业数字化转型的基础，在实现新老系统更替的过程中，小规模离散式制造企业面临已有数据和新增数据如何重复利用和高效集成等问题，已有数据如何有效地更新到新系统中，新增数据如何在新系统里面直接应用等亟待解决的具体问题已成为数字化转型中数据治理的主要工作。

2 主要存在的问题

这里面的问题主要存在几个方面：一是小规模企业在生产信息化中投入的资金有限，无法像投入资金较多的大企业一样建立生产信息系统的生态数据环境，无法实现对数据的智能化筛选与治理，需要对原有系统数据治理后直接导入新系统进行应用；二是原有系统的数据存在着“数据不纯”的现象，主要体现在数据的错误信息、数据的一物多码、数据的分散存储、数据的重复性较多和数据的分类不规范等问题，需要针对存在的“数据不纯”的问题进行“数据净化”，让原有的数据经过“净化”后导入新系统中进行应用；三是离散式加工的企业由于产品是多品种、小批量的生产模式，尤其是军工企业的试制工厂，其产品的离散度很大，无法像汽车行业一样实现成组、批量的生产，致使其数据的累计量非常大，而为了保证产品质量的追溯性，其数据又必须延续，如何能够让离散度非常大的数据有效管理、高效提取，这也是数据治理的主要工作；四是新系统投入使用如何保持数据的纯度，而不出现数字化转型前系统的问题。这些都是小规模离散型企业在数字化转型中面临的数据治理问题。

3 数据治理的几种模式

目前，主要的数据治理研究有以下几种：

1）综合性的数据治理理论模型。文献[1]主要讲了国外的ISACA数据治理模型、HESA数据治理模型、MIS数据治理螺旋模型和IB数据治理简易模型等四种理论模型，并提出了大数据下构建简明全面的数据治理模型的意义；该文献的内容适合大型的组织和机构建立可决策的理论模型，具有广义性，对于离散加工的小企业实际操作层面直接借鉴的内容有限。

2）数据治理的框架体系构建。文献[2-3]主要讲的是数据治理的框架体系构建，其构建包括技术保障、制度保障、管理保障、组织保障和治理评价等，其论述的是如何搭建数据治理的体系，指导企业在多维度约束下开展数据治理工作，属于数据治理的顶层规划；文献中没有对小规模离散型企业如何在技术路线上和具体的管理手段上给出细分的指导内容，对实施操作层面的具体参考有限。

3）文献[4]主要讲了数据治理的实现路径，从组织机构、岗位职责、治理标准、数据控制、数据使用和管理工具等角度论述了企业数据治理的实现路径，对企业的数据治理具有指导意义，属于数据治理的实施规划层面；但对于小规模离散式企业在具体实施过程的详细做法参考有限。

4）文献[5-6]主要从物料编码角度进行企业的数据管理，文献中给出了具体的编码规则和分类参考，但对于企业的数据结构如何治理和管理没有进行说明，可作为数据治理的技术实施层次参考，不能作为企业数据治理的规划层次指导。

通过上述分析，企业在进行数据治理时应考虑双重性，既要有规划层级的顶层设计，又要有操作层面的多维度实施操作内容。尤其是对于小规模离散式制造企业，更应该在规划层面和操作层面进行研究，找到适合企业自身的数据治理手段。

4 小规模离散式制造企业数据治理的二元模式

针对小规模离散式制造企业在数字化转型中面临的资金投入少、旧系统数据不纯、产品数据量大和新系统数据纯洁度保持等问题，应从规划和操作两个层面进行治理，即数据的二元治理模式。数据治理必须要有顶层规划，顶层规划应从以下几个维度进行建立：数据治理团队组建、数据管理制度制定、数据体系标准建立、数据治理反馈机制、数据的关联性挖掘策划和数据的管理系统等。同时，数据治理也要有实施操作层面的技术路线图，其主要包括：①数据治理团队中人员要从高管、中层、技术、质量、物料、计划和运维等岗位中抽调人员，形成从推动到实施，从管理到业务的全方位、全流程的人员保障；②数据管理制度制定要明确业务数据的归口职责、数据维护的岗位责任和数据的安全性管理要求等几个维度；③数据体系标准的建立主要包括数据流程的标准、数据编码的标准，数据流程的标准应从业务的工作流入手，建立数据的标准流程，数据编码的标准应从物料的分类、部门的分类和业务的分类等建立数据编码标准；④数据治理反馈机制主要是指数据的反馈、处理闭环管理，对于数据治理中的异常数据和需要修正的数据所采取的数据闭环处理机制；⑤数据的关联性挖掘主要用于对数据进行分析，包括产品质量信息的分析、生产过程中工序时间的分析和设备的运行数据分析等，通过数据的关联与分析，发现生产过程中存在的问题，用于提高产品质量，提升生产运营效率；⑥数据的管理系统一般为数字化转型中所用的新生 产信息系统，这里需要说明的是，如果新的信息系统无法直接处理来自旧系统的数据时，需要单独开发一个过渡数据处理系统，用于对旧数据进行处理与转化，用转换后的数据导入新的信息系统。数据治理的二元模式架构如图1所示。

图1 数据治理的二元模式架构图

5 案例分析

以多品种、小批量生产为主的小规模企业为案例，从数据治理的二元模式的顶层规划和操作实施两个层面进行举例，分别对规划的流程和操作的内容进行说明。

5.1 数据治理的规划层面举例

建立数据治理管理规划，其规划的内容包括：由流程标准、编码标准和制度标准所组成的数据治理标准；组建数据治理团队，并成立专项治理小组；建立由数据反馈机制、数据挖掘与分析机制和数据转换过渡机制等所组成的数据治理机制；数据治理的管理系统构建。

建立数据治理实施规划流程，如图2所示。

图2 数据治理实施规划流程

5.2 数据治理操作层面的团队组建举例

团队组建见表1。

表1 数据治理人员组成表

?

5.3 数据治理操作层面的数据管理制度制定举例

数据管理制度制定是从业务数据的归口职责、数据维护的岗位责任和数据的安全性管理要求等维度进行实施。业务数据的归口职责主要建立数据的归口分管部门所对应的责任，比如工艺部门负责工艺数据的维护与治理，其信息主要包括工艺选材的正确性、物料BOM的正确性、配额数量的正确性和关键件识别的正确性等。数据维护的岗位职责主要是针对归口部门维护信息的人员进行职责要求，比如：物料管理部门指定一名人员进行信息输入、输出维护，其职责保证按约定的数据规则进行数据输入的正确性，避免重复输入和编码错误等。数据的安全性管理主要从数据维护角度考虑，保证数据的不丢失、可备份等。

5.4 数据治理操作层面的数据体系建立举例

数据体系建立主要包括流程体系和编码体系，流程体系是根据企业业务工作流程而定，是根据数据在业务中的定义而制定的，具有企业的独特性。编码体系主要对企业部门、业务和物料等进行分类定义，既具有普遍性，又具有独特性。本节重点以物料编码进行举例，可作为物料编码的参考。

（1）物料编码的原则

编码的原则：统一性（全厂使用，规则不能变更）、唯一性（一物一码）、适用性（简单适中）、可扩展性（预留新的物料增加）和规范性（编码的结构、格式和含义应统一）。同一物料通过该编码在工艺、采购、生产、检验、交付和财务等各环节进行信息化管理。

增强物料数据的正确性，物料的领发、验收、盘点和存储等均有物料编码可以查询；提高物料管理的效率，物料代替文字便于管理。

（2）物料编码的举例

物料编码一般有类别码和流水码两种，类别码比较适合类型数据较少的情况，类别码也叫有意义码，如果物料数目不多，建议采用有意义编码，方便非专业人员的识别与读取。流水码比较适合数据规模较大的企业，流水码又叫无意义码，如果物料数目非常多，有意义编码就不太适用，原因是无法记忆数量比较多的含义，编码也比较乱，建议采用无意义编码。根据小规模离散式企业的特点，采用“类别码+流水码”相结合的混合编码方式，这样既可以很容易识别大类，又不用顾虑细分类数量较多时不易识别的问题，编码长度10～15位为宜。物料编码一般先分大类，见表2，本节以原材料编码和零件编码进行说明。

1）原材料编码。通常在对物料进行编码时，会按大类-中类-小类-流水号的形式进行编码，例如：大类（Y）+中类（棒料/板料/型材等）+小类（牌号）+小类（规格）+流水码。

比如：3Cr13材料，棒料直径25，其编码规则为：YB3Cr13-025-01。

Y表示原材料，B表示板材，见表3，流水码主要对其材料的标准或者状态进行约束，其标准或状态可以是国标、国军标或者热处理供货状态等。

表2 常用物料分类与代码

?

表3 常用原材料分类与代码

?

2）零件编码。零件编码采用的格式为：大类（零件L）+中类（产品编码）+小类（部件编码）+流水码+工艺版本码。

例如：某花键轴其产品编码为B002，部件编码为01，工艺版本号为A版本，则对应编码为：LB002-01-001-A，其中001为流水码。

零件编码在实际应用时应根据不同企业的特点进行定制开发，因为产品图样中有借用件，也有无图件等情况，其产品编码需要提前约定对应关系。

5.5 数据治理操作层面的反馈机制举例

反馈机制主要对异常数据进行闭环处理，是以异常数据为导向，分析和处理异常数据，并对修正的数据进行更新，异常数据来源主要有从生产过程中发现的异常信息、数据维护人员动态检查出的异常信息和系统自测中出现的异常信息等。反馈机制的工作流程是：数据异常-原因分析-纠正措施-审核修正-完善标准-培训贯彻。

5.6 数据治理操作层面的关联数据挖掘举例

对数据的关联挖掘是提高数据有效利用的主要手段，在数据治理过程中需要对不同数据进行组表形成数据的分析内容，找出生产过程中存在的问题，以提高生产效率。如：对质量数据的组表分析，以存在质量问题的零件数据为主数据，与其相关的人员、工时、工序开始时间、工序结束时间、设备和材料等进行组表后，可以发现影响零件质量的因素占比，根据占比分布规律找到问题的解决方法，以达到降本增效的目的。

6 结束语

对已有数据和新增数据的治理采用顶层规划和可实施操作的具体技术内容相结合的二元模式，可以充分地利用现有资源，减少数据治理成本，提高数据治理效率。该方法可以作为企业数据治理的参考，尤其是小规模离散制造企业在进行数字化转型中具有参考意义。