大数据意味着大 质量保证 时间

工业 4.0 的支柱之一是数据的可用性，以便我们可以智能地处理它。 使我们能够得出过去对我们不那么透明的结论和新发现。 为了建立智能工厂和自主供应链，第一步是建立供应链的数字模型。 要建立这样的模型，良好的数据在高频是必不可少的。 也就是说，数据更新得越精细、越频繁，我们所拥有的运营数字孪生就越好。

正如在一篇文章中指出的 麦肯锡公司，您需要了解哪些数据对您的运营至关重要，哪些数据正在使用或应该定期使用。 并找出可以确保数据准确性和及时可用性的方法。 如果没有数字模型指导您从良好数据中识别不良数据及其可用性的需求频率，则无法完成上述工作。 系统可以发现数据的不一致和缺失的链接。 如果在需要时数据不可用，他们也没有耐心。 他们会确保你知道这件事！

直接的问题是，我需要什么数据以及多久需要一次？ 还是我已经有了数据？ 够好吗？ 除非您知道要对数据做什么，否则很难回答这些问题。 换句话说，需要的数据类型以及分析数据的方法以获得我们所追求的结果。 假设您对运行工厂熄灯感兴趣。 这意味着每台设备都需要进行数字建模。 您还需要实时获取 WIP 数据，并详细了解订单要求，了解具体如何制作、制作的替代方法以及在设备故障或质量问题时应采取的措施。 因此，我们离了解需要哪些数据以及需要多长时间更近了一步。 我们需要静态数据来构建工厂或供应链的模型或数字孪生。 我们还需要尽可能频繁地使用动态数据来相应地更新模型。 因此，处理时间、工具要求、批处理能力、转换时间、替代材料、替代路线等对于构建模型都是必不可少的。 然后我们需要连接到操作。 也许通过 MES 系统、IIOT 或流数据来了解和衡量我们的进度。 最后，为了采取正确的行动， 智能化 需要响应和预测事件以优化和降低风险。

供应链计划系统，例如 S&OP 和 S&OE 旨在通过构建环境的数字模型来为您提供可见性，并指导您获得正确的数据和足够的智能来优化运营。 明显地， S&OE 系统可以做得更好，因为它们需要更高的数据粒度和频率。 与高级和长期模型相比，它们更接近于运营的数字孪生模型。 S&OP 系统。

了解有关系统如何以智能方式自主运行您的供应链运营和工厂的更多信息； 以及到达那里需要什么数据，请访问 Adexa.