李霽秋
摘要:傳統(tǒng)的ERP系統(tǒng)能夠為企業(yè)整合人力、財力、物力等資源并實現(xiàn)資源優(yōu)化和合理配置。大數(shù)據(jù)的出現(xiàn)對傳統(tǒng)的ERP模型提供了優(yōu)化的可能性。本文討論了運用大數(shù)據(jù)的方法,進行數(shù)據(jù)挖掘、建立模型對傳統(tǒng)ERP系統(tǒng)優(yōu)化升級,達到滿足生產(chǎn)制造型企業(yè)對產(chǎn)能預(yù)測的定制化需求,從而幫助企業(yè)合理安排生產(chǎn)資源、及時爭取到適量規(guī)模的訂單
關(guān)鍵詞:ERP系統(tǒng);大數(shù)據(jù);產(chǎn)能預(yù)測;機器學習;回歸模型
1.傳統(tǒng)ERP系統(tǒng)的定義及其在半導體制造行業(yè)的應(yīng)用
ERP(Enterprise Resource Planning)企業(yè)資源規(guī)劃,是由美國Gartner Group公司于1990年提出的一種供應(yīng)鏈管理思想,發(fā)展到現(xiàn)在,它既是應(yīng)用軟件又是基于信息技術(shù)的一種管理工具。
半導體行業(yè)作為制造業(yè)的重要組成部分,它具有分工細、高智能、技術(shù)集成度高等特點,所以完備的ERP系統(tǒng)對于半導體制造企業(yè)更好的完成訂單、統(tǒng)籌資源至關(guān)重要。半導體芯片已經(jīng)逐漸滲透到生活、生產(chǎn)、科教等各個領(lǐng)域,疫情的到來增加了滲透的速度。這種現(xiàn)實局面對芯片制造企業(yè)的支持系統(tǒng)也提出了更高的要求,以原材料管理為例,傳統(tǒng)的ERP系統(tǒng)已難以滿足對現(xiàn)有供應(yīng)鏈系統(tǒng)的預(yù)測,企業(yè)需要具備精準預(yù)測、靈活統(tǒng)籌的ERP系統(tǒng)幫助其實現(xiàn)快速交付訂單、減少客戶等待的目標。
2.大數(shù)據(jù)的特點及其應(yīng)用
大數(shù)據(jù)(big data),又稱巨量數(shù)據(jù)、海量數(shù)據(jù)。大數(shù)據(jù)目前雖頗受關(guān)注,但科學界至今沒有一個統(tǒng)一的概念。它是在互聯(lián)網(wǎng)發(fā)展到現(xiàn)階段的一種創(chuàng)新[1]。面向大數(shù)據(jù)環(huán)境下的制造企業(yè),以芯片制造為例,在大規(guī)模生產(chǎn)制造階段所產(chǎn)生的數(shù)據(jù)流已為企業(yè)改進生產(chǎn)流程缺陷提供了巨大幫助,而芯片制造行業(yè)中的佼佼者如美國的英特爾、韓國的三星和臺灣的代工廠臺積電等也逐漸意識到自己不僅是制造企業(yè)同時也是數(shù)據(jù)支撐的企業(yè),甚至英特爾公司不止一次的在其公開發(fā)布的智能物聯(lián)規(guī)劃中強調(diào)自己是數(shù)據(jù)型公司。可見大數(shù)據(jù)在制造業(yè)中起到的積極作用及其未來不可忽視的潛力。
3.大數(shù)據(jù)的方法
大數(shù)據(jù)作為一種新型的資產(chǎn),可以為企業(yè)提供諸多有價值的信息,如何將海量的數(shù)據(jù)整理、提取出來,就需要用到科學的方法,人工智能就是目前行業(yè)常用的大數(shù)據(jù)研究方法。 人工智能是研究、開發(fā)用于模擬、延伸和擴展人的智能的一種集理論、方法、技術(shù)及應(yīng)用為一體的一種技術(shù)科學。它通過了解智能的實質(zhì),并生產(chǎn)出一種新的能以人類智能相似的方式做出反應(yīng)的智能機器。其中機器學習是實現(xiàn)人工智能的方法之一,深度學習是實現(xiàn)機器學習的技術(shù)手段。
機器學習的方法分為監(jiān)督學習、非監(jiān)督學習和加強學習三種方法?;貧w和分類是監(jiān)督學習的兩大模型建立方法。在大數(shù)據(jù)分析中,回歸分析是一種預(yù)測性的建模技術(shù),它研究的是因變量(目標)和自變量(預(yù)測器)之間的關(guān)系。這種技術(shù)通常用于預(yù)測分析,時間序列模型以及發(fā)現(xiàn)變量之間的因果關(guān)系。目前,預(yù)測模型的建立有各種各樣的回歸技術(shù)可被應(yīng)用,要利用這些技術(shù)應(yīng)首先確定三個主要的度量即自變量的個數(shù),因變量的數(shù)據(jù)類型(連續(xù)型數(shù)據(jù)或二項數(shù)據(jù)) 以及回歸線的形狀。在進行回歸分析時,被預(yù)測或被解釋的變量稱為因變量,用y表示;用來預(yù)測或解釋因變量的一個或多個變量稱為自變量,用x表示。描述因變量y如何依賴于自變量x和誤差項ε的方程稱為回歸方程。回歸的常用算法有多元線性回歸,多項式回歸,拉索回歸,嶺回歸,回歸樹,神經(jīng)網(wǎng)絡(luò)等等[2]。
4.基于大數(shù)據(jù)方法的ERP系統(tǒng)的應(yīng)用
產(chǎn)能預(yù)測是大多數(shù)企業(yè)亟待解決的問題,預(yù)測不準確會造成產(chǎn)能浪費或延遲訂單交付。目前半導體制造業(yè)常用的ERP系統(tǒng)可以通過對于原材料清單的追蹤、整體工序監(jiān)測、現(xiàn)有設(shè)備數(shù)量和產(chǎn)能的預(yù)估等手段,對生產(chǎn)流程和訂單完成的過程進行監(jiān)控。但系統(tǒng)本身應(yīng)對變化的能力差,更不能做到提前預(yù)測。因此,運用大數(shù)據(jù)方法對于供應(yīng)商原料的供給建立預(yù)測和監(jiān)控模型,并在可能出現(xiàn)缺貨的節(jié)點進行提前預(yù)警是非常必要的。
具體做法是通過提取企業(yè)生產(chǎn)運營關(guān)鍵參數(shù)和特征值、產(chǎn)能模型設(shè)定與參數(shù)估計兩個主要步驟來實現(xiàn)模型建立、檢驗到應(yīng)用的目的。對關(guān)鍵參數(shù)、特征值的提取可參考企業(yè)歷史數(shù)據(jù)或直接參考企業(yè)生產(chǎn)過程重要影響因素。模型建立可以先從簡單的一元線性模型開始,到多元線性回歸模型,利用真實生產(chǎn)數(shù)據(jù)和模型預(yù)測出的結(jié)果做對比,若模型的標準誤差太大或擬合優(yōu)度較低,再發(fā)展到非線性模型的建立,上文已提到多元非線性的方法,得到模型之后一樣需要與真實數(shù)據(jù)做對比,檢測模型的準確率,一旦通過測試,就可以將該方法集成到現(xiàn)有的ERP系統(tǒng)中對影響產(chǎn)能的一個環(huán)節(jié)進行預(yù)測。同理,還可以把這一方法推廣到其他重要的生產(chǎn)工序,從而構(gòu)架出整個制造企業(yè)的產(chǎn)能模型。進而實現(xiàn)利用大數(shù)據(jù)方法對現(xiàn)有的數(shù)據(jù)信息資源進行挖掘、建立模型達到產(chǎn)能預(yù)測的目的,這將有力的增加企業(yè)管理的有效性,從而在市場競爭中贏更多的機會。
5.結(jié)語
目前全球的經(jīng)濟大國都意識到了制造業(yè)需要向智能化轉(zhuǎn)變,其本質(zhì)就是讓生產(chǎn)過程變得智能,即減少人為的干預(yù)、系統(tǒng)自動對外界變化做出相應(yīng)的反應(yīng)與調(diào)整,同時整體生產(chǎn)力得到提升,這是智能化的理想結(jié)果,如何實現(xiàn)這一目標?方法之一就是要借助當前使人類世界變得智能的基礎(chǔ)—運算,而大數(shù)據(jù)是運算的基礎(chǔ),為這些各種運算方法與模型提供了原料。半導體行業(yè)是集合制造智能化實現(xiàn)的陣地之一,企業(yè)應(yīng)該順應(yīng)大數(shù)據(jù)的時代,利用大數(shù)據(jù)的方法對生產(chǎn)數(shù)據(jù)進行挖掘、建模,能夠?qū)崿F(xiàn)產(chǎn)能預(yù)測、建立提前預(yù)警機制,進而走向提高競爭力、引領(lǐng)行業(yè)發(fā)展的良好局面。
參考文獻
[1]許憲春,王洋.大數(shù)據(jù)在企業(yè)生產(chǎn)經(jīng)營中的應(yīng)用[J].改革,2021(01):18-35.
[2]Yuxi Hong,Dongsheng Ma,Zuochang Ye.Multivariate rational regression and its application in semiconductor device modeling[J].半導體學報(英文版),2018,39(9):67-73.