基于大數據的零件期量標準與安全庫存分析研究

姚曉紅 李賀 高雷雷

摘要：中國航發(fā)南方公司經過近十幾年的信息化建設，已經積累了大量的數據，然而這些數據沒有進行關聯(lián)轉化成業(yè)務需要的信息，如何快速、準確獲得數據洞識、促進企業(yè)業(yè)務成果和運營效率的最優(yōu)化成為影響公司信息化水平與管理能力提升的重要瓶頸。在此背景下，本文通過對公司長期積累的生產數據進行采集關聯(lián)、清洗整理及深度挖掘，分析得出對于優(yōu)化公司計劃調度、過程監(jiān)控、質量提升、成本節(jié)約等具有重要意義的生產期量標準，全面指導生產計劃決策；同時，對物資供應過程計劃訂單需求、供應商供應周期、庫存等數據進行關聯(lián)分析，構建安全庫存動態(tài)優(yōu)化模型，在允許一定程度的缺貨現(xiàn)象存在的情況，實時給出合適的安全庫存，提升物資的精細化管理水平。

關鍵詞：大數據；零件期量標準；安全庫存；正態(tài)分布

1概述

大數據的時代已經到來，用大數據思維去解決企業(yè)科研生產、經營管理的問題，是企業(yè)數字化變革的必然趨勢。另外，數據分析應用對企業(yè)制造交付能力提升和運營成本降低的作用將越來越明顯，逐漸成為企業(yè)的重要發(fā)展戰(zhàn)略。

中國航發(fā)南方公司目前在生產管理所涉及的諸多期量標準中，零件生產周期期量標準核算主要基于業(yè)務經驗設定，每年手工修訂一次，生產周期期量設定非常不準，ERP生產計劃排產不能按訂單執(zhí)行，對生產計劃、調度帶來極大困擾。亟需通過大數據分析制定零件期量標準及合理的生產周期區(qū)間，指導生產計劃決策。同時，由于生產部需求波動性與不確定性大、供應商交期不一致、合同采購審批流程長等原因導致常有缺貨停工待料、庫存材料擠壓成本居高不下等問題產生。同時采購部對整個物資采購供應過程缺乏透明化管控手段。亟需對物資采購供應過程需求、供應、庫存等數據進行關聯(lián)分析，在允許一定程度的缺貨現(xiàn)象存在和資金占用的情況下，制定合適的安全庫存，提升精細化管理水平。

2解決方案

2.1零件期量標準分析

生產周期是指產品從開始投產至產出的全部時間。物料訂單實際生產周期為訂單內該物料的領料時間及入庫時間，通過兩者相減，以實際發(fā)生天數作為實際生產周期。為了使分析結果更加科學合理，并且避免單一經驗估值對結果可信度的影響，本次通過箱型圖和正態(tài)分布擬合等多種方法進行分析，通過數據分析制定忽略批量和考慮批量兩種模式下的零件生產期量標準及合理周期區(qū)間，指導生產計劃改善。同時結合零件訂單數量與加工批量進行縱向對比分析，對不在批量合理區(qū)間范圍內的訂單進行追溯分析，提升生產控制反饋能力。整體方案設計如下：

2.2 安全庫存動態(tài)優(yōu)化

安全庫存越大，出現(xiàn)缺貨的可能性越??；但是庫存越大，會導致庫存積壓資金占用。本文根據不同物料的用途以及結合客戶的需求，提出基于機理與數據驅動的安全庫存計算思路，方案1：允許缺貨保持在適當的水平上，通過量化需求、供應周期，來計算安全庫存；方案2：在機理業(yè)務經驗業(yè)務引導的前提下，通過計算當期庫存對生產訂單已開卡未發(fā)料的需求滿足情況，指導物資供應部動態(tài)設定安全庫存。整體方案設計如下：

3實施過程

3.1采用業(yè)務牽頭、信息化支持的組織管理新模式

按照“業(yè)務牽頭、信息化支持”的管理新模式，成立課題推進委員會，各職能部門領導、主管業(yè)務人員、信息技術人員共同參與。運用關鍵路徑、甘特圖、網絡圖及PERT計劃評審技術確保了本項目的順利完成和工程實用性。

3.2構建數據分析主題庫，充分挖掘數據背后的價值

通過梳理歷史生產訂單數據，物資采購供應、庫存數據，利用數據集成、Sap_ds等技術，抽取分析所需數據，分別構建面向生產管理部和物資供應部的分析主題庫，集中將共性的、關鍵的業(yè)務信息數據統(tǒng)一調用、分類匯聚，更好地支撐專業(yè)業(yè)務域的數據分析，更好的沉淀和提升業(yè)務應用能力，提高服務的重用性。

3.3以生產訂單數據為基礎，開展零件期量標準分析

3.3.1數據采集

發(fā)動機零件生產標準周期計算的數據主要來源于公司已有的數據系統(tǒng)中基礎標準數據、歷史的各物料（層）實際的處理/發(fā)貨時間數據。本次采集的主要字段如下：

3.3.2數據整合

利用SAP_ds工具，對當前手工維護的主力機型期量數據進行抽取，獲取到物料號、物料描述、最小批量、最大批量、自制生產處理周期、收貨處理時間、機型系列等關鍵字段，進行異常值與缺失值處理后，用于期量對比分析。同時，基于業(yè)務及數據反復調研確認，抽取現(xiàn)有主力機型物料訂單數據數據周期為20140102～20190301，支撐零件期量標準分析。

3.3.3模型構建

（1）忽略批量

正態(tài)分布曲線反映了隨機變量的分布規(guī)律，而理論上的正態(tài)分布曲線是一條中間高，兩端逐漸下降且完全對稱的鐘形曲線。通過用直方圖反應原始訂單數據的分布規(guī)律，發(fā)現(xiàn)訂單存在右偏現(xiàn)象，剔除μ±3σ的異常值，重新計算繪制正太分布曲線，μ即為該物料合理的標準生產周期。

實際生產過程中，由于加工批量、需求波動、設備加工、人員技術成熟度、庫存物料配套等多種因素的影響，零件生產周期期量標準應是一個范圍值。因此，應圍繞零件生產期量標準μ形成合理的標準區(qū)間，生產部領導可基于設定的標準區(qū)間對零件生產標準期量標準進行評估。

（2）考慮批量

利用箱型圖，選區(qū)物料訂單實際數量滿足1/4分為數-3/4分位數的物料訂單數據作為考慮批量的數據源，按同樣方法進行計算得到各主力機型物料合理的標準生產周期及合理的生產周期區(qū)間，指導生產計劃改善。

通過正態(tài)分布剔除了原始樣本中的異常數據后，考慮批量和不考慮批量兩模型的計算結果差異不明顯，為了工程實用性，課題以不考慮批量結果數據作為期量標準設定參考值。需要注意的是，在實際應用中設定的生產區(qū)間需要結合業(yè)務進行置信區(qū)間設定，修正合理生產區(qū)間，從而對異常情況進行處理與調整。

3.3.4成果展示

基于大數據分析給出期望的合理生產周期及合理區(qū)間，結合加工批量對不合格訂單數量進行統(tǒng)計，集中展示分析異常原因，同時指導業(yè)務人員進行標準周期設定與維護。具體工作成果如下：

（1）綜合分析界面：提供數據導入理解、數據視覺探索、數據洞察挖掘等綜合展示功能，生產部可基于導入的實際期量數據，利用模型開展計算，實時了解物料周期的分布情況，根據模型優(yōu)化現(xiàn)有的期量標準，提升生產管控能力。

（2）異常訂單抓取：實際生產過程中，零件生產周期期量標準應是圍繞μ形成合理的標準區(qū)間。通過提供異常訂單提取功能，對不在μ±3sigma的訂單進行展示。生產部可對異常零件生產訂單進行追溯，改進現(xiàn)有生產管理模式。

3.4建立安全庫存計算模型，提升物資供應保障能力

3.4.1數據采集

安全庫存設定的決定因素有物料的使用頻率，供應商的交期，生產周期與材料的成本、訂單處理期等，通過與物資供應部溝通確認滿足分析的數據，主要有如下幾個主要字段。

3.4.2數據處理

對物料安全庫存優(yōu)化相關的原始數據的進行異常值處理、缺失值處理、數據轉換等方法獲得滿足建模分析需求、供應、庫存寬表。其中，本次按季度進行統(tǒng)計近5個季度訂單的供應周期的平均值及標準差，來反映供應周期的變化。

3.4.3模型構建

（1）經典安全庫存計算方案

通過量化需求的不確定性、量化供應的不確定性和量化服務水平，“從數據開始，由判斷結束”，在數據分析結果的基礎上適當調整，得到最后的安全庫存水位模型，具體構建過程如下：

1）安全庫存物料類型選擇

航空發(fā)動機有成千上萬零件，并不是所有的物料材料都適合做安全庫存，在選擇物料材料時應選擇適合做安全庫存的物料。根據經典安全庫存計算方案要求，假設樣本服從正態(tài)分布，往往要求需求和供應相對頻繁的物料來計算。通過向物資供應前后兩次索要合適物料前后累計物料共114個，選取需求和供應頻次相對較高的9個物料材料作為適合設安全庫存的物料。

2）量化需求的不確定性

公司的生產計劃需求有一定的可重復性。當需求相對穩(wěn)定時，通過計算需求歷史的不確定性，來估算未來需求的不確定性。本次用近13月的需求歷史數據，計算每周的平均需求，以及需求的標準差。需求的標準差，代表的就是需求的變動性，統(tǒng)計的是實際需求與預測值之間的差異。標準差越大，表明需求的變動性越大，反之亦然。

3）量化供應的不確定性

供應的不確定性一般指供應周期的不確定性。在ERP系統(tǒng)里，圍繞訂單會有多個時間點，包括訂單發(fā)出的日期和收到貨物入庫驗收的日期。這兩個的差值就是供應周期，即交期。在量化供應的不確定性是，應該用整個供應周期。

4）量化服務水平

在量化了需求的不確定性、供應的不確定性和服務水平系數后，綜合三者的結果來計算安全庫存。模型的思路是把需求和供應的不確定性（標準差）整合成一個綜合的標準差，乘以一個服務水平系數（Z值），得到物料的最終安全庫存計算模型。

（2）機理安全庫存計算方案

根據業(yè)務機理經驗，安全庫存與當期物料材料庫存量能否滿足生產部已開卡但未發(fā)料的訂單需求有很強的業(yè)務關系。結合業(yè)務經驗，實時計算每一天的當期實時庫存量與已開卡未發(fā)料的需求，統(tǒng)計歷史需求不滿足的累計缺貨周期及缺貨量來指導物資供應部設定安全庫存，輔助物資采購決策。具體構建過程如下：

1）生產訂單已開卡未發(fā)貨需求數據實時計算抽取，計算邏輯如下：

當天需求=系統(tǒng)前一天的累計需求量-系統(tǒng)前一天的累計發(fā)貨量

2）庫存數據實時計算抽取，計算邏輯如下：

當天庫存 = 月末庫存初始值+前一天的累計入庫量-前一天的累計出庫量

基于實時需求數據和庫存數據，統(tǒng)計近一年需求不滿足的累計缺貨周期及缺貨量，最終以累計平均缺貨量的1.2倍作為安全庫存設定值，來指導物資供應部設定安全庫存，輔助決策。

3.4.4成果展示

根據業(yè)務應用需求，實時展示需求、供應周期、庫存等實時波動趨勢，進而通過數據挖掘設計可調節(jié)不同的服務水平下安全庫存模型和機理經驗指導下的安全庫存模型，兩者動態(tài)結合來制定不同月的安全庫存，提升物資供應部的物資保障能力。

3.5效益與價值

（1）先進合理的期量標準是保證生產的配套性、連續(xù)性、充分利用設備能力的重要條件。通過大數據技術制定的合理的期量標準，更能準確確定產品的投入和產出時間，對做好生產過程各環(huán)節(jié)的銜接，縮短產品生產周期，節(jié)約公司在制品占用，都有重要的作用。

（2）基于歷史訂單數據設定的期量標準更能反應公司生產實際，在日常應用過程中，生產部可基于設定的期量標準對零件生產周期進行動態(tài)評估，調整訂單執(zhí)行計劃。

（3）基于大數據技術分析出的安全庫存對于平衡公司資金運用、指導公司備貨、降低生產缺料現(xiàn)象具有很大的現(xiàn)實意義。

（4）提供了全新的視角來研究安全庫存物料如何選擇與最佳設定問題，有助于幫助公司進一步強化對供應鏈管理的理解，發(fā)掘安全庫存背后帶來的價值。

4結論

數據驅動帶來價值逐漸凸顯，隨著公司信息化應用的不斷深入，數據已經成為公司的重要資產，是公司未來向智能工廠轉變的重要財富，基于數據構建的數據分析應用平臺將不斷向橫向與縱向擴展，直至覆蓋公司全部經營管理、產品設計、生產制造、供應鏈管理、裝配試車、服務保障等各個業(yè)務應用中心。本文的研究實施為行業(yè)內大數據應用的思路與應用模式做出了示范，可以在所有離散型制造公司進行應用推廣。

（作者單位：中國航發(fā)南方工業(yè)有限公司）