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、物力等資源并實現資源優(yōu)化和合理配置。大數據的出現對傳統(tǒng)的ERP模型提供了優(yōu)化的可能性。本文討論了運用大數據的方法，進行數據挖掘、建立模型對傳統(tǒng)ERP系統(tǒng)優(yōu)化升級，達到滿足生產制造型企業(yè)對產能預測的定制化需求，從而幫助企業(yè)合理安排生產資源、及時爭取到適量規(guī)模的訂單

關鍵詞：ERP系統(tǒng);大數據;產能預測;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年提出的一種供應鏈管理思想，發(fā)展到現在，它既是應用軟件又是基于信息技術的一種管理工具。

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)籌資源至關重要。半導體芯片已經逐漸滲透到生活、生產、科教等各個領域，疫情的到來增加了滲透的速度。這種現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)已難以滿足對現有供應鏈系統(tǒng)的預測，企業(yè)需要具備精準預測、靈活統(tǒng)籌的ERP系統(tǒng)幫助其實現快速交付訂單、減少客戶等待的目標。

2.大數據的特點及其應用

大數據（big data），又稱巨量數據、海量數據。大數據目前雖頗受關注，但科學界至今沒有一個統(tǒng)一的概念。它是在互聯網發(fā)展到現階段的一種創(chuàng)新[1]。面向大數據環(huán)境下的制造企業(yè)，以芯片制造為例，在大規(guī)模生產制造階段所產生的數據流已為企業(yè)改進生產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)同時也是數據支撐的企業(yè)，甚至英特爾公司不止一次的在其公開發(fā)布的智能物聯規(guī)劃中強調自己是數據型公司?？梢姶髷祿谥圃鞓I(yè)中起到的積極作用及其未來不可忽視的潛力。

3.大數據的方法

大數據作為一種新型的資產，可以為企業(yè)提供諸多有價值的信息，如何將海量的數據整理、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)常用的大數據研究方法。 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、技術及應用為一體的一種技術科學。它通過了解智能的實質，并生產出一種新的能以人類智能相似的方式做出反應的智能機器。其中機器學習是實現人工智能的方法之一，深度學習是實現機器學習的技術手段。

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。在大數據分析中，回歸分析是一種預測性的建模技術，它研究的是因變量（目標）和自變量（預測器）之間的關系。這種技術通常用于預測分析，時間序列模型以及發(fā)現變量之間的因果關系。目前，預測模型的建立有各種各樣的回歸技術可被應用，要利用這些技術應首先確定三個主要的度量即自變量的個數，因變量的數據類型（連續(xù)型數據或二項數據） 以及回歸線的形狀。在進行回歸分析時，被預測或被解釋的變量稱為因變量，用y表示;用來預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?；貧w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，神經網絡等等[2]。

4.基于大數據方法的ERP系統(tǒng)的應用

產能預測是大多數企業(yè)亟待解決的問題，預測不準確會造成產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、現有設備數量和產能的預估等手段，對生產流程和訂單完成的過程進行監(jiān)控。但系統(tǒng)本身應對變化的能力差，更不能做到提前預測。因此，運用大數據方法對于供應商原料的供給建立預測和監(jiān)控模型，并在可能出現缺貨的節(jié)點進行提前預警是非常必要的。

具體做法是通過提取企業(yè)生產運營關鍵參數和特征值、產能模型設定與參數估計兩個主要步驟來實現模型建立、檢驗到應用的目的。對關鍵參數、特征值的提取可參考企業(yè)歷史數據或直接參考企業(yè)生產過程重要影響因素。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，利用真實生產數據和模型預測出的結果做對比，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據做對比，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有的ERP系統(tǒng)中對影響產能的一個環(huán)節(jié)進行預測。同理，還可以把這一方法推廣到其他重要的生產工序，從而構架出整個制造企業(yè)的產能模型。進而實現利用大數據方法對現有的數據信息資源進行挖掘、建立模型達到產能預測的目的，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.結語

目前全球的經濟大國都意識到了制造業(yè)需要向智能化轉變，其本質就是讓生產過程變得智能，即減少人為的干預、系統(tǒng)自動對外界變化做出相應的反應與調整，同時整體生產力得到提升，這是智能化的理想結果，如何實現這一目標？方法之一就是要借助當前使人類世界變得智能的基礎—運算，而大數據是運算的基礎，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的陣地之一，企業(yè)應該順應大數據的時代，利用大數據的方法對生產數據進行挖掘、建模，能夠實現產能預測、建立提前預警機制，進而走向提高競爭力、引領行業(yè)發(fā)展的良好局面。

參考文獻

[1]許憲春，王洋.大數據在企業(yè)生產經營中的應用[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.