大数据市场下工业工程在制造业的应用

　　下面是篇工业工程与管理范文，文中以目前大数据和云计算技术为研究背景，在这两种技术逐渐成熟过程中，对我国工业工程也提出了一定的要求。我国制造业怎样运用工业工程优化自身生产管理是值得探讨的工作，生产制造业应该将工业工程与大数据、云计算相结合，进而提高生产效率，促进工业工程发展。

　　关键词：工业工程,制造企业,大数据,云计算

　　我国当前正处于经济结构转型的关键时期，能否顺利实现产业结构的优化与升级，将在很大程度上决定未来经济的走向。而制造业的转型升级，离不开生产组织、管理技术的转型升级，这正是工业工程的重要研究对象。

　　1工业工程在制造企业中的应用价值

　　工业工程的内容包括了一系列先进工业企业的管理技术，是对优秀企业的工业生产、组织、技术管理等各项内容的理论性概括和抽象，对于制造业企业来说，是一种能够指导企业改善工业生产管理的科学理论。由于制造企业的实际生产和管理工作中，涵盖了多方面的工作，比如日常经营管理涉及到财务、人力资源工作;技术管理则涉及研发、生产线、调度、品控部门等工作;安全管理涉及了安全、劳动保障等。这些部门之间的联系与协调，根据不同的管理学理论，往往会得出侧重点各有不同的管理方法和原则，而对于制造企业来说，工业工程的理论是以工业品的生产效率为核心内容，进而有机组织其他各方面的工作，所以对制造企业来说，工业工程这一理论更接“地气”，更能解决制造企业生产管理环节中那些“有别于其他行业”的特殊问题。

　　另一方面，当前我国制造业已经深度融入经济全球化的大背景，制造企业的生产管理必须实现“国际化”，也就是说制造业企业既要与国内企业，也要与外国企业开展交易，如果缺乏“国际化”的话语体系、标准体系，企业之间不可能进行高效沟通。为此，制造企业运用工业工程的理论，就能顺利地按照国际化的标准，优化自身的文本格式、术语、生产标准，将其渗透至研发、工艺、调度等各环节，使制造企业具备进入国际市场的基本能力。

　　2工业工程在制造企业中的应用范围

　　工业工程是一套系统的科学的理论，其应用的范围非常广泛，而制造业企业尤其自身的比较特殊的工作内容，因此制造企业在运用工业工程指导生产管理时，有必要了解工业工程在制造企业中具体有哪些应用场景。总的来说，工业工程的应用主要是为了提升制造企业的生产均衡和效率，“均衡”侧重于程序规范与各实施环节的平衡关系，“效率”则侧重于成本控制与产量提升，其具体应用场景主要包括以下几点。

　　(1)制造企业的生产总纲制定，即规定企业生产的工序、工时、行为规范、操作规范等基本内容，构建制造企业生产工作的基本框架;

　　(2)生产计划的信息化。制造企业的升级必然离不开设备和生产方式的升级，因此制造企业的生产计划的需要按照工业工程的原理，将关键设备作为生产计划的编排核心，再运用计算机和信息技术，实现生产计划的信息化，利用计算机系统提升计划效率和精确度;

　　(3)各生产关节的动态管理，应用工业工程的理论工具，可以将制造企业的质量管理、绩效管理、成本管理、安全管理这些主要环节转化为参数化的研究对象，通过定量分析实现各管理环节组织协调的最优化，并利用计算机管理系统实现高效精细管理。

　　3工业工程在制造企业中的具体应用建议

　　当前企业管理中越来越注重信息化，诸如利用大数据实施市场分析、利用计算机系统完成机器人生产和流水线管理、利用移动APP和导航技术完成打卡等日常管理事宜，制造企业生产过程中越来越依赖计算机、互联网技术，故在应用工业工程优化企业生产的过程中须充分考虑信息时代的技术背景。

　　3.1基于大数据分析的市场需求型生产驱动模式

　　过去我国制造企业粗放式发展的年代里，大量企业都是通过经验式的预测来计划和驱动本企业的生产，制造企业大量依附于某一个行业或者某一个产品，为其加工制造一些可替代性强、附加值低的配件和产品，而一旦遇到比较特殊、或要求较高的订单，不少制造企业无力开展生产。同时，互联网时代下，工业市场的差异化竞争越来越明显，以手机行业为例，传统的“硬件堆砌”模式早已过时，当前各大品牌手机厂商更注重的是产品的差异化特征，这就要求上游的各制造企业必须有满足个性化定制的能力，甚至还要求具备辅助手机厂商开展差异化设计研发的能力。因此，在信息时代下，生产驱动模式的优化，是制造企业升级自身竞争力的首要环节，传统的以预测为主的生产驱动模式已不能适应当前差异化竞争为主的工业市场。

　　工业市场的差异化竞争愈发明显，就意味着制造企业对市场需求的判断必须准确到位，一旦产生误判即可能面临产品滞销的困境。为此，对市场需求的分析有赖于大数据技术的应用。通过大数据挖掘，可以对不同类型客户群体的消费习惯等内容进行精准分析，为产品的差异化奠定坚实基础。为此，制造企业可以利用工业工程的理论工具，建立起基于大数据技术的市场需求分析机制，并根据市场需求来驱动企业生产，具体内容则涉及到很多环节：提升对个性化定制需求的供给能力，为订单方提供量身裁衣式的优质服务，由此又进一步引申出新产品研发的提速问题、多种产品的同时研发和生产的组织问题等，在解决这些问题的过程中，运用工业工程的工具来调动企业内部资源，调整生产组织形式、产品结构、人力资源配置等。

　　3.2制造企业生产管理的主要方法

　　制造企业在基于大数据的市场需求驱动型的生产管理中，应注重运用以下几种主要方法，提升制造企业管理工作的经济性、效率性。

　　第一，并行工程。即制造企业应当在产品设计开发的环节，就充分考虑产品从设计直至销售、使用的全过程中的各类问题，进而争取在产品研发阶段就能解决全过程中的这些问题。并行工程是工业工程知识体系中的重要内容，制造企业通过不同业务的并行交叉、系统集成与整体优化等方法，可以减少产品研发、制造、销售、使用的资源浪费、返工等现象，提升产品质量和满意度。

　　第二，充分运用仿真技术。制造企业有必要对产品的生产过程进行计算机仿真，通过仿真软件分析制造过程中可能出现的技术问题，进而缩短制造生产的工时，提升产品质量。

　　第三，生产环节的云计算与动态控制。若我国制造企业能够在控制人力成本的同时又进一步提升生产效率、降低劳资纠纷风险，则必将带来巨大经济效益，故近年来我国制造企业开始更多地使用智能设备参与生产制造。而为了管理智能设备，又须借助云计算技术。即企业在使用智能设备开展生产时，利用传感器技术，收集智能设备相关数据并将其上传至云端，通过云计算分析该设备的相应参数、变量，进而动态调整该设备的动作、速率等;以此类推，企业只要运用工业工程的理念和原则，对云计算的算法等系统进行优化，即可对企业的全部智能设备进行动态调整，使生产效率和稳定性同时得到大幅提升。综上所述，随着大数据和云计算技术的成熟，工业工程在制造企业中的应用范围和应用场景都得到了极大拓宽，未来我国的制造企业应当将工业工程的基本原理和基本工具灵活应用至新技术所引领的生产活动中，让企业能够更加科学更加高效的组织生产。

　　参考文献

　　[1]黄鑫.大数据如何影响传统行业[N].经济日报,2017-07-07.

　　[2]黄毅敏,齐二石,刘洪伟,等.面向中国制造业的工业工程应用与挑战[J].工业工程与管理,2015(5):157-165.

　　[3]鹿崇.制造业借力云计算弯道超车[J].装备制造,2015(10):84-85.

　　[4]周济.智能制造——“中国制造2025”的主攻方向[J].中国机械工程,2015(17):2273-2784.

　　相关阅读：《工业工程与管理》评经济职称论文范文