大数据时代，，，，，，，信息数据价值挖掘和应用遍及各行各业，，，，，，，近些年来，，，，，，，欧美发达国家也在力推制造业的回归，，，，，，，因而我们也需加紧制造数据化，，，，，，，智能化 。。。。。。
制造是产品的实现过程，，，，，，，智能制造是企业发展的趋势，，，，，，，谁前进的步伐快一些，，，，，，，谁的核心竞争力提升得快一些 。。。。。。企业的智能制造建设主要从三方面考虑，，，，，，，一是加工过程的智能化、工序流转的智能化、工艺设计和质量处理的智能化 。。。。。。加工过程的智能化建设重点在于引进智能化设备、设备联网以及实现加工数据与工艺、生产、质量的动态传输与共享；； ；； ；；；；工序流转的智能化建设重点在于零件的搬运目标识别、自动传输、搬运状态跟踪、交付结转等一系列建设，，，，，，，智能搬运将减少人力，，，，，，，减少人为差错，，，，，，，并且搬运时间与加工时间及质量数据将有机的统计到产品的制造成本里；； ；； ；；；；实现数据的可控管理；； ；； ；；；；质量处理的智能化表现在报废、超差零件的质量数据填报后按流程上报、数据的智能判定以及生产任务的追加申请和确认 。。。。。。
以品质的数据化为例，，，，，，，评定产品质量，，，，，，，不能简单以“好”和“差”来定义，，，，，，，而要有数据支撑 。。。。。。比如开早会，，，，，，，后整主管报告说前整车间品质太差，，，，，，，有500件产品要返工，，，，，，，影响后整生产进度和效率 。。。。。。这个话其实说明不了问题，，，，，，，也说明不了严重性 。。。。。。但如果后整主管直接提交详细的数据报告——此批1000件，，，，，，，返工500件，，，，，，，返工率为50%；； ；； ；；；；其中疵点类型占比分别是：尺寸问题200件占40%，，，，，，，油污问题200件占比40%，，，，，，，衫脚不齐100件占20%，，，，，，，就能完整地传达品质信息 。。。。。。当然这只是品质信息的一部分，，，，，，，还有成品检验、QC抽验、首扎检验、退回头数据等，，，，，，，都可转换为清晰可比的量化数字，，，，，，，再用图标呈现，，，，，，，使数字更美观和易懂 。。。。。。如我们公司的QC报告，，，，，，，在ERP系统里随时查看，，，，，，，就能即时管理，，，，，，，使数据得到更好应用 。。。。。。
再比如交期的数据化 。。。。。。影响交期的因素很多，，，，，，，如何精确判断工时，，，，，，，安排计划，，，，，，，保证交期？？？？ ？ ？？
首先，，，，，，，我们要把大货根据款式拆分工序，，，，，，，确定生产周期 。。。。。。同样的圆领衫，，，，，，，其中一件不要包后领捆，，，，，，，另一件要包，，，，，，，生产周期肯定不一样 。。。。。。但差别具体是多少时间呢？？？？ ？ ？？这时那我们需要应用GST系统，，，，，，，分析每个款的工序时间，，，，，，，得出包后领捆需要2.5分钟，，，，，，，再把所有工序的工时相加起来，，，，，，，就知道整款的工时 。。。。。。接下来通过MES系统（智能吊挂）和生产收发系统，，，，，，，采集员工生产产量和工作时间，，，，，，，相关人员进行信息集成，，，，，，，最终制作成员工效率报表、工序生产进度报表、非本位报表等数据表格，，，，，，，明确员工效率和工序生产进度后，，，，，，，管理者在安排人员和生产计划时，，，，，，，就可以及时调整，，，，，，，实时跟进，，，，，，，确保如期交货 。。。。。。
自2017年以来，，，，，，，公司领导结合企业的发展需求和现代化的管理布局，，，，，，，经过3年的磨合，，，，，，，从开始调研（GST标准工时系统，，，，，，，MES智能吊挂系统，，，，，，，APS智能排产系统）到各系统落地投产，，，，，，，对各环节的生产数据进行采集、呈现、汇总、应用，，，，，，，全面进行数字化的管理改造，，，，，，，实现了数据的精准化、透明化 。。。。。。
2019年，，，，，，，公司的“针织毛衫柔性智能制造项目（年产1000万件）”项目作为全球毛衫制造行业内第一套全流程一体化运作的智能制造系统，，，，，，，入选2019年福建省智能制造试点示范企业 。。。。。。
当然，，，，，，，信息数字化本身只是一种先进的管理工具 。。。。。。工具先进了，，，，，，，企业管理者要学会适应和驾驭，，，，，，，这也是我们不断精进的方向 。。。。。。
