我所在的铅酸企业设备种类多,有国外的国内的,有新设备有老设备;总之设备管理是比较头疼的问题,这也是所有制造业的通病。 设备管理中五金备件的管理也是很重要的一块,其涉及到维修保养的及时性、实物管理、成本积压等方面,如何通过数据挖掘改善五金备件的管理是本文主题。
经过与仓管员的访谈发现,五金备件管理中存在如下问题:五金库房很大,车间工人来领备件的时候要找很久(最久的要找半个小时)
解决此问题有两个方面:
一、精确的货架管理:将每一个五金物料号与其货架号收集起来,导入MES系统中
二、根据SAP的领用记录,分析货架上的五金备件的关联规则(即每次领用A物料的同时也会领用B物料),参考“啤酒和尿布”案例,合理布局货架位置
实施步骤一
1、我和仓管员用了十天时间,将所有在货架上的物料卡片信息和货架信息抄下来并记录成EXCEL,一共970条
2、将清单导入MES系统
改进点:
仓管员或领料员先在MES系统里查询物料的货架位置,再直接去相应位置取得实物,可以节约很多时间
实施步骤二
1、将清单中970个物料号对应的领料记录导出来(SAP系统)
2、将EXCEL处理成TXT文本格式
3、通过R语言apriori算法,生成关联规则
R代码如下:
library(Matrix)
library(arules)
setwd('E:/')
Trans <- read.transactions(file ="./123.txt" ,format="basket",sep=",",encoding = "UTF-8") #从EXCEL转成TXT之前,把表里的特殊符号全删掉;导出TXT之后另存为UTF-8
str(Trans)
rules <- apriori(data=Trans,parameter=list(support =0.002,confidence =0.2,minlen =4,target="rules"))
inspect(rules)
生成规则如下:
4、生成频繁项集
R代码如下:
library(arules)
library(Matrix)
setwd('E:/')
Trans <- read.transactions(file ="./五金对应领料单.txt" ,format="single",header=TRUE,cols=c("TID","ITEMS"),sep="",encoding = "UTF-8") #从EXCEL转成TXT之前,把表里的特殊符号全删掉;导出TXT之后另存为UTF-8
str(Trans)
rules <- apriori(data=Trans,parameter=list(support =0.005,confidence =0.1,minlen =1,target="frequent itemsets"))
inspect(rules)
R分析结果如下:
5、将步骤4、5综合起来,得到一张表:常用的领料清单以及与之相关性很高的物料的货架位置
其中,螺钉热电偶和镜反射光电两行记录放在一起是根据步骤3得到的结论,因为根据以往的领料记录发现的关联规则中,机修工领用热电偶会同时再领用反射光电。这样的话可以方便机修工快速领取他所需的备件
最后可以将这张表打印出来,贴在五金仓库入口的看板上,方便工人查询
6、未采纳的建议: 根据步骤5的清单将五金仓库的货架位置换一下。比如活动扳手在24#货架,可以把它放到靠近门口的1#货架。 此建议如果实施的话需考虑综合因素,会比较麻烦,因此仓管员暂未采纳。
改进点: 将关联规则强的物料记录放在一起,方便工人查询从而节约取得实物的时间
总结: 此案例中生成的关联规则其实不多,是因为备件的总数实在太多,工人来领用备件的情况千差万别,设备故障的类型也大不相同,想从大量的离散的数据中找到能够重复出现的情况很少;但是案例中将MES和数据挖掘技术相结合,解决领用五金备件费时间的问题是一个数字化转型可行的方向