大数据时代 ，信息数据价值挖掘和应用普遍各行各业 ，近些年来 ，西欧蓬勃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 。
制造是产品的实现历程 ，智能制造是企业生长的趋势 ，谁前进的程序快一些 ，谁的焦点竞争力提升得快一些 。企业的智能制造建设主要从三方面思量 ，一是加工历程的智能化、工序流转的智能化、工艺设计和质量处置惩罚的智能化 。加工历程的智能化建设重点在于引进智能化装备、装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的识别、自动传输、搬运状态跟踪、交付结转等一系列建设 ，智能搬运将镌汰人力 ，镌汰人为过失 ，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本钱里；实现数据的可控治理；质量处置惩罚的智能化体现在报废、超差零件的质量数据填报后按流程上报、数据的智能判断以及生产使命的追加申请和确认 。
以品质的数据化为例 ，评定产品质量 ，不可简朴以“好”和“差”来界说 ，而要有数据支持 。好比开早会 ，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 。这个话着实说明不了问题 ，也说明不了严重性 。但若是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%；其中疵点类型占比划分是：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% ，就能完整地转达品质信息 。虽然这只是品质信息的一部分 ，尚有制品磨练、QC抽验、首扎磨练、退转头数据等 ，都可转换为清晰可比的量化数字 ，再用图标泛起 ，使数字更雅观和易懂 。如我们公司的QC报告 ，在ERP系统里随时审查 ，就能即时治理 ，使数据获得更好应用 。
再好比交期的数据化 。影响交期的因素许多 ，怎样准确判断工时 ，安排妄想 ，包管交期 ？
首先 ，我们要把大货凭证名目拆分工序 ，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 ，生产周期一定纷歧样 。但差别详细是几多时间呢 ？这时那我们需要应用GST系统 ，剖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（智能悬挂）和生产收发系统 ，收罗员工生产产量和事情时间 ，相关职员举行信息集成 ，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 ，治理者在安排职员和生产妄想时 ，就可以实时调解 ，实时跟进 ，确保准期交货 。
自2017年以来 ，公司向导团结企业的生长需求和现代化的治理结构 ，经由3年的磨合 ，从最先调研（GST标准工时系统 ，MES智能悬挂系统 ，APS智能排产系统）到各系统落地投产 ，对各环节的生产数据举行收罗、泛起、汇总、应用 ，周全举行数字化的治理刷新 ，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树模企业 。
虽然 ，信息数字化自己只是一种先进的治理工具 。工具先进了 ，企业治理者要学会顺应和驾驭 ，这也是我们一直精进的偏向 。
