D16Next

介紹下一個世代的數據虛擬化技術 (Data Virtualization - D16N),與數據處理、雲端相關技術

數據虛擬化如何解決製造業公司的困難

26 October 2020

- Aihua Chiang

之前在和朋友的聚餐中,偶然聽朋友提起工作上的煩惱。這位朋友在一間具32年歷史的電子設備代工廠的資訊室工作,團隊約10人。由於筆者自身在資訊業外商服務,故特別想了解其中問題看能否提供一些想法,特別也寫這篇文章和大家分享。這間企業已部分導入數位轉型在某些單位,但隨著數據量大幅增加才發現需要優化的地方還不少。這裡我先舉一個例子。

製造業的公司多半需要「物料需求規劃」(MRP, Material Requirements Planning),也就是根據市場需求預測和顧客訂單制定產品的生產計劃,然後基於產品生成進度計劃,組成產品的材料結構表和庫存狀況,通過電腦計算所需物資的需求量和需求時間,從而確定材料的加工進度和訂貨日程。[註1]

此公司生產基地分佈在台灣、越南、中國、泰國、墨西哥等地,採購中心位於台灣,需要各生產基地物料的即時庫存數及生產中的數據,以便配合生產排程採購所需的零件。目前做到最快也僅是一日一次,各廠回傳的數據並非同步且生產規模最大的廠偶爾因數據量龐大導致延遲或中斷,如此一來,採購最終得到的數據並不完整,甚至正常狀況下也擔心其正確性。資訊室人員此時就得戰戰兢兢地檢查數據處理及配送過程有無異狀,查明原因並回報給採購單位。這樣的緊急處理狀況在生產線滿載時愈趨嚴重。採購也表明希望資訊室能夠協助提高日報準確度並能做到一日更新三次

這裡我們要解決的點:

  1. 各廠回傳的數據延遲或中斷
  2. 日報一日更新三次

數據整合的工具及方法有很多種,站在使用者角度,當然是要效能最快、成本最低的解決方法。但我們很清楚,心理上感到「快」和「便宜」是用比較出來的。這裡我先分享兩個Gartner Report提出的觀點: 「在2020,35% 的企業採取數據虛擬化技術(Data Virtualization)作為數據整合與運算。」(Gartner Survey, 2018) 「到2022 年,60% 的組織會採用數據虛擬化(Data Virtualization)作為主要的數據整合工具。」(Gartner Market Guide for Data Virtualization, 16 November 2018)

為什麼我會提Data Virtualization給這位朋友參考?因為它運用的技術是「不需搬移資料」,且數據在虛擬層上作分散式運算;這兩點可大幅地縮短過往處理資料每次的ETL(Extract, Transfer and Load)需要落地的時間。換句話說,也就降低了數據延遲及過程中斷的可能性且能實現採購期望的數據更新頻率,成就了「快」。此外,此技術所依賴的是記憶體的運算能力,而非傳統作法上需額外添購儲存空間加上記憶體,相對來說,成本也獲得節省,達到了「便宜」。

後續,和朋友再聚時聊到這件事,他們已和某台灣軟體商作導入,目前概念驗證(POC, Proof of Concept)已通過。此系統可整合各廠回報庫存數字作運算分析產生綜合報表,此段ETL流程時間節省了80%,採購人員也如願地於BI上定期取得最新報表以做物料採買計劃。硬體擴充成本上較先前節省約23%。