鋼鐵企業(yè)物聯網技術需求程度研究

劉洪偉，申玲彩

(天津大學，天津 300072)

鋼鐵產業(yè)是國民經濟的重要基礎產業(yè)，是衡量一國綜合國力和工業(yè)水平的重要指標。從建國初期到現在，中國鋼鐵產業(yè)由小到大，至2010年成為名副其實的鋼鐵大國［1］。近年來我國經濟增速放緩，鋼材需求量逐漸減少，客戶對鋼材的品種、規(guī)格需求越來越多樣化，呈現多品種、小批量的特點。同時，鋼鐵企業(yè)長期粗放式管理存在的問題凸顯出來:以預測為主的推式生產導致產能極度過剩、庫存量大，物料停滯形式和時間較多;生產穩(wěn)定性差，部分合同不能按時交貨;能源消耗多，環(huán)境污染嚴重。鋼鐵企業(yè)效益大幅下滑，甚至有些企業(yè)發(fā)生嚴重虧損［2］。為度過鋼鐵行業(yè)的寒冬時期，企業(yè)必須以最快的生產速度、最好的產品質量、最低的生產成本、最優(yōu)質的售后服務來滿足不同顧客的需求［3］。為此，企業(yè)必須具有準時、柔性的生產系統(tǒng)。

為實現準時、柔性的生產，安鋼［4］、邯鋼［5］等鋼鐵企業(yè)紛紛開始由傳統(tǒng)生產方式向精益生產轉變。精益生產關注現場流動性，通過對設備、人員等方面能力的強化，提升現場物的流動性水平。物的流動伴隨著信息流的產生，反之，信息流又可以影響物流，因而快速反饋的信息能夠用來控制和調節(jié)物流，這就使得決策層不僅能了解結果，而且也能了解過程，實現信息的可追溯性，從而做出準確、實時的判斷和決策［6］?；阡撹F行業(yè)普遍的長流程特性，其生產過程控制較復雜，因此準確、實時的生產信息的反饋對于生產管理十分重要。物聯網技術被看作是繼計算機、互聯網之后全球信息產業(yè)的第三次革命性浪潮，可以實現對物體的智能化識別、定位、跟蹤、監(jiān)控和管理。首鋼、寶鋼、武鋼等企業(yè)已經進行了物聯網技術應用的探索，效果顯著。現階段物聯網技術并未得到廣泛的使用，Irwin［7］，Gordon［8］等對影響物聯網技術采納的因素進行了分析，得出組織因素、外部環(huán)境、安全性等是影響物聯網技術被接受的主要因素。但現有研究多屬于定性分析，而從生產現場角度出發(fā)，定量分析企業(yè)對物聯網技術需求程度的文章未見報道。本文從生產現場流動性水平角度出發(fā)，基于熵權－TOPSIS法建立衡量鋼鐵企業(yè)對物聯網技術的需求程度的模型，為鋼鐵企業(yè)正確衡量自身能力，以決定是否應用物聯網技術的決策提供一定的參考。

1 問題分析

鋼鐵企業(yè)是典型的制造企業(yè)。自2000年以來，國內大部分鋼鐵冶金企業(yè)都實施了信息化系統(tǒng)選型及建設。然而，由于在信息采集、數據分析、流程優(yōu)化等方面仍然需要較多人工干預，導致信息系統(tǒng)和企業(yè)基礎物流信息采集脫節(jié)。為實現物流與信息流的同步，提升現場流動性水平，企業(yè)需要一種可以自動、及時、準確地獲取生產現場信息的技術。物聯網技術是通過射頻識別系統(tǒng)、紅外感應器、全球定位系統(tǒng)、激光掃描器等信息傳感設備，按約定的協議把物品與互聯網聯接起來進行信息交換，實現智能化識別、定位、跟蹤、監(jiān)控和管理的技術［9］。然而，由于企業(yè)的流動性水平不同，故物聯網技術應用效果存在差異，企業(yè)對物聯網技術的需求程度也不同。當生產流動性水平較低時，基礎管理能力的提升是企業(yè)發(fā)展的要務，新技術的應用效果并不顯著，因此，企業(yè)對物聯網技術的需求較小;隨著流動性水平的逐步提升，企業(yè)基礎管理能力相應增強，物聯網技術的應用對流動性水平的提高作用顯著，因此，企業(yè)對物聯網技術的需求逐漸增大，并在一定范圍內趨于平穩(wěn);當生產流動性達到一定水平后，技術的作用將會減弱，企業(yè)對物聯網技術的需求程度也會降低到某一水平。圖1為物聯網技術的需求程度與企業(yè)流動性水平關系的趨勢圖。

圖1 物聯網技術需求程度與流動性水平關系

物聯網技術需求程度與流動性水平之間的函數關系未見研究，參照圖1的圖形走勢，本文推薦以下函數:當a≤D＜d時，物聯網技術需求程度與流動性水平的關系曲線接近于S型。自20世紀60年代以來，S曲線增長模型出現了多種形式，其中典型形式有3種:Gompertz模型、Logistic模型與Bass模型［10］。Bass模型和Logistic模型中曲線關于拐點對稱，而Gompertz模型中的曲線關于拐點不對稱。Bass模型的參數都有實際的經濟學意義，而Gompertz模型和Logistic模型的參數不具備明確的經濟學意義［11］。本文采用 Gompertz模型描述［a，d］區(qū)間上物聯網技術需求程度與流動性水平的函數關系。當D＞d時，選取對數拋物線(log y=a+bt+ct2)描述需求程度與流動性水平之間的函數關系，則物聯網技術需求程度與流動性水平之間的函數關系如下:

2 物聯網技術需求程度模型

2.1 流動性水平評價

2.1.1 流動性指標的選取

20世紀70年代，美國麻省理工學院在一項名為“國際汽車計劃”的研究項目中通過大量的調查和對比研究后，認為日本豐田汽車公司的生產方式是最適于現代制造企業(yè)的一種生產組織管理方式，并將其稱為“精益生產”。精，即少而精，不投入多余的生產要素，在適當的時間生產必要數量的客戶需要的產品(或下道工序需要的產品);益，即所有經營活動都要有益有效，具有經濟性。作為精益生產方式核心理念和主要實現方法的是“一個流”生產，即在一個作業(yè)周期內各工序只有一個工件在流動，使物料從毛坯到成品的加工過程始終處于不停滯、不堆積、不超越的流動狀態(tài)，是一種工序間在制品數量趨向于0的生產組織方式，也是每一個制造企業(yè)追求的理想的生產狀態(tài)?！耙粋€流”生產模式如圖2所示。

圖2 “一個流”生產模式

鋼鐵企業(yè)全生產過程通常包含煉鐵、煉鋼、軋鋼3部分。每一部分又包含許多工序環(huán)節(jié)，流程長，環(huán)境差。由于長期粗放式的管理，現場流動性受到了極大的影響，物品停滯現象嚴重，占用了大量的資金。為保證生產的流動性，各工序需嚴格按照一定的節(jié)拍生產，各道工序的生產節(jié)拍不一致會造成產品積壓和停滯。同時，為保證各工序按既定的節(jié)拍生產，每道工序都應遵循標準工時，工序在制品的數量應為下道工序需要的數量［12］。因此，選取工序節(jié)拍一致性、工序作業(yè)時間穩(wěn)定性和工序間在制品庫存周期作為衡量工序流動性的重要指標。定義如下:

1)工序節(jié)拍一致性xi1

工序節(jié)拍是指生產線上某道工序相鄰兩件同樣制品投入或出產的間隔時間。生產的順暢進行需各工序節(jié)拍一致。設某生產線有n個工序，節(jié)拍為Tg，工序wi的實際節(jié)拍為，則工序節(jié)拍一致性為

2)工序作業(yè)時間穩(wěn)定性xi2

設工序wi的標準工時為，實際加工時間為，工序作業(yè)時間的穩(wěn)定性為

3)工序間在制品庫存周期xi3

工序間在制品存貨周期是指上物料從上道工序加工完成到下道工序使用的平均時間。設工序wi與wi+1之間在制品數量為qi，第j個物料存儲時間為，則工序間在制品周期為

綜上所述，具有n個工序的生產過程流動性狀態(tài)矩陣為

2.1.2 方法選擇

在管理領域進行綜合評價的方法很多。在數以百計的多目標評價方法中，常用的有層次分析法、模糊評價法、逼近理想解的排序方法(TOPSIS)、ELECTRE法和專門用于效益評價的數據包絡分析法(DEA)等［13］。層次分析法以系統(tǒng)分層分析為手段，對評價對象總的目標進行連續(xù)性分解，通過兩兩比較確定各層子目標權重，并根據最下層目標的組合權重定權，加權求出綜合指數，依據綜合指數的大小來評定目標實現情況，適用于總目標不確定且分解的各目標層次適中時［14］。模糊評價法運用模糊關系合成原理將模糊概念定量化，以此對評判對象的優(yōu)劣等級進行綜合評價，常用于不能準確度量的事物的評價［15－17］。TOPSIS(technique for order preference by similarity to ideal solution)是一種解決多屬性決策問題的常用方法，其原理是通過計算備選方案與理想解和負理想解的相對距離來進行排序優(yōu)選。理想解是方案集中虛擬的最佳方案，負理想解是虛擬的最差方案。將各個備選方案與理想解和負理想解的距離進行比較，既靠近理想解又遠離負理想解的方案就是整個方案集中的最佳方案［18－19］。為避免主觀判斷確定指標權重方法的不足，本文采用熵權－TOPSIS法進行鋼鐵企業(yè)物聯網技術需求程度的評價。

熵權－TOPSIS法的主要步驟為［20］:

1)構建評價矩陣。由式(5)可知，有n道工序的生產現場流動性狀態(tài)矩陣為

2)矩陣的標準化。由于各個評價指標的量綱不同，為了便于比較，需要用以下公式對其進行歸一化處理:

3)利用熵值法確定指標權重。在信息論中，信息熵是系統(tǒng)無序程度的度量，信息熵定義為

式中n為評價對象的個數。

一般說來，綜合評價中某項指標的指標值變異程度越大，信息熵越小。該指標提供的信息量越大，該指標的權重就越大;反之，該指標的權重越小。

第j項指標的熵為

指標的差異度為

熵權為

4)構造規(guī)范化的加權評價矩陣Z。其元素為

5)確定理想解和負理想解。正理想解U+=[，，]，代表工序節(jié)拍一致性的最優(yōu)解。由式(1)可知=1，代表工序作業(yè)時間穩(wěn)定性的最優(yōu)解。由式(2)可知=1代表工序間在制品周期的最優(yōu)解。工序間在制品周期的最優(yōu)解應為0或為工藝要求的周期，參照具體產品類型確定。由于負理想解可以無限小，結合企業(yè)現有水平，取各工序的最低水平組成負理想解，則負理想解為

6)計算每個工序指標實際值與理想解U+和負理想解U－的歐式距離:

7)計算各工序TOPSIS評價值。各工序TOPSIS評價值如下:

則各工序的流動性評價結果為

8)依據約束理論，現場的流動性水平為

2.2 物聯網技術需求程度計算

由式(2)～(9)計算得到有n道工序的現場流動性水平為D，由假設式(1)可知:

當a≤D＜d時，物聯網技術需求程度為

當d≤D＜1時，物聯網技術的需求程度為

3 算例分析

為獲取評價所需的信息，需在現場進行寫實調查。物與信息流動圖是精益生產實施的主要工具，它可以詳細描述生產過程中的配供料時間、生產工序轉換時間、停工等待時間、在制品庫存、原材料移動和信息流等。

B鋼鐵是國內大型鋼鐵企業(yè)之一，通過對煉鋼廠進行寫實，整理得到物與信息流動圖(見圖3)。為避免一次寫實的偶然性，本文數據為多次寫實后的平均值。煉鐵廠的鐵水經鐵路運輸至煉鋼廠，經脫硫扒渣、轉爐煉鋼、精煉、澆鑄等工序后形成鑄坯最終運往軋鋼廠。為保證鑄坯質量，煉鋼廠澆鑄時拉速恒定，故節(jié)拍由澆注的需求決定。寫實中連鑄機每44 min完成1包鋼水的澆鑄，因此節(jié)拍時間Tg=44分。

圖3 B煉鋼廠物與信息流動圖

根據式(2)可得脫硫扒渣、轉爐煉鋼、精煉各工序的節(jié)拍一致性為:

根據式(3)可知脫硫扒渣、轉爐煉鋼、精煉和澆鑄各工序的作業(yè)時間穩(wěn)定性為:

根據寫實可知脫硫扒渣、轉爐煉鋼、精煉和澆鑄各工序間的在制品存貨周期為:

評價矩陣如下:

根據步驟2)得歸一化后的評價矩陣為

根據步驟3)計算得到各指標的熵值、差異度、熵權值，見表1。

表1 各指標熵值、差異度、熵權值

根據步驟4)，構造規(guī)范化的加權評價矩陣Z。

根據步驟 5)可得:理想解U+=[0.46，0.46，0];負理想解U－=[0，0，0.042]。

根據步驟6)計算得各工序與理想解的歐式距離為:

各工序與負理想解間的歐式距離為:

根據式(14)，計算得到各工序的 TOPSIS值為:

根據約束理論，該煉鋼廠現場流動性水平D=0.65。

假設物聯網技術需求程度I與流動性水平之間的函數關系為

則該煉鋼廠物聯技術需求程度I=0.9467。

4 結論與展望

鋼鐵行業(yè)是我國的基礎產業(yè)之一，但由于信息系統(tǒng)與生產物流信息采集脫節(jié)，信息系統(tǒng)的作用并未得到充分展示，因此許多鋼鐵企業(yè)的生產能力并未得到明顯的改善。物聯網技術的到來為鋼鐵企業(yè)發(fā)展提供了新的可能。但物聯網技術在我國處于起步階段，還沒有廣泛應用于各行各業(yè)。眾多學者已經就影響物聯網技術應用的因素進行探索，但并未從生產現場出發(fā)，將企業(yè)對物聯網技術的需求程度給予定量評價。本文首先通過現場流動性與物聯網技術需求程度關聯性分析，提出了基于流動性水平計算物聯網技術需求程度的方法，然后從精益視角出發(fā)，選取工序節(jié)拍一致性、工序作業(yè)時間穩(wěn)定性和工序間在制品庫存周期衡量現場流動性水平，應用熵權－TOPSIS法進行定量分析，得出了物聯網技術的需求程度，為物聯網技術采用相關研究提供了新的方向。本文基于實踐經驗分析得出流動性水平和物聯網技術需求程度關系的假設，但在后續(xù)研究中還需進一步研究。

［1］姜藝萍.中國鋼鐵行業(yè):真正的大變革正在來臨［J］.中國機電工業(yè)，2014(2):84－85.

［2］劉璐.中國鋼鐵行業(yè)現狀、分析及對策研究［J］.經營管理者，2014(7):241.

［3］劉旭澤.精益生產在 K公司的應用［D］.天津大學，2012.

［4］張懷賓，董尉民.鞍鋼生產物流精益化運行實踐［J］.河南冶金，2011，19(1):53－56.

［5］謝悅悅，張敏，鄭磊.精益生產管理提升鋼鐵企業(yè)競爭力［J］.標準科學，2012(5):82－85.

［6］李健，李泉年.基于物流、信息流的企業(yè)資金流控制［J］.商業(yè)研究，2003(268):123－124.

［7］Brown I，Russell J.Radio frequency identification technology:An exploratory studyonadoption in the South African retail sector［J］.International Journal ofInformation Management，2007，27(4):250－265.

［8］Muller-Seitz G，Dautzenberg K，Creusen U，et al.Customeracceptanceof RFID technology:Evidence from the German electronic retail sector［J］.Journal of Retailingand Consumer Services，2009，16(1):31－39.

［9］劉云浩.物聯網導論［M］.北京:北京:科學出版社，2010.

［10］胡樹華，鄧恒進.產品銷量模型在商品擴散預測中的應用［J］.商業(yè)研究，2009(388):1－3.

［11］楊凈輝.Bass模型及其兩種擴展型的應用研究［D］.大連:大連理工大學，2006.

［12］山其賢.精益生產之重要理念“一個流”及其應用［J］.管理創(chuàng)新，2012(4):21－24.

［13］邵文明.綠色供應鏈管理的績效評價研究［D］.同濟大學，2008.

［14］潘洪平，陳素文，邢彪.基于AHP和冪指數法的裝甲裝備功能狀態(tài)評估［J］.四川兵工學報，2013(8):69－72.

［15］賈品，李曉斌，王金秀.幾種典型綜合評價方法的比較［J］.中國醫(yī)院統(tǒng)計，2008，15(4):351－353.

［16］張芳，化存才，何偉全，等.采用網絡輿情指數評價體系分級預警的多層模糊綜合評判模型［J］.重慶理工大學學報:自然科學版，2013(12):123－128.

［17］秦健，覃彬全，陳闖，等.基于模糊綜合評價法的雷電災害易損性區(qū)劃研究［J］.西南大學學報:自然科學版，2014(7):176－182.

［18］邵維懿，趙翠薇.改進AHP和TOPSIS法在滑坡災害易發(fā)性評價中的應用——以貴州畢節(jié)地區(qū)為例［J］.重慶師范大學學報:自然科學版，2013(3):40－46.

［19］朱珠，張琳，葉曉雯，等.基于TOPSIS方法的土地利用綜合效益評價［J］.經濟地，2012，32(10):139－144.

［20］李芊，李倩琳.基于熵權－TOPSIS方法的房地產投資決策評價模型實證研究［J］.企業(yè)經濟，2011(3):120－122.