制造业bi生产及质量方案.docxVIP

生产及质量BI应用场景方案

1

1相关数据应用背景

2生产及质量模块数据分析思路

3生产及质量模块数据分析样例

4特色功能演示

5数据应用模式转变价值

01

初始阶段——数据汇总不同角色应用诉求发展路径

初始阶段——数据汇总

不同角色应用诉求发展路径

应用者管理者基于手动台账及系统底表汇总结果数据，用于高层一级指标监管诉求

应用者

管理者

数据完整数据知晓

数据完整

数据知晓

起步阶段

起步阶段——数据可视

基于数据进一步自动化加工，完成高时效数据可视及图表化数据展示

ll

l

l

展现清晰问题知晓

展现清晰

问题知晓

结论知晓工具敏捷发展阶段——数据探索

结论知晓

工具敏捷

关联多模块数据，基于海量图表及分析手段，定义异常因子及宏观规律

02

分析+管理同步迭代

从1-N-1的数据分析循环模式，提炼最契合业务的分析路径并固化最高效的业务监控逻辑

业务经验固化沉淀

?依据线下分析经验及周月报格式线上自动化?汇总关联数据底表生成数据指标

?

异常问题实时定位

?固化分析路径，设置预警/校验条件，实时暴露异常定位影响因子

问题因子分析溯源

?基于业务关联因子匹对异常分析路径

?基于历史相关数据定义异常属性（偶发、常态）

管理指标（维度）有效定义

?基于核心管理指标构建分析图表

?区别管理场景模块化分析内容构建分析驾驶舱

常态化监管数据自动化监管多样化性分析

常态化监管

数据自动化监管

数据追溯及关联分析

内容阐述基于历史业务分析链路及异常影响因子关联匹对，

内容阐述

基于历史业务分析链路及异常影响因子关联匹对，快速定位异常原因及相关因子历史表现，完成多维分析模式的快速搭建及逻辑关联

基于历史日月报汇总模式及维度指标构建完整周期性数据报告内容，完成数据自主加工及综合展示

数据联动：基于宏观数据异常匹对细分粒度数据表现，完成数据由粗至细的问题挖掘数据钻取：依据数据及业务逻辑关联匹对相关责任因子，完成异常问题的有效追溯

数据联动：基于宏观数据异常匹对细分粒度数据表现，完成数据由粗至细的问题挖掘

数据钻取：依据数据及业务逻辑关联匹对相关责任因子，完成异常问题的有效追溯

关联因子反追溯：依据已定位异常关联因子追溯其历史表现及相关波动幅度，完成根因定位及业务改善点定义

数据预警应用：结合管理标准，校验实际经营结果，快速触发异常推送及完成线上异常管理闭环

定时调度应用：结合常态化汇报内容及结构，定时生成分析报告并完成多平台自动化推送

多维度+多因子+多手段分析架构

生产模块产量分析

生产模块产量分析效率分析报废分析耗材分析投产分析白夜班分析

质量波幅分析异常原因分析A率分析C率分析质量级别分析质量模块良率分析l依据实际系统数据匹对人、机、料、法、环相关数据，完成数据的有效追溯及汇总机制

质量波幅分析

异常原因分析

A率分析

C率分析

质量级别分析

质量模块

良率分析

定位手段涉及因子人分析方法应用图表分析方法合理构建

定位手段

涉及因子

人

分析方法

应用图表

数据钻取排名分析条形图

数据钻取

排名分析

条形图

堆积图箱型图环比分析趋势分析机数据联动分布分析折线图料法l基于多类型分析模式，完成数据趋势、分布、波幅等多种异常定位手段及风险识别，同时采用排名、异常标识等显性化问题定位手段辅助提升数据分析

堆积图

箱型图

环比分析

趋势分析

机

数据联动

分布分析

折线图

料

法

饼图异常校验标识波幅分析指标卡气泡图异常标识占比分析

饼图

异常校验标识

波幅分析

指标卡

气泡图

异常标识

占比分析

数据显隐对比分析环明细表

数据显隐

对比分析

环

明细表

数据维度年月周日班组产线班别工厂

数据维度

年月周日

班组

产线

班别

工厂

多数据/维度关联匹对

定时调度个人门户数据预警

定时调度

个人门户

数据预警

应用支撑底层支撑数据支撑Excel表上传系统底表数据仓库

应用支撑

底层支撑

数据支撑

Excel表上传

系统底表

数据仓库

白夜班产能对比员工上工数据生产报工数据

白夜班产能对比

员工上工数据

生产报工数据

质量检测数据

日度计划数据

物料品牌对照表

耗材品牌对照表

员工考勤数据

领料数据

机台运转数据

环境数据

产品bom

l需计算班组产能，并通过班组长（管理责任人）维度进行分析并定