生产制造及质量分析解决方案

生产及质量BI应用场景方案 帆软大制造事业部 2024-6-17 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 不同角色应用诉求发展路径 管理者 应用者 数据知晓 数据完整 问题知晓 展现清晰 结论知晓 工具敏捷 初始阶段——数据汇总 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 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 发展阶段——数据探索 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 内容阐述 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 监控仪表盘（个人门户）：从常用分析指标出发，结合同比环比等常用报告模式，辅助数据应用人高效概览周期性经营数据 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 多样化性分析 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，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 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 多维度+多因子+多手段分析架构 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 质量模块 良率分析 A率分析 C率分析 质量级别分析 异常原因分析 质量波幅分析 生产要素有效追溯 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 分析方法合理构建 涉及因子 分析方法应用图表定位手段 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效率 多样图表对口应用 依据分析诉求及分析目的，匹对合理分析图表，辅助分析人员快速监测生产及质量情况及发现问题 人 环比分析 机 趋势分析 料 异常标识 法 环占比分析 排名分析分布分析波幅分析对比分析 条形图折线图饼图明细表 堆积图箱型图指标卡气泡图 数据钻取数据联动 异常校验标识数据显隐 多数据/维度关联匹对 数据维度 工厂产线 班组班别年月周日 多底表及维度关联，有效结合穿透、联动等分析方 底层支撑 应用支撑 个人门户 数据预警 定时调度 法宏观多维分析问题并定点改善 数据支撑 数据仓库 系统底表Excel表上传 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 白夜班产能对比计划达成率投入产出比单位耗材 员工有效工时工艺稳定性良率 废品率 异常现象分布 需计算班组产能，并通过班组长（管理责任人）维度进行分析并定责 需计算合计产能，并同计划数据对比，分析达成率 需依据领料数据及bom分析理论产出数量，并对比实际报工数据分析投产比 需基于领料数据及实际产量，分析耗材耗用量，并基于批次码对应品牌品类分析耗材使用寿命 需基于员工实际打卡工时及理论产出，对比分析员工有效工时利用率，并依据机台运转情况识别异常 需基于影响生产的多种因素评估加工工艺的稳定情况 需基于质量检测结果并对应生产报工、员工上工、机台运转数据等定位质量异常因子 需依据质量检测结果并对应生产报工、员工上工、机台运转数据等定位废品异常因子 需针对具体的质量问题，拉通所有参与生产因子进行现象频发点挖掘及可提升定位 产品bom 生产效率 需结合员工考勤数据或机台运转时长分析对应生产效率波动 03 计划达成分析白夜班分析投产比分析耗材分析工序效率分析 一级图表 跳转跳转跳转跳转跳转 各车间历史计划达成率分析历史白夜班产量及对应班长相应人机料法报废表 现 相应人机料损耗表现/波动相应人员效率排名/历史表现 计划达成分析 多级 钻跳转 取相应人机料法历史报废表现 跳 转 生产模块首页 使用场景 •时间默认为昨天并显示全体车间情况 •作为日常快速浏览内容，检测生产整体运转状态，引入常用同环比、达成率、趋势等常用日报检测手段 生产关键指标 产量单位损耗 效率投产比 计划达成率 页面价值 •取代传统复杂生产日报，直接通过高可视化看板复盘日度经营数据，并进行历史时间追溯分析 计划达成率分析场景 使用场景 •昨日或所筛选日度计划达成率过低需定位问题 •概览历史计划达成情况 分析方法点击 跳转 •点击进行页面跳转，监测对应日度及车间实际产量及计划产量，并自动通过颜色区别不同达成等级 分析结论 •以4车间为例 •11月1号及12月1号计划达成率过低，需重点关注 白夜班产量分析场景 使用场景 •昨日或所筛选日度白夜班产量情况 •对夜班存在班组长管理不到位的问题进行对比监控 分析方法点击 跳转 •点击进行页面跳转，监测区间时间内白夜班产量情况，并联动具体车间、班组及班组长 点击 分析结论联动 •以12车间的11月份数据为例 •26号、29号白班产量过低，对应为A班组 •28号夜班产量过低，对应班组为B班组 投产比分析场景 使用场景 •分析所筛选或所有车间日度投产比波动情况 •对出现过低投产比车间及对应日期进行定向分析，明确人机料法具体问题 分析方法 点击 •点击折线单个点位过低对应车间颜色块，跳转至对跳转 应二级页面 •在二级页面内监测三种废片情况分布及对应人机料法相应废片情况 •在三级页面内监测三种废片率及对应人机料历史数据波动情况 分析结论 •在首页内发现11月5号12车间投产比异常 •定位当日该车间生产过程中报废量过高 •对应生产主操《秦梦圆》废片率过高，且高报废机台及原料联动结果对应主操均为《秦梦园》 •该主操废片率波动极大，需进行重点监管 点击跳转 点击 图表多向组合联动跳转 耗材分析场景 使用场景 •分析所筛选或所有车间日度耗材波动情况 •对出现过高耗材车间及对应日期进行定向分析，明确人机料法具体问题 分析方法 点击 •点击折线过高点位，跳转至对应二级页面跳转 •在二级页面内监测对应工单及参与生产的人机料耗材情况 •通过箱型图监测波动对应因子历史波动情况点击 联动 分析结论 •在首页内发现11月6号12车间耗材过高 •跳转发现当日该车间工单1000111246耗材过高，并点击联动参与该工单相关因子 •检测到机台XA12QPW075及主操《璞晓飞》当日单位耗材最高，而前者单位耗材波动较大后者高耗材为常态 •需对主操及时进行定向管理，对机台进行进一步观测 工序效率分析场景 使用场景 •分析所筛选或所有车间日度耗材波动情况 •对出现过高耗材车间及对应日期进行定向分析，明确人机料法具体问题 分析方法 点击 •点击折线过高点位，跳转至对应二级页面跳转 •在二级页面内监测对应工单及参与生产的人机料耗材情况 •通过箱型图监测波动对应因子历史波动情况 分析结论 •在首页内发现11月26号13车间效率过低 •跳转发现当日效率最低为《吕新伟》及《司少兵》 •点击联动图表得知两位主操历史数据较为稳定且偏高，仅26号出现严重异常 •得出可能存在的问题为：操作机台异常或报工延迟，需进一步定向分析机台并询问当日异常问题 良率分布分析明细异常分析异常表现分析质量波动分析影响因子分析 一级图表 联动跳转跳转联动跳转 各级别异常构成分布 相应人机料异常表现各人机料异常表现 各人机料综合表现 人机料波动对比分析 计划达成分 析 多 级 钻联动跳转跳转跳转 取对应异常历史趋势 跳转 相应人机料法历史异常表现相应人机料历史异常表现 对应人机料波动分析 质量模块首页 使用场景 •时间默认为昨天并显示全体车间情况 •作为日常快速浏览内容，监测质量情况，引入常用同环比、达成率、趋势等常用日报检测手段 •对于占比过高（质量正常）内容可以快速隐藏， 对异常数据进行放大分析点击 隐藏 质量关键指标 A率AB率 C率废片率 异常占比 页面价值 •取代传统复杂质量日报，直接通过高可视化看板复盘日度经营数据，并进行历史时间追溯分析 良率分布分析 使用场景 •监测整体良率级别分布情况 •对于低级别良率进行联动分析，检测日度分布情况 分析方法 •将占比过高不需要定向分析的情况隐去（如A类） •在二级页面内监测三种废片情况分布及对应人机料法相应废片情况 •在三级页面内监测三种废片率及对应人机料历史数据波动情况 点击点击点击 跳转点击联动联动 联动 分析结论 •在首页内发现11月5号12车间B率过高 •联动图表发现该车间《B崩边》异常过高 •对应分析历史趋势，发现当月《B崩边》仅5号波动最大，需定向关注（进入明细异常分析） 明细异常分析 使用场景 •定向分析质量级别波动原因 •定位常态化高异常影响因子并及时改善 分析方法 点击 •针对质量异常过多级别明细情况进行点击跳转跳转 •在二级页面内监测对应工单该异常级别情况及对应 人机料法相应高数量因子 •在三级页面内针对高数量因子进行历史趋势分析，定位非频发且常态化高异常因子 点击 分析结论跳转 •基于上页分析结果对11月5号12车间《B崩边》情况进行跳转定向分析 •在二级组合联动图表定位至10000111522工单，人机料耗材分别为《韩中威》《XA12QPW073》 《B40公司》《C1品牌》 •对应分析历史趋势，发现《C1品牌》耗材针对《B崩边》情况持续高发，需对C1品牌进行替换 图表多向组合联动 异常现象分析 使用场景 •定向分析质量异常现象波动原因 •定位常态化高异常现象影响因子并及时改善 分析方法 •针对质量异常过多现象明细情况进行点击跳转点击 •在二级页面内监测对应工单该异常级别情况及对应跳转 人机料法相应高数量因子 •在三级页面内针对高数量因子进行历史趋势分析，定位非频发且常态化高异常因子 点击 分析结论跳转 •在首页发现11月14号10车间《高低阻》现象过多 •在二级组合联动图表定位至1000111989工单，人机料耗材分别为《刘德军》《XA10QPD062》 《B2公司》《C4品牌》 •对应分析历史趋势，定位为操作员《刘德军》偶发问题，需予以警告 图表多向组合联动 质量波动分析 使用场景 •定向分析质量异常现象波动浮动 点击跳转 •定义常态化质量异常及频发质量异常，分别制定有效纠偏手段 分析方法 •监测波动过大或常处于高位的质量异常现象 •通过跳转在二级页面内定位长期处于高点或波动较大的人、机、料、耗材 分析结论 •在首页发现11月区间内《污片》质量异常现象较高且波动幅度较大 •在二级页面内定位到《刘昌顺》《XA0QPD402》 《C10品牌》的《污片率》波动较大 •针对以上涉及的加工员、机台及耗材品牌需定向整改 •同时厚度异常较为稳定但持续居高，需从工艺角度进行持续优化 影响因子分析 使用场景 •定向分析质量异常对应人、机、料、耗材的表现 •定义影响因子相关异常表现，分别制定有效纠偏手 段点击 分析方法联动 •监测波动过大或常处于高位的质量异常现象 •点击联动至人、机