news

详解：流程制造业与BI是如何巧妙的连接的？

流程型制造是指被加工对象不间断地通过生产设备，通过一系列的加工装置使原材料进行化学或物理变化，最终得到产品。由于流程制造中物料的变动性强，工艺流程的制约变量多，造成了其在生产、物流管理上与离散行业的显著差异。由于流程型制造业的变动性大，就需要辅助的工业软件进行规整，今天就为大家阐述流程制造业与BI有的巧妙连接！

      流程制造业的生产活动是指被加工对象不间断地通过生产设备，通过一系列的加工装置使原材料进行化学或物理变化，最终得到产品，持续性稳定生产是流程制造业（如：医药、食品、化工等）关注的核心。商业智能（BI）指用现代数据仓库技术、线上分析处理技术、数据挖掘和数据展现技术进行数据分析以实现商业价值。在业务侧，流程制造业在自动化、信息化上已经得到了不错的发展，大量新技术、新工具已经在制造业不断应用，如：CAD、SCADA、PLC、MES、ERP等，在技术侧，围绕商业智能标准化的生态技术也日益成熟，如：数据存储与处理、数据计算与分析、数据预测与可视化。尽管流程制造业与BI在各自领域都有显著的进步，但是迄今为止围绕这两个领域的融合帮助企业在研发、生产与运营三个环节从数据层面打通并提供可互动、协作式的服务并不明显。这可能是因为流程制造业更加关注研发与生产环节（如：LIMS、MES），而BI则侧重在围绕数据获得有效的分析与决策能力，将这两个领域的技术进行融合正是流程制造业商业智能分析平台的核心工作，这将使得企业围绕数据这一关键生产要素开展生产活动，企业各个部门的成员从被动执行者转为主动参与者，企业每一个人都可以通过BI能力提升技能并沉淀知识。为了实现这一目标，需要解决：

•跨研发、生产及运营数据及治理问题

•围绕数据跨部门、跨组织协作的问题

•缺乏探索式可视化分析与解决问题的能力

      下面介绍国工BI如何通过自主研发的自动AI核心技术、复杂数据混合计算引擎技术、以及声明性视觉分析语言技术并结合在流程式制造业（特别是精细化工领域）沉淀专业知识与服务模式解决这些问题，这三项技术描述了如何跨部门和跨系统实现面向特定业务场景的可视化分析与辅助决策，这是一种面向研发、生产和运营的全新的商业智能服务方式，基于以上三个核心能力实现的软件产品适用于跨行业、不限领域的各项数据分析与决策业务，小到个体用户几个文件的整合和图表的制作，大到制造执行系统与企业资源系统的融合与分析，甚至跨部门间数据协同和业务协作。

流程制造业对BI的需求

      尽管流程制造业在自动化向数字化、智能化转型过程中使用的系统或技术不断更新迭代，但其与BI在数据存储、处理、分析、可视化及预测上的融合并不明显，围绕生产过程使用的各个系统（如：PLC、SCADA、MES等）和标准化的数据应用产品（如：数据库、ETL等）在面向流程制造业的使用过程中存在以下问题：

•跨研发、生产及运营数据及治理问题：大部分流程制造业企业都声称通过SCADA采集将采集到的数据存储在时序数据库中便于查询，MES系统沉淀的反向控制知识并未与智能排产APS系统或企业资源管理系统ERP打通，实验室辅助研发系统LIMS更是作为一个孤立的数据库而存在。依据单一技术体系或系统辅助单一环节决策并不能为企业整体生产效益带来显著提升，管理层决策通常要依托研发、生产及运营环境的全局数据分析给出辅助决策的依据，全局数据的治理程度直接影响着价值的输出导向，数据治理工作通常涉及到设备端的数据采集、信息录入、数据的规范化处理及数据的化存储，除了通过专业的技术服务定制完成数据治理工作外（如：数仓），一个可以实时动态的基于内存快速实现数据准备的技术是一个不错的替代方案。

•围绕数据跨部门、跨组织协作的问题：实现企业内跨部门参与数据驱动决策是困难的。大部分控制或应用系统（包括：MES、ERP）及数据应用产品（如：数据库、报表、可视化工具）都难以满足不同角色从全局视角查看数据，将数据辅助决策的工作交给IT部门很难得到一个令人满意的答案，跨部门之间因为数据壁垒产生的沟通问题也严重影响决策的效率。这就需要一个可以提升操作人员或非IT人员在发现问题并尝试辅助解答问题的系统。

•缺乏探索式可视化分析与解决问题的能力：大部分可视化工具或系统都声称可以帮助企业快速发现生产和运营问题，如：次品问题、漏检问题等，然而，靠内置可视化模版的方式仅仅是提高了视觉上的美感，这些可视化的模版虽然可以给出一些固定的指标，但是没有办法从更多维度、更广阔的角度来审视问题，大量表格式报表无法直观呈现结果和互动式的分析。这就需要一个具备交互式低代码开发能力的分析产品，通过该产品可以逐层深入找到问题的根源。

      面向流程式制造的BI不仅可以满足生产不同环节的对数据可视化的需求，还可以面向组织中不同角色的用户提供全局视角的数据分析及辅助决策，该BI平台提供多源数据融合及自动化处理的功能，通过持久化和缓存技术将研发、生产和运营数据进行混合存储并计算，数据的呈现总是以最佳的可视化方式表达，流程式制造BI可以让用户：

      始终围绕数据做出决策，数据成为企业运营的重要生产资料，在BI中可以获取到任意场景下的授权的数据服务，这对运营很重要，因为商业智能的过程是复杂的，需要专注于商业智能服务的过程。流程式制造BI屏蔽了复杂的数据查询（如：SQL）过程和编程要求，以无代码形式输出可视化结果。

      获得洞察问题的能力，这一点很重要，因为可视化是问题发现与解决的关键，从订单下达到排产计划、从工艺研发到生产工艺、从参数管理到人员监控、从异常分析到投料对比等等，可视化分析始终贯穿研发、生产到运营这一整套企业生产活动。

      流程式制造BI不仅提升了组织中单个个体的技能，同时让整个公司建立了一种数据文化，数据在组织之间成为一种生产要素在流通，持续为企业贡献价值。这样的系统需要强大的技术架构来支撑，为了实现这一技术架构，必须做到：

      打通各系统数据（存储、提取、处理、分析和呈现）上下游技术，将各项技术进行融合。数据引擎必须具备解析无限量表达式的能力，数据呈现效果需要具有丰富可视化能力。

应用场景一：可视化能力的价值

     首先，我们看看与表格相比，可视化的展示形式是如何发现问题。大多数分析工具是通过表格来查看和分析数据。下图是一个典型在流程制造业中的设备保养任务统计报表，该表以明细的方式记录了不同组织在不同时间设备保养情况，我们尝试来回答一下这个问题看一下表格在回答问题上的不足。“在所有保养部位中哪个部位超时次数最多？”很显然，通过表格你可以找到答案，但是可能需要花点时间，而且很容易出错，当然，你可能使用一些内置的高级公式，但是这也并不能明显缩短解答问题的时间。通过可视化的方式，显然一眼就能找到答案：冲杆超时次数最多（右上图）。这种可视化的方式更加容易找到答案，因为它呈现的方式直观。

     这还并不能体现出来可视化的最大价值，再回答一个问题：“保养部位中超时的多少是否与检查人确认有关？”针对这个问题通过表格给出答案已经非常具有挑战了，通常需要经过编程或SQL来辅助完成计算的工作，但是类似这样的问题会有很多，如：不同部门在不同车间中设备保养状态与生产产量之间的对比情况如何？

     这并不意味着可视化呈现一定优于表格，某些方面表格要更能快速的给出答案，比如：不同组织累计保养次数是多少？这样的问题，尽管条形图可以通过增加标签的方式给出答案，但是远不如表格更加直接。

      这个例子的目的是告诉您，可视化呈现在某些方面确实优于表格，特别是在某些特定问题的分析上，视觉上的冲击力更强，更容易找到答案。

应用场景二：高效的制表过程

      通过自我服务完成数据的准备，问题的分析及报表的制作是一站式服务的重要体现。图3描述了一个典型的商业智能分解过程。

     数据分析工作最初总是从准备数据开始，连接到任意的数据源（如：文件、数据库等）是第一步，分析是动态的，分析的过程不能靠内置规则模型来完成，需要伴随思考过程自然的完成分析。每一步操作都应产生一个新的可视化呈现，这样的呈现是基于增量的分析，分析的结果会在制作报表时被引用。

常见的制作报表方式是通过内置规则模型来完成，这种方式针对的问题场景单一，同时也限制了发现未知问题的思维过程。将报表拆分成一个个的独立的分析，将明显提升制作报表的效率，每个分析都可以独立的准备数据并呈现可视化的结果。

      仪表板是一个不错的将多个单一的分析组织到一起的形式，布局是仪表板的核心，通过拖拽的方式快速完成定位及大小缩放。仪表板中的每个分析都没有预先内置或者存储。从仪表板中点击某一个分析可以跳转到分析的界面，而分析完成也会即时更新到仪表板，这是因为仪表板与分析之间只是建立了一个引用。

      分析的过程中可以随时查看数据视图，也可以圈定某一可视化区域提取数据集到文件中，甚至还可以针对某一数据集进行过滤、计算与分析。

应用场景三：多场景的分析能力

      以数据可视化的方式将计划准备、领料开工、在制报工、完工入库等环节呈现，可视化跟踪并及时监控异常。将生产现场的车间、工序、生产线的所有生产情况、良品情况、设备负荷情况数字化，将产品质量、生产时间、产能利用等以指标形式直观呈现，对生产异常及时预警，保证生产成本、质量、交期在可控范围。

      物料的管理会直接影响经营成本和生产产能，对生产计划、物料需求计划、采购执行计划的可视化跟踪分析，确保物料的及时供应和有效利用。提供从生产成本料工费构成、标准作业成本的实际对比、生产成本异常波动、原材料供应商报价管理、原材料采购价格异常、订单成本分析。将原材料、半成品、成品各个环节的质量数据进行分析，找出关键质量原因，提供品控水平。