BI系统在智能制造中的应用
中国作为传统制造业大国，在全球产业链分工中扮演了重要的角色。为了进一步巩固中国制造的优势，实现制造产业的创新升级，国务院发布《中国制造 2025》战略文件，旨在实现中国向制造强国的转型。其中，发展智能制造是中国从传统制造向中高端制造转型的核心战略目标。
智能制造的核心是数字化、网络化和智能化，需要充分利用数据，全面洞悉生产过程，保证订单按时生产，发现生产过程中的问题并及时解决，优化生产效率。
在智能制造时代，制造企业需要建设数据分析平台，通过数据分析实现对生产制造全流程的监控，优化运营效率、降低生产成本，提升制造企业的竞争力。
具体而言，制造行业面临以下挑战:
1、数据基础设施情况薄弱:制造企业仍然存在以手工记录数据的情况，数据基础较薄弱，缺乏数据管理机制，数据质量参差不齐，存在数据不统一、缺失，甚至存在数据上报不准确、瞒报等问题，难以为数据分析应用提供支撑。
2、数据孤岛严重: 制造企业有 MES、MRP、ERP 等众多系统，但系统间未打通整合，数据无法实现整合联通，导致产销存等各环节无法协同工作，大量数据储存在业务系统中，未释放数据的价值。
3、数据分析形式固化:目前制造企业的数据分析采用传统的固定报表形式，形式单一，分析维度少，对分析需求的响应周期长，无法满足不同层级用户对于数据分析的需求。
因此，制造行业需要构建 Bl 数据分析平台，对各业务系统数据进行整合，消除数据孤岛，释放数据价值，并提供多样的图表展示模板，提供数据填报功能，实现数据驱动的精细化管理。
产品生产制造不同环节，制造行业对于 BI 的需求有所差异:
1、在产品设计阶段，通过对用户数据、竞品数据、舆论数据进行分析，洞察用户需求、产品使用反馈等，为用户量身定制符合其需求的产品，满足小规模定制化生产需求。
2、在生产制造阶段，需要对生产过程数据进行监控，包括产品质量、产品成本、生产时间、产能利用等指标，对生产异常及时预警，保证生产成本、质量、交期在可控范围。
3、在物流配送阶段，通过数据分析实时监控物流配送、库存情况，优化物流配送效率。
4、在运营维护阶段，通过采集传感器数据，及时发现设备故障等问题，实现高效的产品运营维护。
5、在维修阶段，结合设备数据分析设备故障原因，制定合理的维修计划，延长设备使用周期。
实践中，格力物流管理部为整合各分厂间的物料配送管理、取代原有手工记录数据方式，需要对物料准备过程进行监控，优化物料准备、检查的全流程效率。于是格力选择建设 BI 数据分析平台，对物料配送全过程进行监控管理。通过采集物料配送过程中的库存数据、拣选备料数据、配送执行数据、分厂接收数据、点检数据等，实现从订单下达.物料点检，到上线生产的全过程信息化管理。
具体的应用场景如下：
首先，对于物料配送的物流分析上，实现对业务运转情况、库存仓位物料比例及存量的实时监控，在出现问题后及时预警、快速补货。
第二，对于运营效率的监控上，实现对订单数量完成比例、拣选进度、订单齐套数量及比例的监控，并对生产车间里各生产机组的生产效率、下线比例进行实时监控，及时发现并解决生产运营问题。
第三，对于生产线的监控上，如对于物料齐套检查，可以实时展现检查结果，并根据需求调整检查指标体系。
第四，在质量控制上，实现对生产过程和质量管理的分析预测，降低生产线残次率。
通过上线BI数据分析平台，格力物流管理部实现了：
1、节省开销，优化流程管控效率。BI 平台提供数据填报功能，减少物料准备、检查过程中的纸质单据，节省开支，提升管控效率。
2、物料生产配送的系统运行效率提升。对物料准备、生产、配送的全过程进行监控，及时发现生产配送过程中的异常，降低生产异常核查处理时间。
