制造企业BI怎么选：统一指标治理、经营分析与可视化决策

制造企业选 BI，功能清单往往看不出差别，真正的分水岭在数据版图和口径。ERP 管订单与成本，MES 管工单与工序，WMS 管库存与出入库，PLM 管图纸与 BOM，再加上设备、质量、能源几套系统，同一批产品在不同系统里的数量天然对不上。产量、良率、OEE、交付准时率、库存周转这几个词，每个厂都有自己的算法。所以制造 BI 的选型顺序是先理清指标与数据来源，再谈平台与看板，反过来做，通常会在第一次经营分析会上就被口径问题拖住。这一篇只讲制造场景特有的产线、良率与多工厂口径，通用的经营分析方法不在这里展开。

制造的数据版图，决定了选型从哪一步开始

先看数据从哪来。订单与成本在 ERP，工序与报工在 MES，出入库与批次在 WMS，图纸与 BOM 在 PLM，设备状态与节拍在采集层，检验记录在质量系统，能耗在能源管理系统。这些系统的更新节奏差得很远：设备数据是秒级，工单与报工是分钟级，成本与财务数据是日结或月结。把三类数据放进同一张实时看板，结果一定是刷新卡顿或者数字互相打架。

数据分散带来两个直接后果。一是同一批产品在不同系统里的数量不一致，常见原因是入库未报工、退料未冲销、返修未回写，看着像数据质量问题，本质是流程没有闭环。二是指标算法各写各的：产量有入库产量、报工产量、检验合格产量三种；良率有工序良率、综合良率、直通率；OEE 的时间基准与停机定义各家不同；交付准时率按承诺日算还是按客户要求日算，结论能差出一大截；库存周转含不含在制、含不含委外，也会让两个月的趋势完全相反。

实时数据是制造 BI 绕不开的一道坎，也是最容易被低估的一块。设备侧常见 OPC UA、Modbus 这类协议，中间要经过网关与边缘侧预处理，再落到时序库，才谈得上在 BI 里做趋势和报警。这一步涉及网络改造、采集点位梳理、点位命名规范，工作量常常超过 BI 本身。另外，物料、工厂、工序、班次这几类主数据的编码如果各厂自定，后面做多工厂对照时会反复返工，BOM 与工艺路线的版本变更也要留痕，否则历史对比会算出不存在的差异。

判断口径有没有统一，有个很土但很准的办法：拿上个月的产量报表，分别找生产、质量、财务要一次数，三份对不上，说明口径还没定，这时候上任何平台都只是把混乱搬到大屏上。

指标治理在制造里怎么落

制造企业的指标治理，重点不是建多少指标，而是把责任和变更管住。每个指标要有明确的定义、计算式、数据来源和责任人：产量归生产，良率归质量，交付归计划，库存归供应链，成本归财务。责任人不是挂名，口径变更要他签字。

多工厂是第二个难点。同集团不同工厂的设备型号、工艺路线、班次制度都不一样，硬把两个厂的良率放在一张图上比，比的其实是设备差异。可行的做法是先定义可比集：同工艺、同产品族、同代设备之间才做横向对照，跨工艺只做趋势不做绝对值。

第三个难点是指标的引用关系。一个指标被多少张报表和看板引用，改了会影响谁，这件事在制造企业里经常没人说得清。指标模型要先建起来，报表和看板引用模型而不是各自写 SQL，改口径时才能一次改完。思迈特SmartBI在这条线上的思路是先映射统一指标模型再计算，而不是让自然语言直接生成 SQL，制造场景里指标一旦被问数引用，这个差别会很快暴露出来。

优先做哪些场景，用两个维度排序就够了：数据可得性、责任明确度。生产日报与异常、质量与良率、交付与库存这三类通常排在最前，成本与能耗往后放，因为成本要等月结、能耗要看计量改造进度。在申菱环境的公开案例中，思迈特配合的是生产经营管理平台这条线，订单产品研发周期缩短 42%、生产效率提升 28%，这两个数只对该客户的项目成立，但它说明了一件事：制造 BI 的价值主要出在跨系统的流程衔接上，不是出在图表好不好看。指标数量也要克制，第一年控制在二十来个核心指标，每个都有人签字、有变更记录，比铺两百个没人维护的指标有用得多。

三类界面，三种精度要求

车间看板、管理驾驶舱、移动巡检，是制造企业最常见的三个落点，要求完全不同。车间看板要实时、要耐用、交互要少，工人戴着手套不会去点三层下钻，一块屏上放三到五个数就够，刷新频率和网络中断后的续传能力比图表样式重要。管理驾驶舱要少而准，按日或按周更新，重点是指标之间的勾稽关系能对上，分层权限要清楚，谁看集团、谁看工厂、谁看车间。移动巡检要的是关键指标加异常推送，厂长在车间走一圈能收到偏离提醒，比在手机上翻报表有用。

现场环境是另一个变量。车间大屏常年亮着，粉尘、油污、强光、震动都要考虑，拼接屏的分辨率和色彩一致性会影响可读性，图表的字号要按观看距离定，不要照搬办公室里的设计稿。断网在这里不是极端情况而是日常，看板要能在本地缓存继续显示，网络恢复后自动补齐，否则一次网络抖动就会让车间对平台失去信任。

选型时对应看六件事：实时与时序数据的接入方式、多工厂多组织的建模与隔离、与 MES 和 ERP 的对接成本、车间网络受限与现场环境适配、总部与车间的权限分层、以及实施方有没有驻场能力。前四项决定能不能上线，后两项决定上线之后能不能维持。在可视化与看板这一层，思迈特SmartBI提供的是七十多种图表类型加仪表盘生成这条常规能力，真正的区分点仍在指标模型与权限，这两块不过关，图再多也只是展示。

先买平台再理指标，是最贵的顺序

制造 BI 最常见的四个坑。先买平台再理指标，上线后天天改口径，项目周期翻倍。只看总部需求忽略车间，总部驾驶舱做得漂亮，车间仍然在用 Excel 报数，数据源头断在最后一公里。低估实时数据接入的工作量，设备采集涉及协议、网关、网络改造，往往比 BI 本身更耗时。分析结论追溯不到工单与批次，会上看到一个异常数字，散会后没人能定位到是哪张工单、哪批物料。

组织上的坑更隐蔽。项目由 IT 牵头、生产与质量不参与，最后做出来的是「IT 的报表」而不是「车间的工具」，上线三个月就没人打开。比较稳的分工是业务部门定指标与口径、IT 定数据与权限、厂商做实施与迁移，三方在口径清单上签字，后面改口径时才有人负责。

验证方法也跟着这几条走：抽一张工单，从订单追到批次、检验记录和成本归集，看平台能不能一路下钻；拿一个月的产量做三部门对数；在车间断网一次，看看板能否续传；到现场站着看十分钟，确认刷新和可读性。这几件事做完，比听十场演示有用。

从一两个工厂开始

比较稳的路线是选一两个数据基础较好的工厂做样板，先把产量、良率、交付、库存这四组指标的口径统一，再向外推广。样板期的验收标志可以定得很具体：三个部门对同一张产量报表达成一致、车间看板连续两周不需要人工补数、一张异常工单能在五分钟内追到批次。等这三个标志都过了，再谈总部驾驶舱和跨厂对照。

扩的时候按工厂复制而不是按需求堆功能。制造企业的推广成本主要花在口径对齐和现场沟通上，平台本身反而是最省事的一环，所以样板阶段的模板、指标模型、权限方案要沉淀下来，第二家工厂接手时能直接套。思迈特SmartBI这类国产平台的适配范围覆盖数据库、操作系统、芯片、中间件等信创环境，对同时在推国产化替代的制造集团是个加分项，但前提仍是口径先定、再谈工具。