【2024中国数据生产力大赛】上海烟机：烟机工业数据大脑助力企业数字化转型升级

企业简介

上海烟草机械有限责任公司（简称“上海烟机”）位于中国上海浦东金桥，是一家专业从事包装设备研发制造的国有企业。上海烟机集技术研发、制造（铸造、热处理、金属切削、总装）、服务（客户服务、人员培训）为一体，具有完整的机械加工制造生态链，属于典型的小批量、多品种离散制造企业。 上海烟机生产以中速、高速、超高速包装机械成套设备等高端装备为主，用户遍布全国，国内市场占主导地位，出口多个国家和地区。同时，上海烟机拥有机器人、智能物流、数字化服务整体解决方案输出的能力。此外，上海烟机拥有世界一流数控加工设备和精密仪器，在航空航天等高端制造领域取得丰硕成果。 1994年起至今，上海烟机连续被评为上海市高新技术企业，并于2022年成功入选上海100家智能工厂名单，2023年获评上海市工赋链主培育企业。在体系建设方面，在上海烟机是行业内首批获得两化融合AAA、DCMM数据管理能力成熟度3级认证的的企业单位。

1 业务需求/挑战

打破数据孤岛的迫切需求 随着多年信息化建设，上海烟机相继建立了PDM、ERP、MES、SRM、CRM等业务系统，基本实现了对研发设计、生产制造、运营管理、营销服务核心业务领域的信息化覆盖。但是由于在规划建设阶段，公司尚未建立统一的数据架构，导致各业务系统中普遍存在数据标准不一致、数据质量差、点对点的数据传递等一系列数据孤岛问题，这对实际业务的开展产生了比较大的影响。 加强数据管理的迫切需求 随着业务发展和企业数字化转型要求，上海烟机需要建设快速响应业务的数据支撑能力，保障业务提质增效降低运营成本，在加强主业基础上拓展数据类业务。为此，公司希望借鉴行业最佳实践，全面提升数据管理能力，打造与业务发展可深度融合的数据管理能力体系，使得数据管理工作体系化、规范化，以发挥数据要素效能为切入点，为培育和支持业务创新奠定基础。 开展数据运营的迫切需求 十四五期间，上海烟机发布了基于数据驱动的产品智能化、制造智能化、管理智能化、服务智能化战略发展目标。因此，公司、部门的数据运营、数据分析和数据应用模式也必须随之开展相应的调整，原有面向部门级决策看板、手工制作台账报表、数据报送预警依赖人工等工作模式，已无法快速满足跨部门、跨节点的过程管理、实时预警、趋势分析、决策判断的业务需求，以及中高层及时感知公司运营状态的决策需求。 培育数据人才的迫切需求 随着数字化转型进入深水区,上海烟机对数字化人才需求急剧增长,公司管理层也意识到数字人才已逐步成为公司创新驱动发展、企业转型升级的核心竞争力。目前,尽管近些年，公司已经加强了数字化人才的培养,也高度重视数字化人才的引进和发展,但是数字化人才往往集中在IT部门，离全员数字化建设目标还有较大差距，数字化人才的数量、质量仍然不能满足公司数字化转型发展的迫切需求。

2 解决方案

烟机工业数字大脑的价值逻辑来自于数字经济、知识经济主要思想，数字大脑建设的方法论主要是工业知识显性化、显性知识数字化、知识模型软件化、知识共享平台化。烟机工业数字大脑拟以工业互联网为平台底座，通过规范数据治理与数据中台建设，凝练烟机制造的知识能力、吸纳产业上下游知识能力，通过数字化技术进行知识于封装与平台集成，通过公司内外部数据链路来打通内外部协同研发、协同制造、产品及增值服务的价值链，实现数据驱动下的业务增值模式，从而实现数字大脑服务于烟机产业链上中下游企业数字化转型的迫切需要。 统一平台，构建烟机工业数据中心，加速数据安全共享。围绕烟草包装机械工业数据的“取、存、管、用”，搭建工业数据中心（翼山行数据平台），实现公司内部运营数据、智能设备物联数据的采集、传输、存储、分析和使用，形成“强后台，大中台，活前台”数据架构体系。按照“按需接入、适度超前”的原则，推进数据资源有效汇聚，提升数据便捷应用能力，缩短数据到价值变现的过程。坚持“以共享为原则，不共享为例外”，创新数据共享和安全管理机制，推动数据资源目录和业务用数需求的快速匹配和有效共享，为可视化分析、分析决策、数据应用等提供高质量、标准化、专题化的数据支撑。 统一体系，构建数据治理新模式，建立数据管理新体系。以DCMM标准为引领，建立数据管理体系，夯实数据管理基础，强化数据共享应用，充分发挥数据要素的放大、叠加、倍增效应。通过建立由公司领导层决策、条线各司其职、全员参与的数据治理组织，确保责任到岗、责任到人，建成“自顶向下、纵向到底、横向到边”的数据治理体系，制定覆盖数据资产全域管理的制度、规范、技术指南和覆盖各级机构、岗位人员、实施项目的多维度立体化考核评价机制，形成统一、明确的“标尺”和“准则”，确保数据管理有章可循、有据可依。 统一运营，创新数据运营模式，支撑数据分析科学化。建立公司数据运营新模式，通过构建数据仓库，部署数据决策系统（BI），整合和开发利用数据，实现业务运营数字化和管理决策数字化。按照“纵向到底、横向到边”的原则，纵向划分为公司级、部门级、班组级三级分析层级，横向制定研发、生产、营销等十多个分析模块，按需赋能的1+N+X数据运营模式，全方位覆盖业务范围。 坚持“全局规划，局部推进”，以数据助力精细化管理为目标，在生产协同、计划管理、检验分析、成本管控、供应链分析等方面，根据需求搭建示范场景，对外提供各种分析监控手段，实现从经验驱动的管理模式向高效、精准的数据驱动的管理模式转变。 统一培育，建设数据人才队伍，营造数据文化氛围。秉承落实“聚力共创，众享未来”的全员人才培养理念，上海烟机以培养BI数据分析人才为切入点，借鉴生态合作伙伴帆软先进经验，以“翼山行”数字沙龙为载体，定期组织开展公司BI数据分析大赛活动，通过竞赛锻炼数据人才队伍，提高数据分析技能、加强数据分析科学思维、锻炼数据分析实践能力。通过数据分析比赛，识别筛选出一批高素质数据分析人才，逐步推动数据人才队伍建设。

3 典型应用场景

3.1 场景一：基于数据模型驱动的产供销业务协同

场景描述： 基于烟机工业数字大脑的统一数据底座，汇聚打通包括PDM、ERP、MES、SRM等业务系统数据链路，整合产供销核心数据资产，通过构建产供销MRP数据模型与管理驾驶舱，及时获取当前在制整机项目物料供需情况，通过预警平台实现生产现场缺料的全物流过程报警提醒，大大提升生产计划准确性、物料发放及时性，降低呆滞物料水平，全面提升产供销条线基于数据模型驱动的业务协同化与决策科学化水平。 痛点问题： （1）生产计划不准确，存货周转率较低，呆滞库存较高，导致缺件无法及时发送到装配现场，影响整机设备的交付； （2）数据孤岛问题⽐较严重，各业务系统数据标准不一致、数据质量不高，跨领域数据流动存在堵点断点； （3）产供销各层级（决策层、管理层、执行层）缺少相关数据支持，大量依赖经验做事，无法实现数据驱动的业务协同化与决策科学化； 技术方案 （1）基于主流Hadoop分布式架构，搭建大数据平台技术底座，以支持多源异构数据高效采集、存储、开发及管理； （2）基于ETL技术，将包括PDM、ERP、MES、SRM等业务系统数据，抽取、清洗、转换统一整合到烟机数据仓库中； （3）基于Python编程技术，开发自主研发产供销MRP数据模型算法，精确、高效分析物料供需平衡关系以及物料的生产、采购、质检、物流等状态节点信息; （4）基于帆软FineReport数据可视化技术，运用图表、图形、仪表盘等可视化技术方式将立体多维度数据转化为可理解的形式，从而实现基于数据模型驱动的产供销业务协同。 实施成效 （1）基于数据模型驱动的产供销业务协同的模式，较实施之前，提升生产计划编制准确率80%，存货周转率提升20%，整机交付率提升20%。 （2）这套产供销业务协同的模式几乎适用于大部分离散型制造企业，对于上游产业来说，能够根据需求制定合理的产品策略，对于下游企业来说，能够快速了解供货能力，更好地制定生产计划。目前，这套模式，已经成功复制并延伸推广到具有相似产供销场景的小法人单位苏州锦晨和新场制造形成了对外上下游的赋能力量。

3.2 场景二：基于大数据的可视化设备远程运维

场景描述 针对司内外包装机，采集并实时回传设备工况信息、设备故障信息、生产消耗损耗信息，设备参数和状态监测特征值。采集包装机PLC和OPCHMI数据信息，通过大数据分析、云计算，详尽的指标等数据，反映司内外设备运行状态。通过编程软件对数据进行处理和汇总，在页面上按不同功能进行可视化展示，有班次周报、设备运行状况周报、振动分析报告、设备工况等。实时监控数据，对超过预警值的自动预警 痛点问题 设备运行数据缺乏统一管理，设备故障共性问题无法统计，无法对故障原因分析，不能对设备进行预测性维护，无法提前对设备进行故障判断，无法解决设备运维效率低的问题。技术方案 （1）基于主流Hadoop分布式架构，搭建大数据平台技术底座，以支持多源异构数据高效采集、存储、开发及管理； （2）基于流式计算技术，实时采集司内外设备各工况数据、振动原始值、特征值数据，有效回传数据至大数据分析平台 （3）基于Python编程技术，开发设备状态检测算法模型，实时反映司内外设备的健康状态，及时发现设备异常状况或故障部位，及时指导相关人员运维，快速解决故障问题，减少停机时间，提高设备运维效率，避免设备重大事故 （4）基于帆软FineReport数据可视化技术，运用图表、图形、仪表盘等可视化技术方式将立体多维度数据转化为可理解的形式，从而实现基于大数据的可视化设备远程运维. 实施成效 （1）有效预警了司内外设备的故障信息，有效避免了10起设备事故，为公司挽回损失上千万 （2）该场景作为公司新工业服务模式的重要组成部分，对下游产业来说，已推广至本行业内大部分工业企业，覆盖了核心主力机型产品，并通过基于数据驱动的预测性诊断服务，提前预判设备故障信息，有效的提升了设备作业有效率，大幅提升了用户的售后服务体验，并对离散型制造企业的设备运维具备一定的借鉴价值。

3.3场景三：基于提升全员数字化能力的BI数据分析大赛

场景描述： 2024年3月12日下午，龙年第一场 “翼山行”数字沙龙，暨“以数赋能、创享价值” 2023年度烟机BI数据分析大赛总决赛在数字研发中心举行，公司高层领导、各支部书记、研产销部门负责人、业务骨干及BI大赛的选手们参加了活动。 首先，为响应公司“要加快全员数字化能力的提升”的号召，以构建数字化工厂为导向的数字化研学社于3月12日成立。数智工匠工作室负责人介绍了数字化研学社成立组织结构和管理制度。未来，将以建设上海烟机数字化工厂为整体目标，从员工数字技能提升和数字工厂建设两个维度，构建以“员工+工厂”双向进化的共同体。 随后，低代码学习小组的代表介绍了低代码平台的产品组成、应用场景和业务价值。低代码主要是简化和加速应用程序创建过程，不需要大量手动编写源代码的开发工具，打通数字化建设“最后一公里”。 最后，BI数据分析大赛的决赛环节。自大赛启动以来，吸引了来自14个部门的30组团队参赛。经过前期初审和复审，共有18支团队脱颖而出进入决赛，并于3月12日当天完成看板的发布和展示，历经一下午的精彩角逐，选手们通过现场评委打分及技术专家打分，评比各类奖项。各参赛团队纷纷表示收获颇丰，不仅锻炼了自己的数据分析能力，还结识了许多志同道合的伙伴。 此次BI比赛不仅是一场技能的较量，更是一次交流学习的盛会，为烟机数据分析领域的发展注入了新的活力，营造了全员数字化的氛围。未来，公司将通过数字化研学社开展更多数字化活动，提升全员数字化能力。 场景成果： 在本次大赛中，包括公司高层领导、各支部书记、研产销部门负责人、业务骨干及BI大赛的选手们都参加了活动，用自己业务部门的真实场景决出了赛事奖项： 场景价值： 培养数据驱动文化：通过这些活动，企业可以培养员工的数据意识和数据驱动文化，使数据成为决策的核心。这有助于提高决策的质量，确保企业能够基于准确的数据和分析做出快速而有效的业务决策。 提升员工技能和能力：通过培训和比赛，员工能够学习到如何使用BI工具和进行数据分析，提升个人技能。这不仅增强了员工对数据的理解，还提高了他们解决复杂问题的能力，为企业培养了一支能够适应数字化转型的人才队伍。 促进跨部门协作和知识共享：这些活动为不同部门的员工提供了交流和合作的平台，有助于打破信息孤岛，促进知识共享。跨部门的协作可以带来更全面的视角和更创新的解决方案，增强企业的整体运营效率和市场竞争力。 解放IT工作压力：通过对于数据人才的培养，业务人员能够自己上手工具进行数据分析，大幅度减轻了IT重复取数等工作，能够把更多精力投入到更有价值的工作上，一定程度上提高了企业的人效。

3.4 场景四：基于DCMM标准的烟机数据治理体系建设

场景描述： 从时代背景、产业背景、行业背景来看，实施企业数据治理是新时代产业变革新机遇的战略选择，是激活数据要素潜能的关键支撑，是激发企业创新活力，推动经济发展质量变革、效率变革、动力变革，是提升企业数字竞争的核心驱动力。在新形势下，上海烟机以国家标准DCMM全面指导企业数据治理工作，主导数据治理顶层设计，以数据战略、数据文化、数据治理成熟度为牵引，以数据政策、数据流程为管控，以数据组织、数据平台为保障，通过建立数据管理体系，夯实数据管理基础，强化数据共享应用，驱动企业数据治理工作持续开展，充分发挥数据要素的放大、叠加、倍增效应，为企业数字化转型奠定坚实基础。 痛点问题： （1）作为装备制造行业，企业信息化建设和金融行业、电信行业相比，起步较晚，工业数据也相对复杂，涉及研发、生产、管理、运维服务等多个环节，因而数据管理工作的推进也相对滞后。 （2）随着工业互联网发展的不断深化，在工业领域加强数据管理的重要性日益突出。（3）根据行业信息化发展现状，结合当今行业数据治理的要求，企业现阶段在数据应用和治理方面依然存在数据基础薄弱、数据治理滞后、数据价值难以衡量、数据安全管控不足等诸多挑战。 技术方案 （1）技术平台层面，通过升级信息系统、部署工业互联网、边缘计算、云计算等方式，推动研发设计、生产制造、经营管理、销售服务等环节数据的采集。以数据中台为基座，加快构建以翼山行数据平台为核心的数智平台产品矩阵，促进公司内部各部门、各系统之间的数据互通、有效共享，为可视化分析、分析决策、数据应用等提供高质量、标准化、专题化的数据支撑。 （2）管理体系层面，基于DCMM标准，结合公司数据管理现状，对公司数据管理能力进行诊断评估；基于DCMM三级标准进行数据管理体系建设，按照标准化评估流程和方法制定策略，成立公司数据治理组织，建立数据管理制度，制定相关配套管理办法和标准规范，推动公司数据管理工作体系化、制度化、规范化。 实施成效 （1）成为行业内首家完成DCMM三级贯标企业，烟机DCMM贯标案例荣获“2023年数据管理百项优秀案例”、“2023年度上海市DCMM优秀案例” （2）战略规划层面，发布数据战略规划，明确“十四五”期间数据治理的指导思想、基本原则、战略蓝图、发展目标、重点任务； （3）组织机制层面，成立数据治理委员会，联动管理部门、业务部门、技术部门协同开展数据治理工作，保障公司数据战略有效落实； （4）管理制度层面，建立数据管理体系，构建涵盖管理规定、管理办法、实施细则的数据制度框架，确保数据治理制度化、规范化； （5）人才培育层面，推荐数字研发中心、产品研发中心、综合管理部等部门10名业务骨干，获得工信部DCMM数据管理师认证；

4 总结与展望

1、总结 基于场景设计、应用、价值构建而响应客户需求的新型服务商业模式，对原有商业模式、传统管理模式产生了巨大的冲击，因此，上海烟机将积极投身公司产品服务的创新实践，创新性地开展数字经济拓展、数据治理探索等工作，持续建设烟机工业数字大脑，切实把数字技术优势转化为场景解决方案的能力，助力各类新兴场景裂变式增长，打造面向卷烟制造工业、离散型制造业的数据服务商，为打造公司新型市场竞争力做出更大贡献。 2、客户感想 当然，数字化项目的成功必然离不开优秀生态合作伙伴的帮助与支持，尤其是帆软BI平台和数字化人才服务方案，对上海烟机来说是一场及时雨。它们不仅解决了我们日常数据分析的痛点，还提升了团队对数据的敏感度和应用能力。现在，我们的决策层、管理层以及各班组员工，都在深度使用BI平台。我们也能够快速从数据中获取洞见，及时调整策略，这种转变让我们的业务决策更加敏捷和有效。 3、展望 （1）深挖数据应用场景建设，推进数据驱动的管理模式转变 坚持“全局规划，局部推进”，综合公司业务发展、经营分析、生产运营、市场行情等指标，构建综合、全面、便捷、直观的对外展示数据大屏和内部管理决策驾驶舱，打造企业运营指挥中心，充分利用烟机内部数据优势，深度融合外部卷接包设备物联数据，基于以数仓模型、算法模型为核心的数据模型体系，以管理报表、可视化看板、运营驾驶舱为核心的数据可视化体系，深度挖掘、呈现数据背后公司端到端业务价值链深层次绩效和规律。在生产协同、计划管理、质量分析、成本管控、供应链分析、售后服务等方面，根据需求搭建示范场景，对外提供各种分析监控手段，实现从经验驱动的管理模式向高效、精准的数据驱动的管理模式转变。 （2）开启烟机数字研学社新篇章，构建全员数字化培育新模式 从2024年起，全员数字化人才的培养，以及全员数字化能力的提升，已经上升到了公司战略层级，IT和业务部门在数字化转型中的角色，即将从“业务追随IT、到业务与IT协同，最终实现业务引领数字化转型”的根本性变革；未来，上海烟机在工会组织下，将成立以构建数字化工厂为导向的数字化研学社，通过这样一个新平台，不断提升全员数字化能力，进而强力支撑企业数字化工厂建设，全方面推进新质生产力的发展。