写在前面
|
我们在数字化的过程中，基于FineReport构建了数据决策平台，基于FineBI构建了BI分析平台，基于简道云构建了GOMS平台，促进了我们的数字化转型。除此之外，在公司大力推进数字化的背景下，我们成立了精益与数字化学院，在BI分析能力、简道云应用能力等方面做了大量高质量的推广，具体内容可查看以下视频。
|
1.企业简介
|
苏州协鑫光伏科技有限公司是香港上市公司协鑫科技控股有限公司（股票代号：3800.HK）全资控股的从事高纯单晶硅切片生产的新能源企业，致力为国内外一流太阳能组件企业提供优质的硅片产品。
公司成立于2010年，坐落于美丽的苏州高新区科技城，资产总额49.11亿元。切片工厂布局在苏州、句容、阜宁、徐州，未来两年，计划总投资15亿元，建设40GW超级智能工厂。
公司始终以科技创新和管理变革引领企业发展，率先研发导入210大尺寸硅片切割工艺，引领金刚线切片技术潮流。公司已建成“国家级博士后工作站”，获评“全国工人先锋号”，“国家级5G工厂”，先后获得省高新技术企业、省高新技术产品、江苏省示范智能车间、省智能制造先进单位等荣誉，取得专利50余项。
|
2.业务需求/挑战
2.1数据架构层面
|
随着工业4.0时代的到来，企业开始面临智能制造转型升级，信息系统、大数据分析、物联网传感、人工智能等技术在制造业中将发挥越来越重要作用。在此环境下，企业也在积极推动智能制造的发展。
智能制造的发展离不开数据，大数据的时代数据也已经成为企业除了人、机、料、法、环、产之外的重要生产要素，如何对企业现有的业务流程做全面梳理，以找出优化机会；如何藉由企业现有流程和信息系统中的数据，来挖掘价值；如何通便捷的分析工具和数字化思维的导入，让业务单位的人员，具备数据分析和落地应用的能力；如何通过多维的数据分析，发现需要补充采集的数据供业务单位应用，要实现以上的业务数字化转型，存在以下痛点。
1、数据不一致：
由于各部门系统独立运行，数据标准不统一，导致数据在传递过程中出现偏差，影响决策的准确性和有效性。
数据孤岛使得组织内部无法获取全局数据视角，决策者难以基于全面数据做出准确决策。
2、流程不协同：
各部门间流程不协同，导致工作重复、效率低下。
跨部门沟通成本增加，降低了企业的运营效率。
3、资源无法优化配置：
信息不透明，企业难以全面掌握各部门资源使用情况，无法实现资源的优化配置和合理调度。
资源浪费，因为缺乏对整个企业资源的统一管理和监控。
4、数据可访问性受限：
数据孤岛让数据流动困难，部门间信息无法共享，导致信息交流受阻。
决策者难以获取全貌的数据支持，影响决策效果。
5、数据管理混乱：
各部门使用不同的数据标准和格式存储数据，增加了数据整合的难度。
数据管理混乱还可能加剧数据安全和完整性的风险，增加维护成本。
6、缺乏标准化规范：
缺乏数据存储和管理的统一标准和规范，导致数据整合困难，影响数据的共享和利用效率。
|
2.2业务应用层面
2.2.1切片断线分析缺少平台
|
由于数据分析涉及的行业是多样的，且切片断线更偏光伏行业，所谓为了让大家理解该场景，我们准备了“硅片制作流程”的视频，便于大家查看：硅片生产工艺流程
硅片切割是以固接在钢线上的微小金刚石颗粒(磨料）为切割刃具(俗称金刚线)，通过导轮带动金刚线高速运行(＞35m/s），通过硅锭与金刚线的相对运动，来实现切割。机台在正常运行的过程中，受人、机、料、法、环等影响导致金刚线断裂的现象即为断线异常。此异常会带来硅棒损失+钢线损失+品质异常上升+效率降低，从而造成切片成本上升。
在硅片细线化和薄片化的行业趋势下，金刚线线径不断降低，钢线线径从35um降低到33um、30um，持续下探到28um和26um，线径越细，破断拉力越低，金刚线应用条件更加苛刻，断线概率增加。
而影响硅片良率的过程损失中，断线损失占比48.42%，是首要因素，是目前迫切需要解决的问题。而苏州协鑫光伏目前尚未建立多维度、深层次、细颗粒度的断线分析平台，对断线改善原因分析存在角度、维度、深度不全，分析口径不同，结论差异非常大，从而无法快速锁定原因，进行断线改善。
目前存在的难点痛点：
- 维修成本高：切片的过程中如果断线了，需停机将金刚线接上，该过程耗时较长，平均2h以上，增加维修成本和人力成本；
- 影响产量：以一个机器为例，切一刀为4500片，耗时约1.5h-2h，如因断线导致机器停机，则极大影响产量；
- 断线信息更新滞后：管理人员无法掌握车间实时断线信息，无法及时介入并协调管理资源；
- 分析耗时长：技术工程师分析工具落后，需要手动从MES导出，导入EXCEL进行数据透视，完成PPT报告展示，分析耗时1-2小时/天；
- 分析维度单一: 技术工程师根据自身经验分析，存在分析维度不全的情况，分析颗粒度比较粗；
- 无法预警现场异常：现场主管及员工，无法掌握车间断线实时状况，对异常机台和异常作业人员的调度和安排滞后，无法第一时间预警并导入改善措施。
|
-
2.2.2切割单刀异常影响良品率
|
从5月份开始，硅片价格剧烈下跌，且产能严重过剩，那么在成本和产能没有调整空间的情况下，品质成为了提升产品竞争力主要手段。客户对硅片上的线痕、色差的投诉时有发生，严重影响产品的口碑。为提升盈利能力，正A良率的提升纳入每月部门关键KPI，因此本项目从改善金刚线切割异常的频率入手，助力正A良率的提升。单刀异常刀数是指单刀A-+TTV+线痕+色差片数＞300片刀数。
 客户端对硅片有更高的良率要求，全年客诉中线痕不良片数占总客诉片数的47.6%；内部对于造成线痕客诉的主要细分为A-、TTV和色差不良片，并且单刀不良片数大于300片的异常刀次不良片数占总不良片数的61.1%。
  
统计7-10月苏州工厂的异常刀次率稳定在1.04%左右波动，A-、色差片数波动较大占比较高,而对标外部行业标杆，异常刀次占比0.7%，因此降低单刀A-+TTV+线痕+色差片数＞300片刀数，成为迫切需要解决的痛点。
对单刀异常改善原因分析存在角度、维度、深度不全，分析口径不同，结论差异非常大，从而无法快速锁定原因，进行单刀异常改善。
|
-
2.3数据获取层面
|
目前各部门信息收集，如施工作业管控、安全随手拍，异常巡检、礼品发放、人员信息统计等。都需要依赖手工填报上传 EXCEL、WORD 等形式进行汇总，各部门自身编制的各类收集表格、巡检记录、月报等。这些日常信息汇总上报的工作往往及时性、准确性不尽如人意，且存在一定程度的重复收集重复填报的问题。除此之外在数据收集后，需要花费大量的时间将收集到数据制作成日常需要的分析报表。分析报表较多以 EXCEL 为主，耗费时间较多。
|
3.解决方案
为解决公司目前在断线分析、A-/TTV/色差单刀异常等难点和痛点，苏州协鑫光伏科技有限公司引入的FineBI数字平台搭建数据分析中心，利用FineReport以及简道云进行线上数据线上转化，细化分析的颗粒度，延伸分析的广度，为问题的解决提供了重要平台支持和数据支持。
3.1数字化应用平台
|
为了打破苏州协鑫光伏科技有限公司目前面临的数据孤岛现象，促进数据的高效流动和价值实现，公司积极构建了先进的工业互联网数字平台架构。该平台以大数据和物联网技术为核心驱动力，借助BI（商业智能）、Report（报表工具）以及简道云等先进工具，实现了线上数据的实时转化和深度分析。
通过这一架构，苏州协鑫光伏科技有限公司不仅细化了数据分析的颗粒度，让数据洞察更加精准，还延伸了分析的广度，覆盖了更多业务场景和决策领域。这一举措为公司提供了强有力的平台支持和数据支持，有助于发现潜在问题、优化业务流程、提升决策效率，进而推动公司整体业绩的持续增长。
|
3.2搭建断线分析平台
|
通过设计管理看板、分析层看板和现场应用看板，搭建了断线分析平台。
|
3.2.1流程界定
|
对硅片加工全流程进行梳理，识别断线产生的站点及相关因子，在通过SIPOC流程图找到影响断线的关键主辅料和切片核心流程点，找出全流程影响断线的潜在因子。通过该方式，我们定位到需关注的关键主辅料为“导轮”，“钢线”，“冷却液”等。
|
3.2.2数据采集
|
通过思维导图对切片制程中影响断线的主辅料和核心模块进行梳理，通过MES、数据采集等方式，将线下数据转化为线上数据，通过MES、数据采集等方式，实现未挖掘数据的开发和收集。
|
3.2.3平台看板计划
|
根据潜在因子建立断线分析模型，搭建断线分析平台。围绕给谁看、看什么、产生什么管理行为等，设计管理层看板1张，分析看板5张，采用层层推进的逻辑，聚焦识别问题产生原因，通过现场管理看板，转化为管理现场执行力。
|
3.2.4提升决策效率
|
统一分析口径，为后续断线率降低提供数据支持和决策依据。
|
3.3降低金刚线异常刀次率
3.3.1流程界定
|
对硅片加工全流程进行梳理，识别单刀异常产生的站点及相关因子，在通过SIPOC流程图找到影响断线的关键主辅料和切片核心流程点，找出全流程影响单刀异常的潜在因子。通过该方式，我们定位到需要针对“钢线电镀”，“来料检验”，“切片”等环节进行重点关注。
|
3.3.2指标因子及数据分析
|
从核心流程进一步分析影响单刀异常的关键因子，对因子的数据状态进行识别，对现有数据进行BI分析，对缺失数据进行线下到线上的收集。通过该步骤，我们针对数据链路进行了梳理，涉及mes和决策平台两大部分数据来源，其中针对采购、供应商技术路线等处于确实状态，并制定数据获取方式。基于以上动作，我们实现分析思路和数据的吻合，也为后续的深化探索分析准备好前置条件。
|
3.3.3单刀异常BI看板规划
|
根据潜在因子建立单刀异常分析模型，搭建单刀异常分析平台。采用层层推进的逻辑，聚焦识别问题产生原因，通过现场管理看板，转化为管理现场执行力。
|
3.3.4真因识别及改善对策
|
通过BI分析，筛选出供应商制程控制宽泛、指标交联分析欠缺、异常刀次率无预测、异常处理滞后4个真因，通过看板监控10个相关因子进行改善。
|
3.3.5效果确认及改善标准化
|
跟进改善效果，异常刀次率由原来1.28%下降至0.58%，降幅54.6%，为巩固改善成果，对有效措施进行标准化。
|
3.4GOMS-数据采集&流程线上化
|
我们基于帆软的简道云工具构建了GOMS协鑫运营管理平台（GCL Operation Management System），实现便捷化的数据采集与流程搭建，便于各业务部门可以结合自身个性化的需求构建表单流程。
|
4.典型应用场景
4.1断线分析平台
4.1.1辅料对断线率影响因素分析
业务痛点
切片过程中辅料主要包括小方锭、钢线、导轮和冷却液，现有检测指标不能完全表征辅料品质波动，并且来料检验数据不及时监控，导致物料使用过程中反馈异常，尤其是钢线，往往等到断线之后才进行反馈，存在风险管控的滞后性。
解决过程
将金刚线来料检验值与实际切割过程中的断线率、纯A等切割数据关联起来，动态指导金刚线的来料检验指标。指导金刚线厂家调整金刚线出刃率、破断拉力、出刃高度和堆积直径等，优化切割小指标。
价值创造
通过BI大数据分析，优化出刃高达标准，由120-230收严到130-200个；深挖数据背后机理，增加抗扭转值和表面微观检测，完善来料检查指标。
|
4.1.2设备对断线影响因素分析
业务痛点
切片过程中，设备运行参数的稳定性和可控性，对断线影响明显，尤其是张力波动、溢流大小、导轮转动等指标，目前并不能实时监控，并且数据采集和上传并不完善，对断线提前预警和断线后原因分析带来不便。
解决过程
将每一台机台的断线趋势，切割刀次情况，机台运行状态，原辅材料数据，机台调整情况显示到该机台的显示屏上，供主操调取参考。
- 按照机台号统计近48小时，一周，一个月的切割刀数及断线率；追踪该机台断线趋势，并通过颜色区分趋高和趋低。
- 按照按下机时间顺序排列，显示下机日期，切割编号，主操，断线原因等，便于目视判断断线是否连续或集中。
- 显示机台切割中的状态，罗列断线相关参数，对预兆断线进行预警，提醒主操主动停机检查。
- 显示机台金刚线、导轮等规格数据及试验备注。帮助主操、技术员判断主辅材料变换带来的影响，及时调整。
- 统计显示该机台由主操、工艺设定或工程师干预的调整信息，如检查导轮滑轮、碱洗机台、更换钢线导轮等要求，并追踪完成情况，在屏幕左上角进行提示。
价值创造
深度挖掘了与断线相关的设备因子，并将指标的变化过程进行动态跟踪，前置性预警设备异常，对断线率下降5%。
|
4.1.3制程分析
业务痛点
技术工程师分析工具落后，运行EXCEL透视表，汇总数据，完成PPT报告展示，分析维度单一，技术工程师根据自身经验从不同角度进行分析，分析耗时过长，需要手动从MES导出，导入EXCEL进行数据透视，分析耗时1-2小时/天
解决过程
价值创造
快速锁定断线产生原因，最大限度降低断线损失，分析效率提升50%，断线率降低10%。
|
4.1.4现场管理与异常预警
业务痛点
现场主管和主操，无法掌握车间断线实时情况，对异常机台和异常作业人员处置存在滞后，无法及时介入并协调管理资源。
解决过程
- 统计近期内车间断线率及断线刀数的变化和趋势的部分，便于及时预警和管控现场异常事件。
- 区分班次和时间段的断线信息，便于分析断线在时间维度上的分布差异，针对性的进行调整和管理。
- 有针对主操近期断线率的跟踪信息，便于识别高频次断线主操，并进行沟通、调整和培训。
- 有针对机台近期断线率的跟踪信息，便于识别异常机台，进行调整，如检查导轮，滑轮、更换钢线、更换导轮、检修机台等。
- 有车间机台布局分布并显示断线情况，便于观察断线机台在区域是否有共性，例如集中性的试验、环境影响。
价值创造
现场看板可以随时看，信息及时，实现数据实时更新，对于现场异常早预警，主管和主操人员可以提前预防。
|
4.2降低金刚线异常刀次率
4.2.1供应商制程控制分析
业务痛点
主辅料的来料检验属于抽检模式，按照检验标准抽检的样品，不一定能在切割过程中有好的良率表现，并且供应商端制程数据不了解，对于品质的波动性无法进行监控。
解决过程
借助BI数据分析，将金刚线来料检验值与实际切割过程中的断线率、纯A等切割数据关联起来，动态指导金刚线的来料检验指标。指导金刚线厂家调整金刚线出刃率、破断拉力、出刃高度和堆积直径等，优化切割小指标。
价值创造
通过BI大数据分析，对供应商电镀液批次、金刚石粒径分布、电镀和打磨机台分析，提前预防和调整钢线配方；管理上打通了端到端的沟通，以切片良率去挂钩金刚线制程、原料指标，可以进一步对供应商的供应商进行管理。
|
4.2.2指标交换影响分析
业务痛点
技术工程师，借助EXCEL分析，主要为单因子分析，对于不同指标的交互影响，无法进行分析，尤其是钢线的表征指标涉及出刃率、破断拉力、出刃高度和堆积直径等，尚未探索出合适的交换影响关系。
解决过程
价值创造
借助BI分析，引入整体锐度的概率，通过找最低异常刀次率0.78%，分析整体锐度90-95区间的钢线，可得在出刃高度4.5μm，出刃率210，堆积直径10μm时最优。此即为降低异常刀次率的钢线设计方向。
|
4.2.3金刚线异常预测
业务痛点
对于不同检验指标的钢线，在同等工艺条件下，良率差异，目前无法模拟预算，只有完成切割，经过检验才能拿到良率数据，依据结果对制程和钢线的调整严重滞后，异常钢线往往会产生批量性的线痕、色差异常。
解决过程
建立异常钢线预测看板，包含异常钢线生产厂家来料预测和在库金刚线批次异常片数预测，便于车间技术员甄别使用，提前调整钢线使用策略。
价值创造
通过金刚线异常预测，第一时间将风险批次隔离，杜绝不良品流程生产制程，大幅降低异常刀次发生频率，单刀异常不良降低0.15%。
|
4.3施工管理全生命周期管理平台
通过GOMS系统快速搭建一个平台，来支持施工作业管控流程，实现业务入场、施工、巡检、后期运维全部线上管理，同时通过GOMS云平台的加持，来提高系统的可维护性和可扩展性，减少重复投资和资源浪费，实现数据的共享和整合，来挖掘数据的价值。
4.3.1线上考试题库
- 业务部门可以随时添加和更新题库，实现考核真实性。
- 所有参加考试的人员，都是必须符合项目安全施工要求，并持有相关证书认证。
|
4.3.2部门基本信息
|
记录所有项目发包部门，以及对应的部门安全员/安全负责人，通过系统逻辑提前设定规则，在作业过程中，按照项目要求，自动把巡检，入场审核，推送给相应的负责人。
|
4.3.3作业区域基础信息
|
记录作业区域及对应的属地区域安全员/属地区域负责人相关信息，并实现精细化管理，让区域安全员，随时掌控区域安全施工情况。
|
4.3.4风险作业票基本类型
|
记录所有风险作业票类型，目前表单内为此七种基本的作业票。
|
4.3.5不同类型项目安全须知
|
记录不同的风险作业票类型对应的安全须知，用在后续巡检时根据对应的作业票类 型自动关联出给巡检人进行查阅。
|
4.3.6特种人员情况
|
特种人员情况表单用来记录可供各部门调用的相关特种作业人员。
只有对应的部门、风险作业票申请时才能调用对应人员，所以填写部门及作业票类型字 段时注意保证准确性即可。
下次复审时间字段，在到期之前 90 天会对安环工程师发送到期提醒。
|
5.价值总结
帆软数字化BI等工具的运用，是精益生产与数字化思维完美融合的新模式，给生产现场的问题解决带来了新视角、新工具、新标准，为智能制造发展提供了极大助力。
5.1有形收益
1、通过搭建BI断线分析平台，借助精准分析和前置性管控，断线率由9.5%下降至8.5%，良率提升0.5%，实现财务收益524万元/年；
2、借助BI分析降低金刚线异常刀次率，异常刀次率由原来1.28%下降至0.58%，降幅54.6%，实现财务收益达 756万/年。
5.2无形收益
1、建立数字化管理思维。通过把数据与流程相融合，把核心数据作为重要管控因子。培养大数据思维，用数字驱动管理，将精益生产、六西格玛思维与数字化思维相结合，宏观统计趋势，预测未来，微观比较个体不同，寻找最佳值。
2、掌握数字化BI工具。掌握BI分析工具，学会制作并应用分析看板，挖掘潜在可应用关键数据，发现改善机会；打通数据链接，多维度分析数据与生产背后逻辑关系，将平时依靠直觉、经验的东西固化下来，指导管理工作。
3、梳理数字化管理标准。在改善过程中，我们把线下数据线上化，把纸质表单数字化，提升了数据分析的维度。为巩固改善成果，我们从管理要求、看板规划、数据质量、应用管理前面进行标准化。
4、优化数字化管理模型。通过项目开展，我们收严钢线管控标准，提升来料管控精准度。用数据分析挖掘内在关联，建立指标与断线率的相关性，提升决策速度、分析速度，加强管理颗粒度、可预见度，提升管理准度。
5、培养了数字化人才。以项目实施为载体，通过团队共创，苏州协鑫共培养了6为数据孵化师，培养了80多名数字分析师，以星星之火可以燎原之势，朝着人人都是数据分析师的方向迈进。
5.3上下游产业链提升
在使用BI针对断线以及异常刀次分析的过程中，我们结合分析结果，指导金刚线厂家调整金刚线出刃率、破断拉力、出刃高度和堆积直径等，优化切割小指标，促进上游供应商产品良率的提升以及工艺的改善。
由于BI分析结果的支撑，一些上游供应商主动咨询苏州协鑫的数据分析方法和工具，在双方的沟通交流中，我们也在业界一起把数字化的理念推广出去，助力光伏行业的数字化转型。
6.未来规划
6.1BI&GOMS持续推广
- 23年，我们在技术、品质、财务、制造等业务环节的分析取得了一定建树，后续我们计划持续推广BI，覆盖采购、供应商等多业务环节。
 
- 在GOMS平台推广方面，我们持续规划了开发大赛，进一步推广GOMS对业务的支撑。
6.2AI能力建设
在苏州协鑫光伏科技有限公司的大数据征程中，人工智能（AI）技术的融入正成为我们探索与利用数据宝藏的新动力。当前，我们所取得的成就只是冰山一角，但AI的加入预示着我们将开启更深层次、更多维度、更细颗粒度的数据开发新篇章。
AI技术如同一位智能向导，引领我们穿越复杂的数据森林，发现隐藏在海量数据中的宝贵信息。通过机器学习算法和深度学习模型，AI能够自动分析、学习和预测，为我们提供前所未有的数据洞察和业务优化建议。
在苏州协鑫，我们积极运用AI技术来助力数据开发和应用。我们借助AI算法对生产数据进行分析，预测设备故障和维护需求，实现预防性维护，降低运营成本。同时，AI还帮助我们优化供应链管理，通过预测市场需求和库存水平，实现更精准的生产计划和物流调度。
此外，AI还为我们提供了更高效的数据分析工具和方法。通过自然语言处理（NLP）技术，我们可以将复杂的数据转化为易于理解的文本和图表，让数据更加直观和易于理解。同时，AI还可以自动化生成报表和BI分析，减少人工干预，提高工作效率。
在AI的加持下，苏州协鑫正逐步向“数字协鑫”迈进。我们坚信，通过全体同仁的共同努力和AI技术的持续创新，我们将能够充分挖掘数据的潜在价值，拥抱数字化浪潮，为未来的发展注入新的活力。让我们携手共进，以AI为引擎，向着更加辉煌的未来迈进！ | 
