|
企业简介
|
陕西汉德车桥有限公司（以下简称“汉德车桥”）成立于2003年，由潍柴动力与陕汽集团共同投资组建。公司始终以客户满意为宗旨，致力成为国际一流全系列轮式车辆车桥系统提供商。
汉德车桥是集研发、制造、销售、服务于一体的大型高新技术企业，在西安、宝鸡、株洲、铜川布局四大生产基地，具备年产各类桥总成150万根的生产能力，年产值超130亿元。下辖汉德车桥（株洲）齿轮有限公司、陕西金鼎铸造有限公司2家全资子公司，共有员工5200余名。
产品主要涵盖全系列卡车桥、客车桥、非公路车桥、电驱桥四大系列。全面覆盖2t以上轻中重型卡车，6m以上客车，12t～3600t轮式起重机，40t～160t宽体矿用车，180马力以上农业装备，全系轮式挖掘机、装载机和全领域电驱桥。在可靠性、轻量化、高效率、长换油、免维护、低噪音、智能化等方面具备领先优势。
汉德车桥拥有国家级实验室、省级企业技术中心以及博士后科研工作站，把握车桥技术前沿，电驱桥、智能网联车桥技术全面引领行业发展。2007年实现了中国汽车总成技术的首例出口，标志着中国汽车制造业实现由产品出口向技术出口的突破；公司拥有400项车桥专利技术，凭借驱动桥总成核心技术在《重型商用车动力总成关键技术及应用》项目做出的突出贡献，荣获中国国家科学技术进步奖一等奖，是全国唯一获此殊荣的车桥企业。
汉德车桥按照“自动化-数字化-智能化”战略，开展应用集成创新，加快推进智能制造建设工作，打造车桥行业智能制造示范工厂，获评国家2023年度智能制造示范工厂。
汉德车桥以全球化视野打造高端产品，销量连续八年位列行业前列。遍布全球的68个中心库，493个全系特约服务站，253个卡车特约服务站，56个矿区的宽体车特约服务站和9个客车特约服务站，为用户提供全方位服务。
汉德车桥将持续创新，追求卓越，以“为全球客户提供更可靠、高效的车桥产品，为员工创造美好生活”为使命，打造国际知名的民族品牌。
|
1 业务需求/挑战（面临的挑战/痛点/问题，或由此带来的数据/BI应用需求）
|
陕西汉德车桥有限公司经过近20年来的信息化建设发展，目前已经拥有PDM、CAPP、ERP、SCM、EAM、HR、MES、CRM等40余套信息化系统，覆盖公司生产、运营、营销、质量、供应链、研发、财务等核心业务。在数据应用分析和管理使用方面，存在以下痛点问题：
1.数据孤岛与分析局限: 公司内部系统各自独立，导致数据孤立，报表系统缺乏统一标准，数据源不规范，定制开发方式限制了数据的深度分析能力，无法有效挖掘数据价值。
2.数据一致性、准确性及外部数据获取效率问题：结构化与非结构化数据分散存储，交叉采集造成数据同步滞后，多版本共存导致分析结果出现偏差，影响决策的准确性；外部数据的获取缺乏有效整合机制，如政策法规、竞品信息等，信息获取的不及时、不全面，影响对外部环境的快速响应能力。
3.数据治理缺失：企业缺少统一的数据治理体系和标准，数据认知不一致导致加工处理结果多样，不利于持续改进和科学决策，增加了管理复杂度。
4.生产数据利用不足，成本管理难题：物联网与设备数据的采集分析不足，生产排程依赖经验而非数据，难以准确评估设备状态和产能，影响生产效率和资源分配；传统的ERP标准成本法未能反映实际成本，导致成本控制困难，制造成本分析不精确，超支问题难以及时监控，压缩了利润空间。
5.人才结构失衡：企业内部缺乏兼具业务理解、数据分析和技术应用的复合型人才，IT与业务部门人才类型单一，限制了数据分析驱动业务增长的潜力。
|
2 解决方案（业务/管理挑战下，解决业务/管理需求、建设业务/管理分析或数据应用平台的思路、方法、架构、过程等）
|
围绕上述背景，公司与帆软公司携手合作，组建了一支由公司总经理领导、业务部门主导、信息化及帆软技术专家提供技术支持的专业团队。同时，我们按照DCMM管理体系相关理念，在公司内部成立了数据管理委员会、数据管理办公室等四层架构的专门数据管理组织团队，识别并确认各业务单位数据管理专员32位，推动公司173人考取了帆软的专业数据分析认证证书，培养了一批专业的数据分析型人才队伍。
在项目推进过程中，我们首先从最基本的数据资源盘点入手，对公司现有的20多套核心业务系统的表及字段进行了盘点梳理，按照三层目录结构方式，确定了15大业务域，96个二级目录，326个三级目录，在公司层面建立了清晰明了的数据资源存储目录。借助帆软BI工具的离线和实时抽取工具，我们完成了公司离线与实时数仓的建设，形成可对外直接提供数据服务的数据资产673条。
在组织建设及制度保障方面，我们参照DCMM数据管理能力成熟度体系管控要求，建立了公司级四层数据管理组织架构，编撰并发布了《数据战略管理办法》、《数据治理管理办法》、《数据应用分析管理办法》、《数据架构管理办法》、《数据质量管理办法》、《数据安全管理办法》、《数据标准管理办法》、《数据生命周期管理办法》等一系列制度文件，能够全面支撑数据管理工作的高效运转。
在数据应用分析方面，建立了公司级指标库及指标看板，形成了全公司统一的分析统计指标口径，实现了指标之间的复用；通过数字化工厂建设项目，采集各生产厂车床上的传感器相关数据，进行加工、汇聚、整合、分析，完成公司级、分厂级、产线级可视化大屏、看板开发，促进了排产的合理化，提高生产效率38%；联合公司财务部，对桥成本从厂房费用、设备折旧费用、人工成本费用等72个维度进行划分均摊，通过报表完成各分厂费用的分析对比、单件物料生产成本的对比分析，实现了整桥生产成本的精细化管控。
|
3 典型应用场景（按照问题—解决过程—价值的逻辑，介绍几个项目中典型应用场景和取得的成果）
3.1 场景一：盘点数据资产、构建数据目录，推动初步数据治理
|
发现问题：公司各应用系统独立建设，缺乏相应的数据标准和统一的数据模型，在实际业务场景分析过程中，查数、找数、取数存在困难，各分析场景中底层数据来源不一致导致经常会导致分析结果存在较大偏差，跨系统分析难度较大。
解决方案：通过BI系统的资产管理模块，联合各应用系统业务管理员，对系统资产数据进行盘点，摸清家底，设计数据资产目录，统计汇聚20个核心业务系统数据，解决数据孤岛、数据断点等问题，化零为整，全面提升公司数据分析及应用能力。采用三级目录层级结构，建立15个业务域，96个二级目录，326个三级目录，形成673条数据资产信息，8TB数据资产沉淀，全面高效支撑公司数据分析应用。推动公司级数据标准建立，拉通各业务端，解决各部门分析维度、口径不一致问题。
通过项目的实施，确定了人员、供应商、客户、子库、货位、物料、组织、会计期等9项主数据，建立了公司的统一应用车型分类标准，明确了零部件分类标准，优化了售后故障代码分类。
场景价值：通过构建公司级数据资源池，有效打破了系统之间的数据壁垒，消除了数据孤岛，实现了跨系统数据整合与共享，解决了全局分析过程中的“数据碎片化”问题。数据资源目录的构建及673项定义明确、认知统一的数据资产，使得分析效率提升83%；数据标准的建立增强了各个系统及分析过程中数据的一致性，确保了分析质量，减少了解读偏差，数据准确性提升60%，命名及重复问题下降30%；这一系列措施的实施，不仅优化了基础数据分析流程，还为预测模型、机器学习等高级分析技术的应用奠定了基础，为公司向智能制造、精细管理和智能化转型提供了强有力的支撑。
|
3.2 场景二：建立公司统一指标管理体系，提升决策、经营、管理能力
|
发现问题：缺乏公司统一的指标体系，管理层需要花费大量的时间在数据收集和验证上，降低了决策的速度和效率；各部门指标各自为政，同一指标使用不同的指标定义和计算逻辑，导致数据不一致，难以从全局视角评估公司战略的执行情况；重复建设和维护相似的报表、仪表板，造成人力物力的浪费，指标更新不及时，准确性不高。
解决方案：从公司层面出发，按照公司级、部门级、科室班组级三个层级进行指标划分，定义并发布了一套公司级指标术语表，明确每个指标的定义、计算公式、数据来源、更新频率等，确保在公司内部指标的一致性和可比性。利用帆软BI资产中心中的指标管理模块，实现指标数据的分层级管理，达到一次计算，多次复用，从而实现了指标的一致性，降低了数据的重复性。
对于指标体系的梳理，按照业务板块、具体使用场景、面向的不同层级按照绩效考核、管理要素、过程关键控制点等进行指标体系的梳理。在结合各管理者的使用场景、关注重点、管理要点、分析思路进行驾驶舱体系的设计。
场景价值：公司级统一指标库及指标管理体系的构建，确立了全公司通用的业绩评估语言，确保各级管理者基于相同指标决策，降低了理解偏差导致的90%成本，加速决策进程80%，提升决策精准度与透明度90%以上。通过统一指标统计逻辑，增强了跨部门沟通与合作，促进对关键业绩指标的共识，提升协同作业效率70%，搭建起跨业务单元的合作桥梁，便于识别协同机会，推动目标统一实现。公司级统一指标的建设能够有效避免30%资源重复建设，节省60%人力物力，增强了数据运营与分析效能，为数据应用创新及资源优化配置提供了坚实支撑，加速了企业现代化管理进程。
|
3.3 场景三. 数字化工厂看板建设，实现生产数据可视化
|
发现问题：各生产厂的物联网数据和设备数据未被充分采集和分析，无法准确评估设备的状态和产能瓶颈，造成资源闲置或者过度使用；传统的生产排程依赖人工经验进行判断，缺乏准确的数据支持，导致生产计划不够优化，效率不高；各类生产数据分散存储，各系统之间缺乏有效集成，难以实现数据驱动的决策支持。
解决方案：借助帆软BI工具构建的离线、实时数仓，集成APS、EAM、WLM、ERP等各类生产设备相关数据信息，按照工厂级、产线级、班组级设计交互式数据可视化大屏，集中对设备状态、产线状态、产出、故障等关键信息进行实时展示，通过算法分析，优化排产计划，实现生产过程数据的透明化管理。
结构设计：按照工厂级、班组级、产线级三层级使用进行设计
内容设计：
成果展示：
场景价值：数字化大屏实现各分厂全链条生产数据的可视化，宛如企业“仪表盘”，促进跨部门无缝协作，提升响应速度与决策效率超过30%，加速问题解决。集成多源数据，智能排程生产计划，减少停工待料20%，设备效率提升25%，保障生产线高效连续运行。智能预警系统即时监测潜在异常，问题响应时间缩短50%，有效预防生产风险。数字化工厂建设促成生产效率与管理水平双提升，为企业构筑竞争优势，助力持续增长。
|
3.4 场景四 多维度成本分析，实现产品成本精细化管理
|
发现问题：在生产制造过程中涉及原材料采购、人工、能源消耗、设备厂房折旧等多种成本因素，生产工艺多样，产品结构复杂，导致成本分摊规则繁琐，现有的ERP系统标准成本法，不能体现现场实际成本，导致物料制造成本分析、降本工作推进难度大，生产过程中的超支等问题难以及时发现和纠正，影响利润空间；成本预测和预算制定缺乏有效的数据支撑，数据的不准确性难以支撑决策。
解决方案：对比舍弗勒公司学习并实施产线全成本探索及研究，建立成本核算至产线、产品的规则，基于公司各分厂产线全成本分析场景需求完成整体规划、数据架构设计，集成ERP、MES等相关系统数据，实现成本数据的集中管理和自动化采集。从单件成本构成的72个子项出发，细化成本核算颗粒度，通过作业成本法准确分配间接成本至产品，反映真实成本结构。利用大数据和AI技术，建立成本监控模型，实时分析成本变动，设置预警阈值，及时干预成本异常。构建成本分析报告和可视化大屏，直观展现成本构成、趋势及单件成本对比分析，支持快速决策。
建设内容：项目建设一共分为四个模块，分别是数据分摊、规则填报、分摊数据整合、报表开发模块：
1、数据分摊
（1）全量抽取数据处理中涉及的业务数据表，忽略日期和科目过滤；
（2）数据湖开发制作分摊填报表规则；
（3）SQL取数时进行分摊系数关联。
2、按规则进行数据填报
根据相应部门的填报规则进行填报界面设计，最终实现各部门分摊则数据的填报录入，包括：公司组织架构维护填报、各产线定额工时填报、刀具目标填报、各产线标准产能工时填报、各产线工位器具摊销填、各单位产线面积填、各单位能源消耗、定编人员填报等
3、分摊数据整合
整合分摊后的数据，制作开发查询表分为分摊到产线和分摊到产品，拆分查询表共7张，包括：线体费用明细查询表、固定/变动费用区分表、月度汇总表、费用类别区分表、零件费用明细表、各零件费用汇总表
4、报表开发
通过FineReport来进行全成本可视化界面开发设计开发
成果展示：
  场景价值：实现生产成本全面可视与实时追踪，提升成本管理透明度和准确性达90%，及时纠偏控本，增强盈利10%。精细化管理识别生产低效，促流程创新，运营效率提升20%。同产品跨产线成本对比，指导排产优化，效率提升15%。成本细化助力产品定价精准度提升，价格竞争力增强，支撑采购与自制决策，策略有效性提高30%。借助数据驱动决策，成本规划与资源配置优化，科学性提升80%。通过实际生产成本分析，仅两项产品结构调整，年均节省成本60万元左右。
|
4 总结与展望
|
在现阶段，面对数字化时代的机遇和挑战，汉德公司制定了以问题为导向，从先行示范到顶层设计、大规模滚动建设为路径的数字化转型实施思路。通过和帆软的强强联合，实施了BI（商业智能）系统，围绕公司的核心业务构建了一体化数据整合分析平台，整合ERP、CRM、MES、PDM、APS等20多套系统数据源，实现了数据的纵向分析、横向拉通，梳理了企业全量数据资产目录，显著增强了公司的数据洞察力和决策效率，通过定制化仪表盘和动态报表，各部门能够实时监控关键绩效指标（KPIs），如生产效率、库存周转率、订单交付周期等，有效解决了信息孤岛和决策滞后的问题。同时，我们组织了多轮的BI工具使用培训，建立了一支专业的数据分析型人才队伍，直接助力公司节约成本近百万，在公司研发领域，新产品的市场响应速度提高了30%，让数据真正服务于业务，体现数据价值。展望未来，目前我们还存在数据治理深度不够，智能化AI应用不足等问题，在未来的工作中，我们将继续围绕1个平台、2套支撑、3种应用，加强数据治理结构，确保数据质量的同时保护企业与客户敏感信息，同时我们将着力推进BI系统与物联网（IoT）技术的融合，实现实时生产数据的采集与分析，打造智能制造的可视化监控中心，为实现精益生产提供强有力的数据支撑。
其次，聚焦于AI辅助决策系统的开发，引入机器学习算法，使BI系统能够自动发现数据中的隐藏规律，提供更加智能化的预测分析和决策建议。总之，我们坚信通过不断优化和扩展BI应用，不仅能够提升企业的运营效率与竞争力，更能为制造业的智能化转型贡献重要力量，开启智慧制造的新篇章。
|
| 
来自 11#
