四川中烟成都卷烟厂：数据赋能，基于自主创新的数字化转型方式
成都卷烟厂创建于1952年，是娇子品牌的诞生地和宽窄系列产品的主要生产基地。工厂占地面积446亩，现有主业在岗职工1170余人，卷包工序配备中高速卷接包设备23组，制丝工序配备两条5000kg/h叶丝线、一条2000kg/h梗丝线和一条1500kg/h“宽窄”专线，年产能70万箱。2023年，，实现工业总产值107.64亿元。
在公司党组的坚强领导下，成都卷烟厂聚焦公司“千亿品牌 千亿企业”战略目标，紧扣“三大基地”发展定位，持续推进高质量发展。工厂生产的娇子（宽窄逍遥细支）等多个规格先后12次获国家局监督抽样评比第一；荣获“全国烟草行业第七届先进集体”“烟草行业抗击新冠肺炎疫情先进集体”；被确定为省国资委“四心一高”基层思想政治工作示范点；获四川省“质量稳定承诺单位”“四川省厂务公开民主管理先进单位”。工厂现有省级“劳模和工匠人才创新工作室”4个，市级“劳模和工匠人才创新工作室”2个。
“十四五”期间，工厂将坚持以习近平新时代中国特色社会主义思想为指导，全面贯彻落实党的二十大精神，围绕公司各项战略部署，紧扣工厂《现代化建设“133”实施框架方案》，深入推进高端化、智能化、绿色化发展，统筹高质量发展和高水平安全，着力推动“六化”上水平，打造党建引领标杆、生产制造标杆、品牌培育标杆、创新示范标杆、人才队伍标杆、基础治理标杆，努力建设标杆引领工厂，以高质量发展的实际行动和成效，为四川中烟“千亿品牌 千亿企业”战略目标贡献更大力量。
五年前，四川中烟成都卷烟厂启动了数字化建设的宏伟蓝图，致力于通过数据赋能，实现基于自主创新的数字化转型。在此过程中，我们取得了显著成果，包括制造执行系统（MES）、仓库管理系统（WMS）、卷包数采系统和制丝集控系统等，这些系统全面覆盖生产、配方、库存、设备、质量、能源和安全环保等关键业务领域。本年度，随着智能工厂CPS项目的推进，工厂的数据收集和分析能力显著提升，进一步奠定了数字化转型的基础。
在公司党组的坚强领导下，成都卷烟厂始终聚焦“千亿品牌 千亿企业”战略目标，围绕高质量发展和智能化升级，面对过去五年建设过程中出现的诸多挑战与痛点，我们逐步识别并解决了以下问题：
1. 系统整合与信息孤岛：
在数字化转型初期，四川中烟成都卷烟厂面临着诸多挑战。不同系统间管理维度的差别导致了数据统计口径的差异。这种差异性使得跨系统的数据汇总和对比变得异常复杂。各个系统的接口繁杂，数据传递和整合过程中出现了诸多技术难题，增加了系统维护的难度和成本。尽管工厂已经建成了MES、高架库WMS、卷包数采、制丝集控等多个信息系统，这些系统基本覆盖了生产、配方、库存、设备、质量、能源和安全环保等业务领域，但在实际操作中，业务部门仍然依赖大量的手工报表工作。手工报表不仅工作量大，效率低，还难以保证数据的准确性。数据的收集、整理、统计和分析过程中，人工操作频繁，出错率高，严重影响了数据的可靠性。这些问题在数字化转型的第一阶段尤为突出。
2. 数据治理与质量控制：
随着数据量的不断增加，我们发现数据治理和质量控制成为巨大的挑战。具体业务中，往往需要从宏观整体到细节末梢的数据汇总、归集和分析。在生产管理中，不仅需要整体的生产数据，还需要具体到每一个生产环节、每一台设备的详细数据。这种多维度的统计分析需求，现有的信息系统难以完全满足，导致数据分析的效率低下。为了解决这些问题，工厂必须不断优化数据管理维度、简化系统接口、提升数据统计分析能力，才能逐步实现数据的自动化、智能化。
3. 人才与技术瓶颈：
在业务数据化过程中，许多零星业务并未被纳入信息系统的支持范围，依旧依赖于口头传递和手工记录，导致业务流转效率低下，信息传递不畅。这种局面增加了人工工作量，还容易出现数据错误。工厂迫切需要提升业务效率，引入自主可控的技术手段，将各项业务流程全面线上化，减少人为干预。数字化转型的推进需要大量高素质技术人才，但当前的人才储备和技术能力无法完全满足企业快速发展的需求。这成为制约企业发展的重要瓶颈。
4. 安全与风险管理：
在信息化和智能化建设过程中，网络安全风险和信息泄露的威胁日益增加。现有的信息系统在各自为政的情况下，数据难以共享，导致业务流程无法无缝衔接，信息流动受阻。数据孤岛的存在使得跨部门、跨系统的数据整合和应用开发变得困难重重，严重制约了数据的潜在价值发挥。如何在提高生产效率的同时，确保系统安全和数据隐私，是我们必须应对的重要课题。
5. 数据驱动与创新应用：
尽管拥有大量数据，但如何有效挖掘这些数据的价值，推动创新应用仍然是一大挑战。传统报表通常以静态表格形式呈现，数据更新不及时，信息传递速度慢，导致管理人员难以迅速获取和处理最新的生产数据。此外，单调的表格化界面无法直观地展现数据价值，信息的可视化程度低，影响了管理决策的准确性。各业务条线的数据挖掘和分析需求仍未得到充分满足。工厂需要着力解决系统间的连接互通问题，通过构建统一的数据平台来实现数据的集中管理共享，提升数据分析能力，开发各类深度数据应用，挖掘数据价值，支持各业务条线的分析。
回顾一路的自主创新建设过程，成都卷烟厂的数字化转型历程可以划分为五个阶段：
开始，我们致力于形成可用的数据基座，通过逐步搭建基础设施，确保数据的准确性和完整性，为后续的数据分析和应用打下坚实基础。接着，我们开始推进数据业务化，各个业务部门的数据逐步纳入系统，减少了手工操作的错误，提高了数据的处理效率。第三阶段，我们进一步实现了业务数据化，业务流程全面线上化，实现了数据的实时传输和共享，显著提升了业务流转效率。第四阶段，我们着力于数据可视化辅助决策。通过开发先进的数据可视化工具，使管理层能够更直观地理解和利用数据，提升了决策的科学性和及时性。现在，我们在继续持续推进数据智能化应用，通过全员创新，标杆引领的自主创新理念，集成先进的分析工具和算法，让数据驱动的理念深入人心，形成全员参与的管理创新氛围，树立了行业标杆。
具体各个阶段的建设过程的背景与痛点如下：
在工厂数字化转型的初期，四川中烟成都卷烟厂面临着诸多挑战。不同系统间管理维度的差别导致了数据统计口径的差异。这种差异性使得跨系统的数据汇总和对比变得异常复杂。各个系统的接口繁杂，数据传递和整合过程中出现了诸多技术难题，增加了系统维护的难度和成本。具体业务中，往往需要从宏观整体到细节末梢的数据汇总、归集和分析。在生产管理中，不仅需要整体的生产数据，还需要具体到每一个生产环节、每一台设备的详细数据。这种多维度的统计分析需求，现有的信息系统难以完全满足，导致数据分析的效率低下。
尽管工厂已经建成了MES、高架库WMS、卷包数采、制丝集控等多个信息系统，这些系统基本覆盖了生产、配方、库存、设备、质量、能源和安环等业务领域，但在实际操作中，业务部门仍然依赖大量的手工报表工作。手工报表不仅工作量大，效率低，还难以保证数据的准确性。数据的收集、整理、统计和分析过程中，人工操作频繁，出错率高，严重影响了数据的可靠性。这些问题在数字化转型的第一阶段尤为突出，解决这些问题是工厂实现数据业务化的关键。通过不断优化数据管理维度、简化系统接口、提升数据统计分析能力，才能逐步实现数据的自动化、智能化。
在工厂的数字化转型过程中，业务线上化的初期，工厂的许多零星业务并未被纳入信息系统的支持范围，依旧依赖于口头传递和手工记录，导致业务流转效率低下，信息传递不畅。这种局面增加了人工工作量，还容易出现数据错误。因此，工厂迫切需要提升业务效率，引入自主可控的技术手段，将各项业务流程全面线上化，减少人为干预。工厂在这一阶段面临的主要挑战还包括系统间连接互通的突破需求和数据孤岛问题。现有的信息系统在各自为政的情况下，数据难以共享，导致业务流程无法无缝衔接，信息流动受阻。数据孤岛的存在使得跨部门、跨系统的数据整合和应用开发变得困难重重，严重制约了数据的潜在价值发挥。智慧工厂的建设需要各系统间的数据信息能顺畅地流动，实现业务的全面整合融合。
随着工厂数字化转型的深入，传统报表通常以静态表格形式呈现，数据更新不及时，信息传递速度慢，导致管理人员难以迅速获取和处理最新的生产数据。此外，单调的表格化界面无法直观地展现数据价值，信息的可视化程度低，影响了管理决策的准确性。数据分析能力尚有不足，各业务条线的数据挖掘和分析需求仍未得到充分满足。工厂拥有大量的数据资源，但这些数据未能得到有效利用，无法为管理决策提供深层次的支持。因此，工厂需要着力解决系统间的连接互通问题，通过构建统一的数据平台来实现数据的集中管理共享。提升数据分析能力，开发各类深度数据应用，挖掘数据价值，支持各业务条线的分析。这一阶段的目标是实现业务整合和数据应用的全面深化，推动智慧工厂的建设。
数据分析应用的不断深入，工厂各层级、各条线的管理人员对数据价值的理解也在逐步加深。在传统的管理模式下，信息化主要起到提升工作效率、减少人为错误、优化流程等作用。然而这种作用更多的是在现有管理框架内进行优化。而随着数据分析技术的进步，信息化的作用正在从单纯的效率提升向数据驱动的管理变革转变。工厂对海量数据的收集、处理和分析，能在生产、质量、设备、能耗等各个方面进行更为精细化管理。
例如，通过能耗数据分析，找出高能耗环节，实施节能降耗措施，降低生产成本。在这一阶段，工厂还需要构建更加智能化的数据平台，集成先进的分析工具和算法，让数据驱动的理念深入人心，形成全员参与的管理创新氛围。
随着信息化和智能化程度的不断提升，对专业技术人才的需求也在增加。数字化人员短缺问题进一步制约工厂数字化建设快速推进。工厂需要不断加大对数字化复合型人才培养力度，利用专项培训和实战项目，提升现有员工的数字化技能。
在过去五年的建设历程中，四川中烟成都卷烟厂通过系统化和逐步深化的实施方法，成功推进了数字化转型，并解决了多个业务和管理的痛点。以下是我们在各个阶段的具体建设思路与方法：
在成都卷烟厂的数字化转型初期阶段，首先选择了业务管理中的小需求点作为突破口。通过引入帆软FineReport，快速实现了数据汇集和统计工作的线上化。这一举措不仅使得工厂能够迅速响应业务需求，充分验证了产品开发效率价值后。随后，厂内进一步推动了一系列实用的数据应用，例如生产管理科的生产统计报表。这些报表实现了生产系统数据与人工填报的自动收集和处理，自动化生成统计报表，显著提升了信息传递的效率。曾经繁琐的人工统计工作现在通过系统自动化完成，大幅减少了工作量。
这一阶段的初步建设不仅在工厂内部形成了可用的数据基座，而且为后续更大规模的数字化转型奠定了坚实的基础。各个科室的基础业务数据统计工作，包括生产计划、物料库存和设备状态等，都开始逐步推进自动化建设。这些措施不仅提高了业务管理的质量，而且强化了工厂在数字化转型中的自主可控能力
在成都卷烟厂的数字化转型过程中，初步的数据应用建设揭示了底层数据融合的关键性。随着各个业务系统逐步上线，数据孤岛问题愈发显现，不同系统间的数据无法互通，严重影响了企业对数据的完整性和深度分析能力。为了应对这一挑战，工厂迅速决定建设统一的智能工厂CPS平台，以实现多平台数据的有效融合。通过集成MES、PDM、WMS等业务系统的数据，工厂建立了统一的数据标准和接口，解决了数据格式不统一的难题。
同时，利用智能工厂CPS平台，工厂实现了对生产过程中各类数据的自动化采集，包括设备运行状态、生产工艺参数和物料消耗情况等关键信息。这些数据通过实时传输到智能工厂CPS平台进行存储和处理，经过数据清洗、去重和标准化处理后，为后续的深度数据分析和业务应用提供了可靠的基础。通过建立全面的数据整合与共享机制，不同部门能够便捷地访问和共享数据，例如生产部门可基于库存数据调整生产计划，质量管理部门则能够利用生产数据进行精确的质量跟踪和分析。
此外，成都卷烟厂还实施了严格的数据安全和权限管理机制，确保不同部门和角色只能访问与其工作相关的数据，有效防止了数据泄露和滥用的风险。这些措施不仅成功解决了数据孤岛问题，还为企业的数据管理提供了可持续的保障，确立了统一的数据基础设施。
随着数字化转型的深入，工厂进入了业务数据化阶段，重点在于实现业务流程的全面线上化，减少人为干预。这一阶段的关键是将零星业务纳入信息系统的支持范围，从而显著减少了人工工作量和数据错误的风险。成都卷烟厂基于融合后的数据平台，进一步拓展了深度数据应用场景，显著提升了生产管理的效率和质量。通过多种数据应用，工厂实现了试验管理的全面数字化和自动化，从试验计划、数据采集到结果分析的全过程管理。与此同时，成都卷烟厂利用云平台的零代码搭建能力，对业务流程进行了仿真和优化，进一步提升了生产效率和管理水平。
通过建设智能工厂CPS平台和全面的数据整合与共享机制，不同部门能够方便地访问和共享数据，在工艺质量管理方面，工厂建立了工艺质量管理，实时监控关键工艺参数，及时发现和解决生产中的质量问题。准时化管理系统的实施优化了生产流程，通过精准的生产计划和调度，减少了等待时间和生产周期。利用消耗分析系统实时监控物料和能源的消耗情况，通过找出高消耗环节，有效降低了生产成本。
通过业务数据化和全面数据整合，成都卷烟厂在数字化转型中不断强化其自主可控的数据驱动管理理念和能力，确保标杆引领作用的发挥，在市场环境中保持领先地位。
在成都卷烟厂完成数据融合和业务数据化后，工厂通过上屏作战支撑，实现了数字化建设成果的显化。可视化大屏展示系统在此过程中发挥了重要作用，使管理层能够直观地了解企业的运营状况，实时监控生产、质量、设备和能耗等关键指标。管理人员通过大屏能够实时查看各项指标的变化情况，及时发现异常并迅速做出反应。
例如，在生产过程中出现质量问题时，管理人员可以通过大屏查看质量数据，迅速定位问题环节，并采取必要的纠正措施，从而避免不良品的批量产生。这种实时的数据可视化展示不仅提升了管理决策的准确性和时效性，还加强了生产过程中的实时监控与管理。
通过数据可视化辅助决策，成都卷烟厂不仅实现了数字化建设成果的显化，而且提升了管理层对企业运营情况的全面了解和实时监控能力。这些措施不仅在提高决策效率的同时，还为工厂在数字化转型中赋予了更强的智能化和敏捷化管理能力。
在面对现代制造业的智能化趋势下，成都卷烟厂通过构建智能化工艺管理，实现了工艺问题的智能处置和业务流程的全面优化。通过数据标准化和智能预测算法的应用，工厂有效解决了传统工艺监督中的诸多难题。这包括了设备数采的规范化管理、多源数据的统一处理，以及复杂业务场景下的协同优化。
同时，成都卷烟厂不仅仅局限于数据可视化的展示，还利用了先进的3D仿真技术和指标预警系统，实现了生产车间、物资管理和设备维护等多个业务领域的全面智能化覆盖。指标预警系统通过实时监控关键指标，一旦发现异常情况，能够自动发出预警通知，帮助管理人员及时采取应对措施，确保生产过程的稳定性和效率。同时这种深度数据应用不仅提升了管理决策的准确性和时效性，还确立了工厂在行业中的标杆地位。成都卷烟厂的做法不仅仅是追求技术的应用，更是通过创新性的数据驱动，推动了整个行业向智能化和标杆化方向迈进的重要一步。
5.数据人才服务与培养
工厂制定了详细的数据人才培养计划，涵盖了各个层级和岗位的员工。工厂定期举办数据分析和应用的专题培训课程，邀请业内专家和学者进行授课，帮助员工了解数据科学的基础理论和实际应用案例。通过“学中做，做中学”的方式，为员工提供参与实际数据项目的机会。在生产管理、质量控制、设备维护等领域，工厂安排员工参与到数据应用项目中，负责数据采集、处理、分析和报告生成等具体工作。
工厂还建立了内部知识分享和交流平台，鼓励员工分享数据分析的心得和经验，促进相互学习和共同进步。定期组织案例研讨会，员工可以在交流中碰撞出新的思路和方法。工厂还制定了相关的激励机制。对于在数据项目中表现突出的员工，工厂给予相应的晋升机会、奖金和荣誉称号等，使数据驱动管理的理念深入人心。
成都卷烟厂还与高校和科研机构建立了合作关系，开展联合培养和技术合作。引入外部专家资源，及时跟进最新的数据技术发展趋势。工厂也为高校和科研机构提供了实践基地，共同推进数据技术在生产管理中的应用研究。经过这些系统化的人才培养措施，成都卷烟厂成功地打造了一支具备高水平数据分析能力的复合型人才队伍，以此提升了企业的核心竞争力，也为工厂的可持续发展提供了强有力的人才保障。
数据基座：2019-2023年——数据融合与智能工厂CPS（信息物理系统）平台（持续支撑阶段建设发展）
- 目标：解决数据孤岛问题，推进数据融合。
- 关键动作：
- 智能工厂CPS平台建设：建立统一的智能工厂CPS平台，整合MES、PDM、WMS等系统的数据，打通跨系统的数据共享。
- 应用数据模型化建设实现数据汇聚：通过智慧工厂CPS平台，实现多平台数据的汇聚和统一管理。
第一阶段：2019年——实现工厂数据业务化
- 目标：提升信息传递效率，解决数据统计难题。
- 关键动作：
- 生产统计报表：利用低代码平台快速构建生产统计报表，提升信息传递效率，减少人工统计工作量，提高数据质量。
- 初步信息化：选取业务管理的小需求点，快速实现管理流程的信息化。
第二阶段：2019-2023年——数据应用深化
- 目标：深化数据应用，提升管理效率。
- 关键动作：
- 深度数据应用：包括试验管理平台、工艺质量管理、准时化管理、消耗分析、有效作业率等应用。
- 数据标准化：规范数据标准，统一指标口径，形成完整的数据管理体系。
- 无纸化办公：推进无纸化办公，数据资产沉淀，实现生产数据和检查数据的电子化存储。
第四阶段：2021-2024年——深度数据应用与智能应用试点（与第五阶段并行）
- 目标：提升生产过程管理效率，实现管理智能化。
- 关键动作：
- 生产协同调度：建立生产调度系统，提升信息流通速度，实现实时监控和预警调度管理。
- 工艺质量提升：构建工艺质量管理系统，实现月度质量统计分析和异常结果实时预警。
- 成本资源管控：建立成本资源管理系统，优化能耗控制，减少物料浪费。
- 设备效率优化：实现设备工时统计和维修保养信息管理，优化设备效率。
- 能源消耗监控：建立能源消耗监控系统，定位高能耗原因，支持节能减排技术改造。
第五阶段：2021-2024年——可视化与智能工厂的构建（与第四阶段并行）
- 目标：显化数字化建设成果，提升管理决策智能化水平。
- 关键动作：
- 上屏作战支撑：实现业务数据和分析结果的可视化展示，管理层能够直观了解企业运营状况，做出准确决策。
- 智能应用：利用3D仿真、虚实结合、指标预警等功能，全面覆盖生产车间、物资科、制丝车间等业务范围，打造智能工厂整体形象。
人才培养：2019-2024年——数据人才服务与培养（贯穿各阶段始终）
- 目标：提升员工数字化技能，培养复合型人才。
- 关键动作：
- 专项培训：开展针对性的数字化技能培训，提升员工的专业能力。
- 实战项目：通过实战项目培养复合型人才，确保平台的深入融合与企业核心竞争力的提升。
通过CPS数据汇聚平台整合MES、WMS、PDM等系统数据，利用FineDataLink数据平台进行数据集成、清洗、转换和存储，构建了包括ODS、DWD、DWS和ADS在内的多层智能工厂CPS平台。通过低代码平台和FR填报数据，实现了自助分析、驾驶舱分析和报表分析等数据应用，并通过终端展示在移动端、PC端、大屏和系统集成中，确保了数据的实时性、准确性和可视化管理，全面提升了生产管理和决策的智能化水平。
通过这样的系统化建设，四川中烟成都卷烟厂不仅实现了数据的集中管理和高效利用，还通过智能应用和可视化展示，提升了管理决策的智能化水平，推动了工厂的数字化转型和高质量发展。
下面将围绕各阶段下的典型亮点场景展开整体的典型应用场景介绍：
使用产品：FineReport
- 场景背景
新发烟品或者现有烟品工艺参数、配方变动，都需要通过前期试验生产成功后，方可投入正式投产。试验生产会根据实际生产过程在各生产车间完全运转一遍，最终根据试验的成功、失败情况进行总结入库，面对整个试验试生产的环节，需要进行多个部门、多个环节的共同配合工作，如何做到各个业务的信息拉通、任务协同，事后复盘，是试验试生产数字化管理过程中急需解决的问题。
- 问题分析
试验试生产管理过程中，线下数据繁多，各个部门之间存在数据壁垒，导致了大量的时间精力浪费，核心主要存在以下三个方面的问题。
- 事前信息响应效率低：试验生产前沟通难度高，各个部门难以协同；投产前试验试生产流程冗长且配方、工艺参数变动频繁，试验负责人定期逐个部门电话沟通确认执行情况才能了解生产进展，信息无法及时传递和响应。
- 事中生产进度无法实时透明：试验生产过程中进度无法监控，成本难以控制；试生产在车间里面进行，各工序流程复杂，业务人员无法及时了解试试验的进度。
- 事后复盘分析不够全面：试验试生产后数据结果难以复用，成功与失败的试验缺少多维度分析与总结；试验后需要总结汇报试验生产的情况，对问题缺陷进行复盘，从而整体提升试验成功率。
为解决上述问题，成都卷烟厂协同帆软，从问题根源出发，梳理试验试生产各个环节中的关键流程、节点以及责任部门，进行数据相关权责的配置，通过流程化、数字化构建起一套试验试生产监控平台，针对事前准备、事中监控、事后复盘，打造完整的闭环管理体系，提升试验试生产各个环节的运营管理效率，实现提前准备、实时监控、按时复盘的管理机体系。
- 试验负责人发起试验单，确定试验生产流程节点
第一步：试验负责人确定试验生产立项后，会创建一个试验单并填写试验内容；第二步，由领导对试验单内容进行审批，确定试验生产配方单、工艺要求情况；第三步，领导审批通过后，试验负责人点击进行中进行到流程配置页面，会从标准的15个流程节点中选择本次试验需要执行的流程节点（流程节点制丝段、卷包段不同）；第四步，试验负责人配好流程、得到领导的批准通过后，会进行流程确认，正式发布本次试验，试验相关负责人可以通过试验查询单查询到自己相关的试验流程。
1.1试验通知单查询
1.2试验单审核
1.3试验单流程确认
- 试验单流程中各关联部门准备完毕，试验试生产过程监控
流程单发起后，各相关科室便开始执行准备动作，由技术中心发起实验通知、工艺质量科去负责试验的编制、转发、到后面的PDM配方挂接，生产科负责制定生产计划、以及香精香料、原料MES备料，物资科根据备料情况提供原料及入库动作，车间负责生产标准维护、香精香料入库。每个部门线下工作执行完毕在流程图中点击确认，最终通过绿色标识、灰色标识分别展示每个节点动作的执行情况，试验负责人可以清晰的了解流程动向，也可经定向沟通问题。
1.4生产前各个流程准备情况监控
1.5生产执行过程进度监控
1.6生产后资料归档总结
- 试验生产统计结果汇报及复盘
由试验管理员选择不同时间段，分析制丝、卷包、综合，以及细分类配方试验、工艺试验、样品烟、零星试验、材料上机试验、其他试验过程的试验情况，并统计试验单的完成情况和失败情况。每月工艺质量、技术中心会根据该面板向领导进行工作的汇报。
1.7试验单统计分析
1.企业内部数据流转效率与质量显著提升：业务人员不用在车间、办公室、技术中心逐层提交数据，源数据可以直接贯穿使用；同时技术中心、工艺质量统计数据，能够自动生成分析驾驶舱分析的同时，不用去担心数据质量的问题。
2.业务人员工作协同效率显著提升：通过试验试生产工序阶段透明和节点控制，各个部门通过大屏能够各司其职，通过流程图清晰的知道各节点的完成情况，对于未完成的节点能够定向沟通，整个试验过程达成有效协同，大大降低了沟通成本，试验试生产整个流程运转时间缩短25%，全面实现线上化流转。
3.业务分析总结能力全方位增强：试验后的成功与失败的经验能够进行有效汇总分析，自动形成对业务领导的试验试生产评估汇报，各项异常参数能够及时发现，通过闭环验证，将试生产的成功率提升了40%。
4.直接效益明显提升：由线下excle分散管理到线上统一集中管理，实现数据标准化与自动统计计算，减少线下维护与汇总、上报审核时间和沟通成本，根据前后时间日均差*人数*年度使用天数测算，每年可节约工时：0.5*20*80=500小时。
使用产品：FineReport
1、场景背景
由于烟草行业内市场竞争形势严峻，营销需求不确定性高，卷烟生产不仅需要提供高质量的产品，还需要严格控制生产成本。为打造领先工厂，实现工厂可持续发展，成都卷烟厂引入精益生产的生产准时化和大数据的信息可视化理念，对卷烟生产全过程进行改善和统筹优化，以提高生产效率为目标，保障精准营销的需求。在卷烟生产流程中实施准时化生产方式，与标准时间核对，统计生产现场的问题，与各工序实际运行情况对比分析，消除多余动作、等待时间、效率低下等问题，自动集成准时化生产报表及问题分析，为生产效率提升提供信息技术支撑。
2.1精益生产管理规划图
2、问题分析
生产科是工厂生产制造管理的统筹部门，负责制定、发布生产计划，并围绕生产计划总体协调物资、设备、人员等相关问题。长期以来，生产科在卷烟在安排生产的过程中，下发的生产指令具体执行情况如何，缺乏准确的数据来反馈给生产科，导致很多生产安排都是单向型、粗放型的在执行。核心存在以下几个方面的问题：
- 生产数据及报表统计口径不一：数据向上汇总、计算带来大量重复劳动，导致填报问题突出，占用统计人员过多时间；因部门墙、数据孤岛的存在，报表收集、计算费时费力，效率低；系统中相关数据缺失，线下的数据缺少填报录入的入口，实际生产发生的数据情况难以跟系统中的数据进行验证比对，从而优化生产结构。
- 生产统计分析应用不够全面：缺少对生产过程中人员、设备、物料等相关因子对生产计划结果的影响程度及原因分析，难以形成完整的综合分析报告，进而对生产计划及生产成本进行管理和优化。
通过传统统计数据的信息化提取，以准时化为思路，设计并构建卷烟生产信息化和可视化平台。通过该平台，可对卷烟生产各工序进行科学化管理，提升柔性化加工能力，使卷烟产品向着精准交货，品质优良，成本控制得当等方向发展，从而促进企业效益最大化。
- 准时化指计算数规则设计及指标清单：
以卷包每天、每班、各机台的生产定额和异型烟车间每天的生产定额作为基准，按时按质按量生产出卷烟产品。根据各机台生产品规的重要程度、产量比重等设定权重，形成工厂级准时化生产指数，作为评价衡量工厂准时化生产水平的依据。以生产定额、标准、流程为基础，确定制丝车间、卷包车间、异型烟车间和其他相关部门的准时化生产评价衡量指数。
2.2精益生产准时化指数规则设计
2.3精益生产准时化指数业务指标清单
- 生产环节预警规则设置以及业务人员填报流程设计：
工厂及各部门准时化目标设定，针对工厂、以及各部门的准时化指数提出达成的目标要求，目标根据每个科室的执行情况设定，例如车间无法避免的一些环境因素影响会在一些细节上必然丢分，目标值便不会设定不100分。以生产指数连续4天低于95分为预警标准，发生生产指数预警部门需查找原因，制定整改措施，打造PDCA过程闭环管理机制，能够将整改措施和整改情况报送至生产科。
2.4准时化指数填报流程及规则
- 卷烟生产制造各个部门准时化指数相关指标填报录入：
- 卷包计划产量填报：对各机台的情况，维护各班次的理论工作时间以及理论产量，用于后续的实际产量与理论产量的对标。
2.5卷包计划产量填报
- 卷包生产效率影响因素跟踪：跟踪各类因素导致的生产效率影响，包括保养、未排产、换牌、规格改造、试样、待料、动力影响、人员、天气、质量调试、设备维修等。
2.6卷包生产效率影响因素填报
- 动力车间保障指数填报：统计水、电、汽的影响时间。
2.7动力车间保障指数填报
- 生产科待料、换烟情况填报：统计各机台受待料、换烟的影响时间。
2.8生产科待料、换烟情况填报
- 制丝车间指标填报：断料、黄牌生产、总生产批次、当时维修时间、维修次数、影响停机时间等。
2.9制丝车间指标填报
- 准时化指数查询与业务分析监控
工厂级别的准时化分析展示，从工厂整体查看整体准时化情况，进一步通过时间维度，查看本月每天的当时化变动趋势，共包含9个模块，即工厂准时化指数、日期准时化指数、生产科准时化指数、制丝车间准时化指数、卷包车间准时化指数、工艺质量科准时化指数、动力保障科准时化指数、物资管理科准时化指数、物资设备准时化指数展示模块。每个模块可通过时间段选择功能，显示不同时间段的可视化数据结果，快速发现生产过程的异常项，及时响应调整生产中的浪费。此外，将准时化指标细化落实到部门头上，直观的看出各科室的执行优劣、达标情况。每周生产线大会关键驾驶舱页面，一张驾驶舱，综合评估出生产线每个部门的工作完成的好坏，从而达到驾驶舱了解部门生产工作开展情况，管理成本降低30%，时间成本降低60%，各部门工作量也大大减轻。
2.10生产准时化分析驾驶舱
1.实现精益生产准时化驱动，保证计划稳定进行：准时化生产的信息化、可视化建设，使各生产工序的生产数据更准确更迅速的传达到各个环节，使各部门能快速掌握生产现状。同时通过实时动态数据的传播，更好的完成了跨部门协作，准时化生产系统实施后，在保障质量的同时，提高了各车间的生产效率，减少了浪费，使生产计划完成率达到100%，营销需求保障率达到100%。
2.生产参数指标快速分析，实现管理闭环：使工厂各生产加工工序得到了全面、科学的管控，使生产流程标准化、系统化，使工厂的生产能够适应行业市场竞争多样性、产品质量要求高、消费者需求变化快的状况。
3.实现了多维度指标综合信息检索：线上减少指标歧义与沟通成本，快速进行指数达成情况汇报，相比传统线下整理文档，按照九大指数模块，100多项指数指标，每次减少分析时间0.5h，根据前后时间日均差*人数*年度使用天数测算，每年可节约工时0.5*30*100=1500小时。
使用产品：FineReport+低代码
1、场景背景
卷烟生产制造属于半流程半离散型制造模式，核心工艺主要包括制丝与卷包两大核心环节，在生产过程中，物料的成本消耗一直以来是成都卷烟厂核心关注的重点，为了落实以优化控本降耗工作机制为核心，全面落实物料消耗管控相关要求，需要围绕制丝卷包工艺，针对生产过程中的烟丝以及辅料消耗进行分析，最大限度减少成本的浪费，实现物料消耗的全面分析管理。
2、问题分析
①系统异构和业务协同困难造成了物料消耗控制的困难，制丝卷包过程中的消耗数据难以及时进行统计，同时缺少相关的标准进行衡量对标。
②在整个生产制造过程环节中，对于烟叶等物料损耗没有进行详细统计分析，不同工序段损耗情况没有进行透明，工作人员无法精准找到改善方向和目标。
③缺少从产线、品类维度分析原料使用及损耗情况，业务人员无法及时了解异常损耗区间，对比进行改善优化。
基于业务实际生产情况，搭建物料损耗控制管流程，针对物料实际消耗与理论消耗情况进行对比，层级从车间、产线、班组、机台层层进行下钻分析，全面实现物料消耗的综合管理，针对异常损耗及时进行预警跟踪。
1.1物料损耗对比控制
1.2原辅料消耗分析
1.3生产过程损耗查询
同时通过生产烟叶消耗驾驶舱大屏，业务人员将实际损耗跟目标损耗进行对比。能快速了解异常损耗情况，改善工序的流程，降低生产过程中的成本，提升生产效率。
1.4烟叶消耗分析驾驶舱
通过对不同的消耗维度进行分析，以月度目标为基础，展示班组、品牌、牌号、机台的消耗情况；将实时数据与同期的情况进行对比，关注各类辅料在不同机台层面消耗情况的对比，了解目前生产制造整体对于损耗的把控情况，对于损耗异常的情况可以及时采取措施。
1.5卷包机台消耗分析驾驶舱
1.基于卷烟生产制造过程，实现了对各个环节烟叶及辅料的消耗监控及对比，结合数据分析的结果回溯到生产环节之中具体分析产生损耗差异的因素，能够选择对应的因素进行管理动作的调整，从多个管理角度降低成本损耗。
2.实现了数据的线上化流转，能够基于车间、产线、班组、机台进行数据多维度下钻分析，细化到每一个机台的消耗情况以及关键影响因素，与标准消耗指标进行对比，进一步找出短板机台，分析原因和提升设备运行效率。
3.通过线上复杂报表的数据统计对比与大屏驾驶舱的可视化分析，减少了80%线下人员工作量，基本实现了全厂区生产无纸化的覆盖，消耗分析月报从以往花三四天才能完成，到现在能够按照周、月、季度直接进行汇总统计，根据管理需求定制化指标分析报表，每次节约时间2小时，根据前后时间日均差【线下数据汇总时间+制表时间+分析时间】*人数*年度使用天数测算，每年节约工时约（1+0.7+0.3）*15*70=2100小时，同时极大程度提升了管理者的决策时效性。
使用产品：低代码
1、场景背景：
成都卷烟厂正处于生产模式革新的关键阶段。随着市场需求的不断变化和技术的迅速发展，为确保车间生产流程的顺畅与稳定，成都卷烟厂需通过构建复合自身业务逻辑的数字化管理系统，优化生产流程，提升生产效率。这一革新不仅涉及技术的更新，更要求员工具备数字化思维，共同推动工厂向智能化、高效化转型，以适应市场的快速变化，确保产品的质量和交付的及时性。
2、问题分析：
在智能工厂建设的征途上，尽管多个基础性业务系统已经建立并积累了一定的数据储备，但这些系统之间却普遍存在着“数据孤岛”现象。具体内容如下：
各个系统独立运行，数据未能有效互通，导致数据分布零散，缺乏统一的管理和整合。这种数据分散的状态不仅使得数据难以形成整体连贯的底层体系，更限制了工厂利用数据进行全局可视化的能力，数据无法在决策、优化和监控生产流程时缺乏有力的数据支撑，无法快速准确地掌握生产状态和市场变化。。
由于当前业务系统的数据收集与整合方式未能精准匹配实际业务场景的需求，许多数据和审批流程不得不依赖于繁琐的人工操作。这不仅严重影响了工作效率，增加了时间成本，同时也增大了出错的风险。在协调多个部门和流程时，这种依赖人工的方式更是困难重重，难以确保信息的及时性和准确性，从而难以实现高效、闭环的管理。
引入低代码平台在车间生产流程中合理应用，支撑提升生产效率和管理的精细化水平。
在产前阶段，低代码平台以其灵活性和易用性，能够迅速响应需求和产能预测的变化。通过拖拽式操作，用户可以轻松定制和优化生产计划，设置生产任务的优先级、排程和资源分配，确保生产流程的高效启动。这种快速响应和定制化能力，使生产计划更加贴合实际业务场景，减少了人工干预和错误。
进入产中阶段，低代码平台自动收集生产数据，并通过可视化界面实时展示生产进度、设备状态、产品质量等信息。一旦生产过程中出现异常情况，平台能够立即发出警报，并通过预设的应急处理流程，引导操作人员进行快速响应和处理。这不仅降低了生产风险，提高了产品质量，还减少了人工巡检和处理的成本。
在产后阶段，低代码平台通过集成能源管理和物流运输等模块，实现了对生产成本的精确控制。平台能够分析生产过程中的能源消耗情况，提供节能建议和优化方案，降低生产成本。同时，平台还能与物流系统无缝对接，实现订单信息的实时同步和物流资源的优化调度。这不仅提高了物流运输的效率和准确性，还减少了库存积压和运输成本。
此外，通过统一的数据管理平台，工厂能够收集、整合和分析来自不同系统的数据，形成全局连贯性的数据底层体系。
- 制丝生产过程工序自检
通过对接车间生产管理系统的调度数据，进行当班人员的业务自检填报，通过业务线上化及时获取生产质量的最新数据，从而实现对产品质量的精准控制，同时可以实现生产数据与自检结果的当班监控和分析，帮助企业管理者更好地了解生产情况，及时调整生产策略。
- 设备点巡检
支持指定时间，手机提醒员工去巡检，在员工手机扫码后，开始录入设备的巡检信息；同时通过GPS定位+拍照水印，可以规避假巡检；实时展示已巡检、未巡检设备，防止遗漏。提升了设备保养的及时性和准确性，延长设备生命周期。
同时对设备各项管理指标的筛选和分析，搭建烟草一线设备管理台账，可以通过填报上来的信息了解不同类型设备的使用情况和检查结果，核心关注各项重点指标，帮助领导快速了解厂区各个区域设备的安装、投入、使用明细。
- 卷包工艺监控
通过搭建卷包车间冻结翻箱的流程，从冻结—解冻—复检，对各个流程数据信息进行无纸化填报管理，同时能够通过自定义仪表盘对过程数据和结果数据进行分析和汇总，将整个工艺过程线上化、可视化。
- 质量抽样流程
通过搭建工艺产成品抽样流程，通过自定义筛选，可以选择对应的审核管理人员及取样人员，完善了整个工艺质量各个科室之间的信息链，层层进行抽样审核管理，将工艺质量的各项过程数据记录在案，方便事后进行查询和分析，提升了质量抽检无纸化管理的工作效率，减轻了业务人员线下数据统计压力。
- 工艺质量考试
通过定期进行培训和考核，员工的工艺知识和操作技能得到不断提升，能够更好地适应工作需求，提高工作效率和质量。
- 场景价值：
1、构建跨系统数据互联生态：实现多系统间数据的自动填写、即时提取与智能化利用，从而提升生产质控数据处理效率与准确性。
2、数据驱动的智能填报机制：通过深度整合各业务系统数据，构建智能填报辅助系统，为决策提供全面而精准的数据支持，进而提升业务决策的精准性和前瞻性。
3、优化业务流程，实现高效运作：采用前沿的流程开发模式，实现业务流程的灵活配置与高效执行，通过线上标准文件的即时下发与变更管理，确保信息流的实时更新，优化业务处理效率。
4、打造用户体验优化的数字化界面：设计简约直观的用户界面，并实现双端（如PC与移动端）的无缝互通，为用户提供便捷的数据填报与流程处理体验，减少人为错误，提升工作效率。
5、构建企业微信一体化平台：整合企业微信平台，实现基于成员身份信息的精准消息推送与预警机制，涵盖库存、物料、设备管理等多维度信息，强化企业内部的协同与信息沟通。
6、实施精细化货品生产追溯策略：构建生产全流程跟踪策略，实现对异常货品的即时定位与全程追踪，确保异常货品能被迅速拦截并召回，，单次节省时间半小时以上，显著提高处理效率，降低市场风险，并强化企业的品牌形象与信誉。
7、提升员工工艺知识与操作技能：通过定期的专业培训与严格的考核机制，不断提升员工的生产工艺知识水平与操作技能，确保员工能够高效、准确地完成工作任务。
使用产品：FineReport+FineBI+低代码
1、场景背景：
一直以来，公司和工厂高度重视数据可视化对业务指导、数据决策、参观展示的重要作用，同时，加深员工对工厂智能制造水平的感知体验，也是智能工厂建设过程中必不可少的要求。
在智能工厂建设过程中，多个基础性业务系统建立起的数据可视化内容多数停留在各种的系统界面上，但是建立的内容也多数停留在电脑终端和手机终端上，有效数据分布相对零散，未形成整体连贯性的数据可视化展示，对智能工厂的整体建设情况展现不足，有必要针对工厂生产工序建立起全局的数据可视化内容，用于为业务人员提供整体的、跨工序的有效数据传递，建立起可视可感知的用户体验，提升智能工厂整体形象。
成都卷烟厂从实际业务发生过程出发，按照卷烟生产全工序业务流程，搭建了全工序分析一体化平台，实现了数据流、信息流、业务流的运转，围绕核心车间及工序，全面还原了生产制造过程，针对各个环节的关键指标数据进行监控预警，分析指标异常的原因，保障生产持续稳定进行，聚焦基于数据驱动的管控模式探索，结合业务部门实际需求，积极开展基于数据管理、可视报表、商业智能的研发，自主开发了多个综合数据分析应用。为实现“智慧工厂”的建设打下坚实的基础。
2、问题分析：
生产过程工序复杂，缺少指挥调度中心，烟草的正式生产过程中，缺少对各个层级的管理和数据分析应用体系，管理过程紊乱且整体系统性和程序性低，生产响应速度慢且缺少分析管理窗口。
生产过程指标无法实时监控和反馈，及时对生产计划进行调整；烟草行业内市场竞争形势严峻，营销需求不确定性高，生产过程中的计划经常变动和调整，业务人员缺少生产过程的分析平台，难以管控成本，整体生产效率无法提升。
各个车间的生产运营状态存在信息黑匣，无法围绕人员、设备、产量、消耗、质量等关键影响因素进行综合分析，提升车间整体的生产协同效率。
以生产统计科、工艺质量科两个科室为核心，围绕卷烟生产全工序流程，打造一体化的数据分析监控平台，为卷烟的生产制造提供数据支撑与业务保障。同时聚焦构建智慧运营、决策分析、风险预警等能力，通过整合多级架构数据并进行多维度的数据分析和层层下钻，全方位还原业务发生了什么，以及正在发生，或即将可能发生的趋势，全面还原、展现工厂产值、效率、成本、利润、准时化、质量、能耗等指标情况。让管理逐步从靠人靠经验向依靠数据管理，并为未来实现工厂智能化运营管控打下坚实基础。
1、搭建生产指挥调度中心：围绕“产、质、耗”三大目标，建设指挥平台
基于大屏透明目前该工厂的生产各个阶段的完成进度，管理者可以通过大屏直观分析各阶段、各品牌的完成情况，及时进行人员资源调度。
2、生产统计科业务场景分析
产量计划分析：通过业务填报、对接系统的方式，监控计划的执行及达成情况，按照时间、品牌维度进行穿透分析。
有效作业率分析：通过分析不同机台设备的有效利用率，针对性对关键设备采取措施，减少停机待机时间，充分利用设备生产时间。
（1）产量计划进度
（2）有效作业率分析
3、工艺质量科业务场景分析
生产过程质量分析：针对过程质量的相关工艺参数进行数据汇总、填报分析，针对不同阶段的关键参数数据进行监控，及时找出工艺过程问题。
烟丝质量检验分析：针对制丝关键环节工序的质量参数进行可视化统计分析监控，保证制丝过程的质量水平的稳定，针对断料等影响因素进行追因分析。
生产设备质量分析：通过抓取设备相关的数据，从设备角度分析设备的各项运行效率对制丝和成品质量带来的影响，提升设备的利用效率。
生产成品质量分析：对制丝、卷包之后的成品质量进行多维分析，形成月度质量分析报告，从而对成品优质品率等指标进行评价。
（1）工艺过程质量综合分析报表：通过数据整合将各个检测阶段的质量数据进行归拢，与行业标准值进行横行对比，同时将多系统数据源进行归集分析，减少人工报表的制作成本，提升质量分析的效率。
通过牌号缺陷到班组维度的分析，横向比较各个班组的缺陷扣分及质量得分情况，了解成品优质品率；同时穿透到品牌缺陷及问题分布明细，分析哪一类缺陷次数频发，针对性定位问题原因、责任人。
将各个产线、工序段的断料次数及明细进行分析，同时通过断料现象向下挖掘断料的原因，对原因进行进一步跟踪解决，定位问题频发工序段、人员等因素，针对性采取管理措施。
（4）针对不同烟丝的种类进行质量检验分析，按照不同牌号的烟丝进行分类汇总，了解各个品牌烟丝、梗丝生产质量情况，保障烟丝的质量，并在发现质量问题后及时追溯到相关责任人推动问题的解决。
（5）成品质量综合分析报表：将成品质量的结果直观有效呈现在管理者面前，从多个维度对成品的质量进行全方位的评判，避免成品整体质量下降，影响生产持续进行。
4、制丝车间生产场景监控分析
车间态势总览：通过对制丝各个阶段流程的复现和可视化展现，全方位还原制丝车间真实业务运行状态，核心关注车间工序生产批次和排产计划执行情况。
车间工艺质量：主要关注烟丝的工艺质量水平，针对各个产线、班组、牌号的优质频率进行分析，展现车间工艺质量水平。
车间设备得分：通过车间设备得分、质量得分的数据归总来反应制丝车间各个工序段生产运营情况，重点关注车间缺陷扣分事项，针对性进行改善工作。
车间能源消耗：主要关注制丝车间能耗水平及每公斤烟丝单耗指标，针对能耗上升幅度大的时间段重点关注，推进车间达成节能减排目标。
（1）制丝车间综合情况分析
通过驾驶舱展示制丝车间情况概览，分析优质品率及其增长波动情况，同时通过3D建模还原制丝工艺生产真实情况，让一线的生产活动能够有效得到监控，提升计划执行的监控力度。
（2）制丝车间工艺质量管理
车间维度对烟丝各个批次的优质频率情况总览分析，针对异常批次能够及时进行预警，分析异常不达标原因及工艺质量问题；同时按照牌号维度查看各个品牌月度优质品率的波动情况，找出关键影响因素。
（3）制丝车间设备得分管理
该模块主要关注车间设备班组的得分情况及扣分时间、原因和具体明细，核心展示整体的得分水平并按照班组维度进行排名。
（4）制丝车间能源消耗管理
通过大屏可视化看板监控车间水电等能耗指标的实时消耗水平和月度增长水平，控制能耗侧的消耗及费用预算。
（5）制丝车间工序现场看板
通过一线生产监控看板，还原各个产线工序阶段目前生产实时状态，帮助一线生产人员了解各个节点的生产进度、生产状态及工艺质量水平，提升对生产情况的感知水平。
5、卷包车间生产场景监控分析
车间数据填报录入：采集当前的生产班组、班次以及机台的生产牌号，自动匹配卷包车间各机台填报的生产、设备、质量、安全等运行情况数据。
车间工艺质量：主要关注卷包车间成品烟的各项工艺质量指标以及得分情况，分析优质品率出现问题的相关品牌、班组，快速发现问题产生的根源。
车间设备得分：通过车间设备得分、质量得分的数据归总来反应制丝车间各个工序段生产运营情况，重点关注车间缺陷扣分事项，针对性进行改善工作。
（1）卷包车间生产无纸化控制
采集当前的生产班组、班次以及机台的生产牌号，自动匹配卷包车间各机台填报的生产、设备、质量、安全信息等运行情况数据；通过时间、机台号、班组、班时、人工捡条等维度进行数据填报采集与展示。
（2）卷包车间产量计划分析
对计划产量按照时间维度和牌号维度进行拆解分析，关注牌号产量的分布占比，同时可以定位到相关设备机台的每日产出，保证生产计划按时达成，同时监控生产效率的变化。
（3）卷包车间工艺质量分析
聚焦卷包车间成品和过程的工艺质量水平参数，通过看板能够了解当月成品、过程的质量得分和优质品率情况，帮助车间人员了解生产成品的质量，及时发现不合格问题及原因，协助提升整体工艺质量水平。
（4）卷包车间设备得分分析
从不同牌号机组维度分析卷包车间关键设备（包装机、卷接机）的设备月度健康度水平，通过能力象限图展示消耗得分、质量得分、运行得分、运维得分四大关键维度的设备能力水平，通过得分情况判断设备整体效能及水平。
（5）卷包车间调试停机分析
卷包车间的卷接机和包装机在生产过程中会停机调试，从而影响卷包整体生产效率，通过对各个设备机台的调试时长、停机次数等指标分析，能够快速定位到出现问题频次较高的设备及原因，及时解决设备问题，提升生产效率。
6、动力车间业务场景分析
车间态势总览：聚焦于动力车间的业务指标，从用电负荷、能源消耗、排放指标、能效指标四个核心模块来进行数据分析，并进行异常预警。
车间排放监控：聚焦于排放指标：主要可分为污水排放和锅炉排放。按日维度查看，形成每日、每月排放监控分析报告，超标排放进行及时预警。
车间能耗分析：针对万支卷烟综合能耗进行多维度分析，从全厂、车间级、能源系统不同维度对比水耗、电耗、压缩空气耗、蒸汽耗情况，找出能耗异常的原因。
（1）动力车间综合总览
聚焦于动力车间的业务指标，从用电负荷、能源消耗、排放指标、能效指标四个核心模块来进行数据分析，实时监控车间的指标情况，并进行异常预警；辅助决策者保障动力车间的正常运行。
（2）动力车间污水排放监控
聚焦于车间各类排放指标，针对当日、当月的污水排放超标情况进行监控，按照多个范围进行对比分析，同时按照班组维度对排放物各类指标进行排名分析，快速定位超标排放的关键责任班组，针对性做出改善措施，控制整体污水排放物浓度水平。
（3）动力车间能耗综合分析
通过数据分析系统，开发能耗管理驾驶舱和能源分析报告。针对万支卷烟综合能耗进行多维度分析，从全厂、车间级、能源系统不同维度对比水耗、电耗、压缩空气耗、蒸汽耗情况，找出能耗异常的原因。
- 场景价值：
1、数据规范化管理能力加强：打通了此次项目模块涉及的部门之间的信息壁垒，将数据规范化，形成各部门认可的衡量指标。帮助烟厂实现一部分部门间的信息互通，实现层级间信息垂直透明。
2、生产各工序生产效率提升30%：展示卷烟生产前中后各个工序的数据可视化分析，同时结合移动端预警可以做到异常数据实时预警推送，快速精准定位生产过程中每一个阶段状态，辅助监控生产持续高效进行。
3、工厂管理人员决策响应时间减少100%：将多个日常业务模块由线下手工信息传递变为线上报表分析应用，提升业务管理的效率，通过BI平台对工厂数据流程进行监控分析，让管理者从人找数据变为数据找人，大大提高了数据时效性。
4、打造了一站式指挥分析跟踪与应用平台：实现各个层级用户对关键指标的一站式跟踪分析，层层穿透与溯源，减少报表制作时长12小时，按照236个核心指标，三大核心车间，500张报表驾驶舱及应用计算，平均每周需要出具一次报表，根据前后时间日均差【线下数据汇总时间+制表时间+分析时间】*人数*年度使用天数测算，每年可节约人工时超288,000小时。
使用产品：FineReport+FineDatalink+低代码
1、场景背景：
在卷烟精益生产行业趋势的影响下，公司和工厂高度重视制丝、卷包工序段的成品质量，并致力于建设出一套标准化的管控体系以便于对过程中存在的工艺问题进行及时处置和规避。同时以信息化、数字化的系统建设辅助管理者扫清多个工序、部门之间的协同障碍，实现更高水平、更精准、更高效的工艺体系。
成都卷烟厂统筹工厂信息化建设人才、从搭建工艺标准化数据库到智能预测算法的落地，并结合finereport强大的前端数据分析展示能力以及简道云的流程引擎。真正意义上实现了从设备数采到工艺问题识别、管理问题自动推送、问题处置的业务闭环，并逐渐形成趋于完善的工艺知识体系。
2、问题分析：
设备数采：
在传统工艺质量检验的工作模式下，卷包工艺质量科过程组班组长以及机台操作工、工艺工获取最新的水分&密度检测情况需要通过德国进口的设备来实现。该仪器由国内公司进行代采，仪器不具备数据库存储能力。代采商只具备最基础的硬件维护能力，业务人员在过往的工作中只能将设备自动转化的csv文件进行存储，处理，然后再分析；
数据质量：
工艺质量的分析基础数据多来自不同的业务系统，来源库与数据结构没有统一标准，同时脏数据没有在数据推送的过程中及时地得到处理，数据质量良莠不齐；
业务场景复杂：
当前工厂主要的生产部门分为卷包车间和制丝车间，其中工艺质量科负责在生产过程中进行工艺监督。车间的业务人员主要分为车间操作工、工艺工以及维修工；工艺质量科基于检验工序分为制丝组、卷包组、成品工作站。多样的职能导致了实际业务中大量的业务协同场景；
开发自主性低：
传统的业务系统基于代码开发的模式，导致了系统上线后工厂信息化人员无法自主进行模块维护以及变更，并适应公司、工厂不断变更的工艺要求以及业务流程，使得问题处置模块仍停留于线下纸质传递的阶段。开发难，运维难的问题迫切需要得到解决；
工业智能缺失：
在制造业趋于智能化的潮流下，工厂在工艺质量模块的异常预警和问题溯源任停留在人工阶段，这导致业务的人员素养需求和响应时间都有着较高的要求。在实际业务中也因为以上情况的出现导致工艺问题迟迟得不到妥善处理，直接影响了生产进度。因此成都卷烟厂迫切需要建成一套完善地智能化工艺预警体系，来辅助业务人员及时地对工艺问题进行处置闭环。
数据部分：
- 以工厂CPS作为基础业务系统的数据中台进行流程化的基础工艺数据推送为主，涵盖了MES、PDM等业务系统；
- 简道云作为工艺质量科对缺失的标准数据的补录手段来完善和控制标准管理基础的可用性和稳定性；
- 配合FineDatalink平台的功能调度python脚本作为识别非常规数据源（txt,csv,excel）的方式进行数据补录；
- 基于FineDatalink平台的数据集成以及数据清洗能力对基础数据进行清洗、汇总、转储，从而形成能够支撑业务分析以及管理决策的应用统计数据。
业务部分：
- 通过Finereport作为可视化分析的报表工具，提供了灵活可控的报表开发工具以及敏捷响应的开发模式，适应了复杂多样的业务分析场景；
- 基于python中数据分析库中的成熟模型，对当前业务下的水分、密度等重要信息进行多元预测分析，并在前端页面进行展示。将预警从事后向事前进行优化，有效地辅助工艺人员尽早地接入解决问题；
- 简道云平台的开放平台以及与企微集成的条件优势，使得FineDatalink平台和Finereport开发的前端报表能够在多种场景下灵活触发现有的工艺流程，为实际业务工作提供更为灵活可控的问题处理机制。线上化的处理模式同时提供了数据规范化、体系化，业务系统化、标准化的保障。该模式彻底打破了传统模式下的桎梏，极大程度上实现了业务增效。
- 构建工艺标准基础数据模型：
基于CPS汇集的成都卷烟厂制丝、卷包工序段的工艺质量标准、业务基础数据来进行规范化处理，形成一套统一的工艺标准体系。从而预警侧与分析侧的数据可用性与准确性，保障数据驱动业务，业务改善数据的双循环模式的实现。
（1）工艺物测标准管理（其一）
应用场景：通过获取其他业务系统已有标准源数据进行存储和前端展示，并支持新标准录入以及历史标准修改。通过生效日期来和版本号来进行版本管理，保障历史质量判定和未来质量判定结果的稳定性和可行性。
（2）数采设备源管理（其一）
应用场景：将涉及数采的设备进行规范化的信息录入，并且实时更新连接状态，保障在异常发生时能够反馈给一线业务人员正确的信息，支撑车间设备管理维修团队尽早地定位数据问题，保障车间生产工艺质量。
（3）工艺问题数据库（其一）
应用场景：存储多个业务系统汇集的工艺问题，形成工艺问题知识库，为当下发生工艺问题时提供历史经验的复用，从而提高问题的解决效率。同时角色划分的审核机制也保障了该模块的科学性和正确性，以及能够持续迭代更新的领先性。
- 完善智能预测分析模型：
- 剖切数据分析：
基于现有的剖切机数采情况以及当前车间的环境因素进行线性回归分析，利用python分析库的便捷优势与FineDatalink的图形化ETL开发模式、程序调用能力，形成一套及时的预警分析模型。能够基于白班的生产情况结合车间的环境因素来对中班的测评质量进行预测，从而在过程中及时地对响应问题进行处置。
重量明细与预测值：
重量趋势与预测曲线：
（2）水分数据预测
类似于剖切机的预测模式，通过不同的环境参数于历史一周的水分情况进行加权然后调用回归分析算法进行预测。同样对传统工艺问题处理进行了革新，将视角从事后转移到了事前，实现了智能化数字分析与应用在业务中的深度融合。
水分基础数据与预测值：
预测数据实现路径：
- 健全预警分析体系：
当前成都卷烟厂当前建成的预警体系，从结果导向分为事前预警和事后预警，从预警模式可分为手动预警和自动预警。
事前预警：结合python的预测模型和历史数据进行的拟合预测，对未来的工艺质量问题进行前端的预警显示。
事后预警：由于工艺问题已经产生，需要业务人员及时地进行处置，从而发起的问题处置流程以及前端的预警显示。
手动预警：通过前端的分析填报页面的非常规工艺问题进行人工干预，通常时手动退回与通知整改。在特殊场景下用人的业务经验填补系统的智能空缺，使得系统更加具备可用性和稳定性。
（1）制丝烟丝转运问题通知单（其一）
手动执行流程（Finereport+简道云+FineDatalink融合）：
自动预警：通过FineDatalink定时任务对数据进行标准判别，从而获取其异常状态，并通过接口推送至简道云发起问题处理流程。实际业务中根据问题模块的重要程度配置判别任务的执行频率来控制异常的推送时效。
（1）卷包车间剖解重量异常处置自动流程
执行盘点：工艺质量科开发了问题通知单执行页面从Finereport与简道云双端共同查看流程的执行进度，及时介入问题点，提高业务的执行效率。
（1）Finereport通知单管理：
响应级别最高，会附带执行文件。
（2）信息传递单：
响应级别低于通知单，作为通知单的补充对日常业务进行处理。
- 工艺业务流程改善：
通过简道云的流程引擎来助推线下业务向线上迁移，实现业务数据化、信息化的建设目标。当前工艺质量科的应用场景已贯穿了制丝卷包车间的日常工艺业务线，同时也影响到了成品检验与多部门协同的复杂场景。
（1）翻箱冻结（涉及：工艺质量科、生产科、安全科、卷包车间、物资科）：
（2）质量抽检（车间生产班组、工艺质量科）：
（3）工艺纪律（车间生产班组、工艺质量科）：
（4）制丝过程工艺自检：
线下业务全面无纸化、线上化的体现。
- 形成全面工艺问题管理中心
通过业务系统汇集的数据与Finereport、简道云的数据作为基础支撑，搭建了前端的决策分析驾驶舱。以可视化的角度，科学高效地辅助管理者进行工艺水平的高效自主分析以及工艺问题的原因分析。
（1）卷包机组工艺分析
管理者通过看板对机组的物测、外观检验状态进行高效地了解，同时可以通过下钻定位到具体地问题项。
（2）卷包工艺设备稳定性分析
通过对工艺检验设备的稳定性分析，来判断当日检验的可信度，避免由于误测导致的成品事故。同时管理者能够通过驾驶舱的设备考核指标来判断设备是否需要进行替换优化，从而避免发生生产过程中的工艺问题。
（3）工艺测评驾驶舱
工艺质量科过程重点关注指标的一览页，可以快速获取到所选时间内的成品工艺参数水平，来及时地对问题进行处理或对较好结果的保持优化。驾驶舱还实现了基于工艺质量科的判定标准来自动打分的功能，为管理者提供科学可信的决策分析数据，进一步提高工艺的管理效率。
首页：
卷包过程模块：基于卷包的生产流程，从卷接、包装两个工序，对烟支物测、烟支外观、盒装外观、条装外观以及封箱几个工艺模块的工艺情况进行考评。
制丝过程模块：基于制丝的生产流程，从大线、小线和梗丝线三个产线，对开包切片、松散润叶、加料润叶、切烘丝以及混丝加香等多个工序段的工艺执行情况进行考评。
- 标准管理：统一了多个业务系统工艺标准的数据结构，形成了规范化的标准版本管理模式，打破了当前对历史标准牌号关联的困难；
- 智能预警的新模式：打破了传统的事后分析模式，通过python脚本与FineDatalink的集成优势将视角转移到了事前，从根源上规避了某些工艺问题的发生，大幅度地推动了工厂工艺质量智能化分析预警的发展。该种模式也辐射到了工厂其他的职能部门，为解决历史遗留的业务问题提供了新思路；
- 一屏览的分析模式：通过直观的方式将重要工艺指标直观地进行曝光，提高管理者的决策效率，并结合下钻的模式辅助管理者对问题进行深度的剖析；
- 业务流程优化：从线下转移到线上，从纯填报转化为半联动。思维的转变将业务驱动数据转化为业务数据双向驱动，大大提高了业务人员的填报效率，也避免了业务过程种的填报不规范以及数据字段的缺失、质量问题；
- 轻量化的开发与人才建设：Finereport的低代码开发与简道云的零代码开发，无疑减小了信息运维人员的学习成本。车间业务工作者，乃至职能部门，都开始对简道云进行学习使用，并通过自身的业务优势对历史的流程、表单进行优化，自发地进行业务流程改善。这样不但提高了业务人员的日常工作效率，还建成了属于成都卷烟厂的数字化人才梯队。
在数字化转型过程中，企业的战略眼光和决策力是四川中烟成都卷烟厂的自主创新的数字化转型成果的顶层保障，通过自主创新的建设取得了显著的成果和深远的影响。
四川中烟成都卷烟厂通过实施数字化转型项目，成功地解决了生产、质量、消耗等多个业务领域的管理需求。通过数据平台和低代码平台开发了超过600个各类应用，有效提升了信息传递效率和数据质量。自主开发的应用占70%，经济效益方面，工厂累计节约开发费用超过800万元，产生的经济价值超过1200万元。超过300个业务流程实现了提质增效和降本降耗，推动了生产效率的显著提升，应用涵盖了生产统计、质量监控、设备管理、能耗分析等多个方面。
在数字化转型过程中，工厂取得了显著的成果和行业认可。工厂获得了18个国家级和行业级的奖项，并在EI、中文核心期刊内发表了27篇高水平论文。此外，工厂申报了5项发明专利，进一步巩固了其在技术创新方面的领先地位。
数据创新工作室建设
数据创新工作室作为成都卷烟厂自主创新和数字化转型的重要成果，自2019年成立以来，在推动智能工厂建设和数字化转型方面发挥了关键作用。通过自主创新满足各部门的数据需求，工作室在实现流程优化、业务创新和管理闭环方面，取得了显著成效，极大地提升了工厂的生产效能和管理水平。
强化工厂数字化文化：数据创新工作室不仅推动了具体的技术应用和经济效益，还在工厂内部培育了浓厚的数字化文化。通过低代码平台的广泛应用，工厂内的员工积极参与到数字化转型的过程中，形成了自主创新和共同发展的良好氛围。这种文化建设对于推动整个企业的持续创新和长远发展具有深远意义。
加强数字化战略合作：数据创新工作室在数字化战略合作方面也发挥了重要作用。工作室与联想上海研究院建立了“机器人大创新应用联合实验室”，与帆软软件建立了“数字化转型战略示范伙伴”关系。这些合作不仅带来了先进技术和理念，还推动了工厂在数字化转型道路上的持续进步。
行业与社会影响力：数据创新工作室通过与行业内外上级单位、兄弟单位的广泛交流，形成了一个开放的数字化互动平台。工作室开展了超过81场数字化方面的交流沟通，不仅提高了工厂的知名度和影响力，还为行业内其他企业提供了宝贵的经验借鉴。工厂的数字化转型实践得到了《人民日报》和《新华网》等权威媒体的报道，进一步提升了工厂的社会影响力。
微观视角：
在微观层面，通过数字化转型和数据应用，四川中烟成都卷烟厂在具体业务操作和流程管理上也取得了诸多进展。
工厂通过低代码平台和数据平台开发了多个生产相关的应用，有效提高了生产调度和管理效率。生产调度系统的自动化实施，使生产计划的执行更加高效。设备维护系统的智能化管理，实现了设备故障预警和实时监控，有效降低了设备故障率和维修时间。
质量监控系统的实施，使生产过程中的各项质量指标得到了实时监控，提升了产品的整体质量水平。通过数据分析平台对生产数据进行深度挖掘，能及时识别潜在的质量问题并提前预防，进一步提高了产品的合格率。
能耗分析系统实时监控生产过程中能源的消耗情况，帮助工厂找出高能耗环节并提出优化方案，降低了能耗成本。智能物流系统的建设优化了库存管理和物料配送，减少了物料消耗和浪费。
通过数据平台，工厂建立了统一的数据标准和接口，解决了数据孤岛问题，实现了多平台数据的融合。低代码平台开发的600多个应用有效提升了信息传递效率和数据质量，减少了人工统计工作量。
低代码平台上支持了全公司的无纸化办公和业务流程的数字化改造，推动了工厂各部门在数字化转型中的自主创新。低代码平台实现了工厂生产调度的自动化、设备维护的智能化以及物流管理的优化。这些应用的部署切实推动了各部门快速响应业务需求。
低代码平台和数据平台的应用，使工厂培养了一大批具备数字化思维和技术的复合型人才。现有5名资深认证报表工程师、4名资深认证BI工程师、3名认证数据运营官、1名高级低代码开发工程师、35名初级低代码开发工程师，以及120名低代码开发人员，在全公司范围内形成了数字化大众创新的氛围，推动了数字化文化的普及。通过专项培训和实战项目，提升了员工的数字化技能，形成了自主创新的数字化转型氛围。72名具备数字化技术认证资格的员工、12名职称和岗位晋升的工作室成员，推动了企业的可持续发展和数字化创新。
通过这些措施，四川中烟成都卷烟厂实现了数据的集中管理和高效利用，智能应用和可视化展示，提升了管理决策的智能化水平，推动了工厂的数字化转型与高质量发展。这些实践为行业内的其他企业提供了宝贵的经验和示范效应，推动了整个行业的数字化进程。这些数据和成就均来自于工厂的内部统计、项目实施后的实际运行数据和多次的绩效报告，保障了内容的准确可靠性。
在未来的发展中，四川中烟成都卷烟厂将继续推进自动化和信息化的深度融合，以实现智能工厂的全面升级。根据目前的数字化转型成果，工厂将着力于以下几个方面的提升和优化：
自动化与信息化融合
推进人工操作车间向自动化车间转型，工厂将实现生产工序操作与物流过程的全面自动化。这一转型将通过系统集成、应用终端、数据融合、流程完善、场景赋能和统一平台的协同作用来实现。工厂将通过低信息化车间向无纸化车间转变，引入无纸化系统，广泛采集信息并实现信息管理和流程数字化。
工厂将分阶段进行数字化车间的建设。数字化车间1.0将面向柔性自动化生产车间，通过信息系统与设备进行融合，数据在车间内流转并产生业务导向价值。数字化车间2.0则将信息与物理车间深度融合，通过一体化平台的数据信息管理，反哺业务优化，实现全方位的数据流转与管理提升。最终，基于数据的动态优化问题的能力提升，实现持续迭代的能力增强。
未来，工厂将通过进一步的自动化和信息化建设，提升全工序、数字车间改造和智能工厂升级的整体水平，实现生产过程的全面智能化。通过软件、硬件、网络和平台的综合应用，工厂将打造一个智能高效的生产环境，提升整体竞争力和市场响应能力，为企业的长远发展奠定坚实基础。
在未来的发展中，四川中烟成都卷烟厂将通过对内外发挥数字化转型的要素价值，进一步提升企业的整体竞争力和行业影响力。工厂将从产量、质量和消耗三个关键领域入手，对内提升生产效率，对外增强行业业务价值。
工厂将以业务流、数据流、价值流驱动的数字车间应用体系建设为核心，应用资产全景、风险预警管理、AI智能创新和新型人才培养等方面的综合措施，构建起更加完善的数字化管理框架。数字平台的赋能将贯穿整个业务流程，支持终端设备、应用体系和数据融合的全面优化。
在业务需求驱动下，工厂将进一步推进数字车间的一体化平台建设，实现数据驱动业务改进和业务驱动智能创新的双向互动。这一过程将通过提升应用资产、优化风险预警管理、推动AI智能创新和加强新型人才培养来实现。工厂将通过这样的双向互动，全面提升业务响应能力。
智能化管理
在未来的发展中，四川中烟成都卷烟厂将通过更加细致和高效的管理系统，实现全流程的可视化和自动化管理。未来，工厂将通过一线执行层、车间主任、业务主任和数据门户的无缝协同，确保生产前、生产中和生产后的各项任务高效执行。
在生产前阶段，工厂将完善物资备料、工艺抽检和物料确认等环节，通过智能系统进行全面监控优化。在生产过程中，操作生产、安全自检、设备点检和工艺巡检将通过数字平台实时跟踪。生产后阶段，设备维护、成品检测和问题处理将通过智能化手段进行高效管理。
这种全面智能化的管理模式，工厂将实现生产过程的全方位优化。生产情况、工艺质量和设备管理等关键领域将通过数字平台进行统一管理，实现生产进度、原料消耗和车间考勤的实时跟踪和分析。质量管理方面，优质品、成品检验、过程检验和异常分析等指标将通过智能系统进行全面监控和管理。设备管理方面，停机情况、维修情况、设备效率和设备剔除等信息将通过数据平台进行实时监控。
在生产执行层面，工厂将通过生产前、生产中和生产后的智能化管理，实现生产任务的高效执行。生产前，工厂将通过系统化的物资备料、工艺抽检和物料确认流程。生产中，操作生产、安全自检、设备点检和工艺巡检等环节将通过智能系统进行实时跟踪。生产后，设备维护、成品检测和问题处理将通过智能化手段进行高效管理。
数据驱动的车间终端应用
未来，四川中烟成都卷烟厂将为不同用户角色层级配备终端应用，涵盖移动端应用、PC端应用和车间现场终端应用。这些终端应用将根据用户的角色和需求提供定制化的功能。
对于车间主任与书记，他们的移动端应用包括日常简讯窗口、指标督导推送和异常预警管理，而在PC端则有生产质量监控平台、实时视频接入和智能报告生成等功能。通过这些功能，他们能全面掌握车间的生产进度、质量情况和设备运行状态，并及时进行决策调整。
车间业务主任的移动端应用提供综合效能分析、团队目标监控和异常预警中心，PC端应用则包含公告事项发布、设备评价报告和AI智能问答等功能。有效监控生产目标的达成情况，并根据数据分析结果进行业务优化。
车间班组长通过移动端应用可以进行班组通告窗口、低代码平台和一线移动呼叫等操作，PC端则有系统诊断门户、专家诊断门户和班组会议管理等功能，使得班组长能实时了解生产动态，及时处理问题并协调班组成员的工作。
车间维修工的移动端应用包括班组通报窗口、一键报警和任务反应处理，PC端应用提供标准工单管理和巡检记录档案功能，帮助维修工高效地执行维修任务。
在综合管理层面，所有用户角色的终端应用都支持综合报表生成、风险预警管理和AI智能创新功能。数据的实时采集分析为管理层提供全面的决策支持。
总的来说，四川中烟成都卷烟厂将通过持续的数字化转型和数据应用提升，推动工厂实现从传统制造向智能制造的跨越式发展，为实现高质量发展奠定坚实基础。工厂将继续保持在行业内的领先地位，推动整个烟草行业的数字化转型与高质量发展。 | 
