一、业务背景
持续受全球疫情影响，全球经济增长缓慢，空调生产所需的钢板、铜管、铝箔等大宗原材料价格持续处于高位波动，在加上制造业人工成本不段增高，空调总体生产成本持续增长，导致企业盈利降低。在此背景下，公司必须通过提高生产效率降低运营成本，提高盈利能力。公司领导提出今年效率需在去年效率XX基础上提高10%。如何达到此要求值，需要我们根据目前公司经营数据去分析、去突破。这也是我们本次大赛选题课题。
二、数据分析思路
公司效率计算公式为产量*工时/空调标准分钟数（系数）/在岗人数。既然是在去年基础上提效10%，那我们选取了去年同期效率值和今年效率值比对，以及根据目前效率因子，来做了未来效率预测，看是否达到预期。
然后根据效率三大主因子进行数据的详细分析。特别是产量因子数据，进行了月度数据对比，以及对影响产量的主要因素数据做分析，深挖根本原因。比如物料齐套数据、设备运行数据、质量异常数据等。
对于人员出勤数据，我们对人员岗位分布以及在岗离职数据做了分析。从数据中也体现了公司对非生产人员进行减员、对生产重点岗位进行留人育人稳员方针的重要性。
对于工时数据，我们主要从机型结构来分析。看哪些工时数据比较高，对效率影响较大，在排产时可重点考虑。
对于系数数据，此数据为总部统一制定，基地改善空间较小，不做详细数据分析。
三、数据来源及处理
说明：数据源结构全部来源于企业内部数据结构，仪表板里面的数据为经过加工后的数据，非企业真实数据。
3-1、数据源说明
①MES系统 ----生产订单、产量等生产过程数据
②OA系统 ----请假出差公务外出等出勤数据
③考勤系统 -----员工考勤数据
④人事系统 -----在职、离职、调动、岗位等数据
⑤ERP系统 ------生产BOM、生产计划、物料齐套等数据
⑥设备采集系统 ----生产设备运行信息
⑦WMS系统 -----仓储管理数据
⑧基础文档系统 -----工时、机型、空调标准分钟数等基础信息
⑨质量管理系统 -----生产过程中质量数据
数据经过脱敏处理，每日产生的数据庞大涉及五大分厂（总装、注塑、两器、钣金、控制器物流、成品、质控）。产量质量信息以总装为例，设备信息以注塑分厂举例。为提升数据分析性能，已将所有数据按每日、每月汇总
3-2、用到的原始数据表简述
|
MLOT
|
批次表
|
|
LOT
|
入库表
|
|
G_BARCODE
|
出库表
|
|
DIM_HR_USRA01
|
在职表
|
|
DIM_HR_RETA01
|
离职表
|
|
DIM_HR_ORGANIZATION
|
公司组织架构
|
|
DIMPRODUCTHOUR
|
物料工时表
|
|
DimDate
|
日期表包含周财务核算日期等
|
|
DIMPRODUCTIONORDER
|
每日生产订单表
|
|
DIMITEM
|
物料信息基础表
|
|
DimMaterielGroup
|
物料组信息基础表
|
|
FACT_ALLPRODUCTION_ZZ
|
产量表
|
|
JK_WXCQ
|
外协出勤信息表
|
|
FORMTABLE_MAIN_282_DT1
|
异常考勤信息表
|
|
TTDINV114610
|
齐套数据信息
|
|
TTCIBOM001610
|
生产BOM表
|
|
ZS_MACHINE
|
设备信息表
|
|
G_ZS_FINSHEDPRODUCTIONORDER
|
设备产量表
|
|
G_ZS_MODULAR
|
设备运行信息表
|
|
CURRENT_STORAGE
|
当前库存表
|
|
ID_RECORD
|
考勤表
|
|
FACT_MachineFault
|
设备质量信息表
|
|
FACT_ZK_CheckOut
|
检验质量信息表
|
|
TTINRT110610
|
停线信息表
|
|
DIMENTERPRISE
|
供应商信息
|
3-4、指标核算逻辑简述
1、折合产量核算逻辑
公司及各单位取用同一产量数据，物流、成品、质控折合产量均取用公司折合产量除以8，各分厂折合产量取用其工时对应的折合产量，即：
公司折合产量=成品码产量×公司工时/空调标准分钟数
总装分厂折合产量=成品码产量×总装分厂工时/空调标准分钟数
2、生产效率核算逻辑
人均产出=折合产量/（在册人数+外包人数—调整人数）
当月累计人均产出=当月折合产量总和/（当月在册人数总和+当月外包人数总和—当月调整人数总和）
提升率=（人均产出/固定值-1）×100%
目标达成率=提升率/增效目标×100%
3-5、公司效率预测
1、取值逻辑：当天及未来4天确认计划产量
日期取值字段：确认计划“生产完成日”
成品码取值字段：确认计划“物料代码”，与公司效率工时匹配，无工时编码需可查看
产量取值字段：确认计划“订单数”
人数取值字段：前期先取值上一天公司一级效率核算人数，后期计划使用人
2、核算逻辑
日均折合产量=成品码产量×公司工时/空调标准分钟数/5
说明：公司折合产量为5天的平均产量，预测当天及未来4天的平均效率。
人均产出=折合产量/效率核算人数
说明：效率核算人数=在册人数+外包人数—调整人数
近5天效率预测=（人均产出/固定值-1）×100%
说明：固定值为去年人均产出，可在公司一级效率直接取值。
达标富余人数=日均折合产量/固定值/（1+提效目标）-效率核算人数
说明：提效目标可在公司一级效率取值。
折算系数=折合产量/成品码产量
3-6、各单位效率预测
1、取值逻辑：各分厂取各自分厂工时、各自分厂效率核算人数，其余与公司效率逻辑一致。
物流、成品、质控折合产量=公司折合产量/8
2、核算逻辑：各分厂取值各自分厂对应数据，核算公式逻辑与公司相同，
3-7示例：
|
单位
|
公司
|
总装
|
钣金
|
两器
|
注塑
|
控制器
|
物流
|
成品
|
质控
|
|
提效目标
|
XX%
|
|
|
|
|
|
|
|
|
|
日均产量
|
5天平均
|
|
|
|
|
|
|
|
|
|
日均折合产量
|
5天平均
|
|
|
|
|
|
|
|
|
|
折算系数
|
XX
|
|
|
|
|
|
|
|
|
|
近5天效率预测
|
XX%
|
|
|
|
|
|
|
|
|
|
达标富余人数（人）
|
XX人
|
|
|
|
|
|
|
|
|
3-8、设备信息指标
开机机床数：MES→注塑车间机床→机床号
出勤人数：当班核算人数
单台机床完成率：MES→注塑车间机床产量→完成率
班组：MES→注塑车间上下班班组→班组（A1、B1对比，A2、B2对比.....）
计划完成率=（各机床完成率之和/机床数）*100%
人均完成率=（各机床完成率之和/出勤人数）*100%
3-9 考勤信息
①、在册：指宏景人事系统实际人数。
②、调入、调出：公司级和部门级通报均不含借调到格力集团外的公司人数，如外协厂。此外公司级邮件通报调入调出数据指石家庄基地空调和小家电之间来回借调人员，不含本公司内各单位互相借调人数，各单位明细中调入调出除包含空调和小家电之间借调人数，还包含本公司内部各单位间相互支援人数。
③、支援其他基地：指的是支援到非石家庄基地（空调+小家电）以外的公司人数。
④、未排班：是指考勤系统无此人排班记录，为异常人数，需考勤员9点50分前完成排班。
⑤、未返岗、五类人数：指在疫情期间，规定的符合条件人员，如无此类人员，该字段就不会显示。
⑥、在岗=在册-调出+调入-未排班-未返岗-五类-支援其他基地
⑦、实际出勤人数：包含请假半天以内人员，如员工请假1小时，实际出勤人数会包含此人。半天是指是应出勤除2，如承包排班的应出勤是10小时，半天就是5小时。
⑧、请假人数：包含所有请假人员，如员工请假0.5小时也会出现在请假人数里边。
⑨、旷工人数：若员工未打卡且未在OA中申请“异常打卡审批单”、“请假单”“出差”等，系统默认为旷工处理。
⑩、漏打卡人数：指在OA中申请“异常打卡”未审批归档人员。
3-10 质量信息
质量异常信息：生产设备异常，物料质量问题，面板体划伤，面板漏打螺钉等导致成品空调产生质量问题
四、数据处理
4-1、数据处理的步骤
①数据加工及清洗
分厂的生产过程数据量庞大，根据整理的分析思路，将原始数据通过KETTEL、SSIS、KAFKA加工处理成需要的事实表和维度表。数据量较大没有使用FineBI中的自助数据集，测试自助数据集无法支撑使用。
②数据脱敏
将空调型号产量工时、出勤、设备详细信息等进行数据脱敏处理后，导入到Excel文件中
③整理各表之间的关系简述
齐套率涉及表关系：
根据生产订单DIMPRODUCTIONORDER拆解多个生产批次→批次表MLOT，批次表中包含生产机型，根据机型拆解所需物料BOM→TTCIBOM001610 根据BOM表查询所需物料→在齐套表TTDINV114610中查询所需物料是否齐套→CURRENT_STORAGE核对所需物料的当前库存（出入库表涉及各分厂间周转本次仅以总装为例，不涉及周转故不做简述）→根据所需物料代码查询物料基本信息DIMITEM→根据物料基本信息查询所属物料组信息DimMaterielGroup→物料的供应商信息DIMENTERPRISE。
DIMPRODUCTIONORDER→MLOT→TTCIBOM001610→TTDINV114610→CURRENT_STORAGE→DIMITEM→DimMaterielGroup→DIMENTERPRISE
考勤信息表关系：
DIM_HR_USRA01在职表→DIM_HR_ORGANIZATION根据组织架构表区分各部门分厂在职人数→DimDate日期 查询每日各部门科室在职→ID_RECORD考勤表查询每日出勤人数→FORMTABLE_MAIN_282_DT1每日请假出差旷工调动等信息→JK_WXCQ查询每日临时工、外协出勤
DIM_HR_RETA01离职表→DIM_HR_ORGANIZATION查询分各部门分厂离职人数→DimDate日期 按日期查询
DIM_HR_USRA01→DIM_HR_ORGANIZATION→DimDate→ID_RECORD→FORMTABLE_MAIN_282_DT1→JK_WXCQ
质量信息表关系：
FACT_MachineFault设备故障类导致的质量问题→DimDate按日期查询
FACT_ZK_CheckOut 质控检验质量类问题→DimDate按日期查询
TTINRT110610 停线原因→DimDate按日期查询
FACT_MachineFault→DimDate
FACT_ZK_CheckOut→DimDate
TTINRT110610→DimDate
设备信息表关系：
ZS_MACHINE设备基础信息表→G_ZS_FINSHEDPRODUCTIONORDER按设备分类查询产量→→DimDate按日期查询产量→G_ZS_MODULAR查询设备每日信息
ZS_MACHINE→G_ZS_FINSHEDPRODUCTIONORDER→DimDate→G_ZS_MODULAR
生产产量涉及表关系：
FACT_ALLPRODUCTION_ZZ总装各班组每日产量→DIMITEM获取产量基础信息→DIMPRODUCTHOUR 生产成品所需工时及工时基础信息→DimDate按年月周日查询。
FACT_ALLPRODUCTION_ZZ→DIMITEM→DIMPRODUCTHOUR→DimDate
五、可视化图表
仪表板整体版面采用的深色背景，字体为白色，比较清晰明了。
1.主页版块图表主要是效率提升值对比的整体情况。
图表主要有①去年一年累计效率达成值、②今年累计效率、③效率提升率、④目标提升率、⑤提升率差距值，这5个图表因为是KPI指标，所以采用的是指标卡类型图表。可以直观显示我们的KPI达成情况。
用雷达图监测我们近一周的每日效率，和目标值比对，外侧高，内测低，可以直接监测每日效率数据达成情况。
公司效率预测数据项比较多，用图表展示，将预测值高于目标值标绿，缺人标红，可以提前提示我们哪天效率不达标，需及时补充人员。
2.月度三大指标对比中，人员对比用的柱状图，从柱形高度可以直观看出人员变动趋势为下降趋势。
月度产量对比采用的是柱状图与折线图相结合对比，这样可以直接对比出今年与去年产量的高低。
3.在产量板块中，停线原因采用的饼状图，可以根据停线大类直接看出哪个停线原因比例最大。
停线责任单位占比采用词云，字体越大，责任越大啦。。从图直接看出外协厂家最突出，责任最大。
设备运行信息监控看哪些设备达产，哪些异常，进而查找设备未达成原因，制定措施。目标产量1600，小于1600黄色提示。
从机器运行情况统计设备整体运行情况，未正常运行看具体什么原因。
质量因素我们抓取了重要的质量异常原因，按柱状图从大到小排序，抓主放次。
物料短缺主要抓取了齐套数据，看哪些订单不齐套，哪些物料不齐套导致，采用明细表。缺料大于10的显示红色，缺料小于10的，黄色预警。
给出结论块，为文本组件。
4.在人员、工时板块，以下人员岗位分布图采用扇形图与折线图对比，人员数量采用扇形图，占比采用折线图，都可以直观看出数据走势。
以及运行了趋势线，来预测未来4个月的数据走向，从此图可以看出，管理人员和普通岗位呈下降趋势，重点岗位人员呈上升趋势。所以人呐，一定要掌握一技之能，岗位不能让机器人或其它人员替代，才能在公司占有一席之地。
工时数据选用了从高到低排序展示，用柱状图可以直接看出哪些工时高，哪些工时低。
总体结论块采用文本。
六、成品效果，附整个PDF图表
七、参赛总结
1：对于FineBI工具，针对公司目前业务来说，工具功能可以满足日常需要，对于日常图表来讲基本已覆盖日常业务场景需要的可视化图表。操作起来也比较简单，上手，在视觉设计上也不错。
2：FineBI是一种数据分析工具，如何使工具发挥其价值，这需要业务场景支持。对于此次参赛选题，我们也是反复斟酌了好久。最终还是选择了跟公司业务紧密结合的效率提升方向题目。整个设计完全是基于公司管理过程去设计的，因为业务数据过于庞大，数据范围又广，公司数据又都是内网，保密性强，所以不好取数，数据支撑还是受限的。图表外观设计也待加强，还需继续努力~~
3：总之，工具需要人来用，如何使工具发挥其价值，需要选择设计好的业务解决方案，这个是最难的。也是数据分析和数据利用路上一直努力的方向。
| 
