【2024中国数据生产力大赛】5G工厂的数据分析全链路
目录
写在前面 PAGEREF _Toc29961 \h 5
1. 企业简介 PAGEREF _Toc20521 \h 6
2. 业务需求/挑战 PAGEREF _Toc25075 \h 7
2.1. 数据架构层面 PAGEREF _Toc26757 \h 7
2.2. 业务应用层面 PAGEREF _Toc28846 \h 8
2.2.1. 切片断线分析缺少平台 PAGEREF _Toc21892 \h 8
2.2.2. 切割单刀异常影响良品率 PAGEREF _Toc31806 \h 10
2.3. 数据获取层面 PAGEREF _Toc24783 \h 12
3. 解决方案 PAGEREF _Toc24464 \h 14
3.1. 数字化应用平台 PAGEREF _Toc31195 \h 14
3.2. 搭建断线分析平台 PAGEREF _Toc21378 \h 15
3.2.1. 流程界定 PAGEREF _Toc18532 \h 15
3.2.2. 数据采集 PAGEREF _Toc12776 \h 15
3.2.3. 平台看板计划 PAGEREF _Toc29649 \h 16
3.2.4. 提升决策效率 PAGEREF _Toc28136 \h 17
3.3. 降低金刚线异常刀次率 PAGEREF _Toc20128 \h 18
3.3.1. 流程界定 PAGEREF _Toc21550 \h 18
3.3.2. 指标因子及数据分析 PAGEREF _Toc20046 \h 18
3.3.3. 单刀异常BI看板规划 PAGEREF _Toc31172 \h 19
3.3.4. 真因识别及改善对策 PAGEREF _Toc15185 \h 20
3.3.5. 效果确认及改善标准化 PAGEREF _Toc13964 \h 20
3.4. GOMS-数据采集&流程线上化 PAGEREF _Toc8740 \h 21
4. 典型应用场景 PAGEREF _Toc12466 \h 22
4.1. 断线分析平台 PAGEREF _Toc5494 \h 22
4.1.1. 辅料对断线率影响因素分析 PAGEREF _Toc26770 \h 22
4.1.2. 设备对断线影响因素分析 PAGEREF _Toc4851 \h 24
4.1.3. 制程分析 PAGEREF _Toc28900 \h 25
4.1.4. 现场管理与异常预警 PAGEREF _Toc10055 \h 26
4.2. 降低金刚线异常刀次率 PAGEREF _Toc7467 \h 28
4.2.1. 供应商制程控制分析 PAGEREF _Toc4938 \h 28
4.2.2. 指标交换影响分析 PAGEREF _Toc186 \h 29
4.2.3. 金刚线异常预测 PAGEREF _Toc885 \h 30
4.3. 施工管理全生命周期管理平台 PAGEREF _Toc10960 \h 32
4.3.1. 线上考试题库 PAGEREF _Toc13326 \h 32
4.3.2. 部门基本信息 PAGEREF _Toc12435 \h 32
4.3.3. 作业区域基础信息 PAGEREF _Toc28594 \h 33
4.3.4. 风险作业票基本类型 PAGEREF _Toc23547 \h 33
4.3.5. 不同类型项目安全须知 PAGEREF _Toc800 \h 34
4.3.6. 特种人员情况 PAGEREF _Toc20196 \h 35
5. 价值总结 PAGEREF _Toc22644 \h 35
5.1. 有形收益 PAGEREF _Toc9183 \h 35
5.2. 无形收益 PAGEREF _Toc15674 \h 36
5.3. 上下游产业链提升 PAGEREF _Toc8839 \h 36
6. 未来规划 PAGEREF _Toc12790 \h 37
6.1. BI&GOMS持续推广 PAGEREF _Toc2902 \h 37
6.2. AI能力建设 PAGEREF _Toc22298 \h 39
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！
联宝科技于2011年12月落户合肥经开区，是联想集团全球最大的智能计算产品研发和制造基地，主要产品包括Lenovo和ThinkPad系列PC产品、服务器和智能物联设备等，产品销往全球126个国家和地区。成立至今，联宝科技累计出货量超过2.5亿台，可以说全球每8台笔记本电脑，就有1台是来自联宝科技制造的，累计创造工业产值超8000亿元，进出口总额超700亿美元，连续9年位居安徽省进出口额第一。2017年以来，主营业务个人电脑（PC）产品销售额及市场占有率位列世界前三、稳居国内第一。三年疫情期间，联宝科技实现营收新增500亿元，成为合肥首家“千亿企业”，2023年位列安徽省民营企业营收百强榜第一。
联宝科技作为联想供应链的重要组成部分，联想供应链先后七次入选了Gartner全球供应链25强，是中国唯一上榜的高科技制造企业。联宝科技在2023年入选世界“灯塔工厂”，属于国家评定的智能制造试点示范、工业设计中心、绿色工厂、国家知识产权示范企业和智能制造标杆企业。
1.2供应链控制塔（SCCT）能力认证
联宝科技以强大的自动化、智能化建设，全面的数字化驱动，构建智能制造体系，拥有全球PC制造业最大的单体厂房和27条智能主板、29条整机组装生产线。其中，主板生产智能化工业互联线“哪吒线”与高度自动化精密组装线“水星线”的自动化率分别达到90%与50%，处于行业领先水平。联宝科技每天可智能处理5000笔订单（其中80%以上是单笔小于5台的个性化定制），4小时内可调取2000多种电脑部件，形成全球数万种个性化配置组合，为客户创造独一无二的产品。订单交付达成率平均比业界标准快15%。
联宝科技合肥、台北、昆山研发中心，构建起实力雄厚的研发“铁三角”，汇聚全球2500多位高科技人才，为企业创新注入源源不断的强劲动力。拥有37间业界领先的实验室，协同母公司联想与全球一流科研机构及世界500强企业建立战略合作伙伴关系，并建设省博士后科研工作站、省市级工业设计中心、企业技术中心等创新研发平台，打造“企业、社会、合作伙伴”互动的立体研发体系，让每一种创新想法变成现实，实现卓越的产品设计。短短几年，已获专利授权近千件，连续四年斩获iF国际大奖、“红点奖”等。
联宝科技以远高于行业的标准，打造产品全生命周期的质量管理体系，保证产品品质。产品上市前，模拟不同用户使用习惯和应用场景平均进行1000多项功能性测试。联宝科技庐州实验室已经获得CNAS（中国合格评定国家认可委员会）的认证，测试结果实现与全球35个质量管理体系及54个权威实验室的互认。
联宝科技与全球数百家供应商精诚合作，构建高效供应链体系，快速实现各类采购、供应目标，设立大客户绿色通道，满足各类客户定制化需求。合肥至洛杉矶直航、中欧铁路运输等方式保障产品快速供应至全球126个国家和地区。本地供应链生态体系建设逐步完善，约50%的直采机构件实现本地化采购，形成产业链集聚效应，推动当地经济发展。
联宝科技主要产品包括Lenovo和ThinkPad系列笔记本电脑、超小型计算机、存储产品、服务器和智能物联设备等。未来，联宝科技将立足区域良好的产业环境，稳步发展，打造千亿级智能制造产业链，以高科技、高品质的产品服务全球客户。
1.3行业带动能力
联宝科技在自身发展的同时，始终致力于合作共赢，协同上下游合作伙伴积极赋能智慧供应链。通过打造4小时产业圈，持续推进本土化产业链的发展。已经带动了上下游70余家供应商落户安徽，机构件和选件的本地化配套率超过60%。联宝科技也在引领供应链伙伴共同发展壮大，在携手合作的上下游企业中，已有44家成功上市，带动了合肥本地近20家企业，全国近400家企业协同进行数字化、自动化的改造。同时，将供应链上下游的464家企业接入平台，为609家企业引入数字化工具。此外，依托现有的数字化平台，将智能转型经验转化为标准化的解决方案向跨产业跨领域的数十家企业辐射推广（已与近10家企业达成合作意向）。
2.业务需求/挑战
2.1联宝的业务挑战
联宝科技作为3C电子制造行业的一员，面临着本行业在供应链领域的业务特点与挑战。
新品多
年新品项目达187个
新品投产准备与生产并行
规模大
年出货超4,000万台
每年订单近百万笔
单品2000+零部件
个性强
80%个性化订单
1200000+机型配置
300000+物料品类
交付快
每0.5秒下线一台电脑
下单到交付最快48小时
近千家全球供应商
品控严
CNAS认证PA实验室
1,100项严苛测试
可持续
全球能源危机
电力供需紧张
30/60双碳目标
基于以上背景，以联宝科技（LCFC）为代表的3C电子制造行业迫切需要打造一个高效且有韧性的供应链运营平台。
2.2系统层面的建设
在联宝科技面临业务挑战的背景下，在具体业务开展过程中同样面临一系列挑战，例如
自动化程度低
高度依赖人工或经验
效率低、耗时长
准确度低
无法找到最优解
及时性差、沟通成本高
弹性低
无法满足客制化需求
信息缺乏互联互通
为了更好的解决以上痛点，联宝科技构建了OTS，APS，supply cloud，Smart Logistics，Smart Inventory等13个业务系统，涉及供应链计划，采购等多业务环节，实现供应链多环节的信息化覆盖。
2.3数据应用&决策支撑的痛点
联宝科技围绕供应链构建多个业务系统后，我们发现再供应链相关的数据应用和决策支撑层面依然存在较多痛点，主要表现在以下几个层面：
内部用户缺乏供应链端到端数据实时共享，就会存在“信息孤岛”现象；
无法及时对市场进行需求预测分析，就不能够快速提供应对策略；
缺乏风险预警，就难以灵活应对突发事件；
传统开发周期较长，传统的系统部署方式&架构难以跟得上更多样化需求。
为了更好的解决这些痛点，我们构建了联宝科技供应链控制-SCCT。
3解决方案
基于上述业务痛点和挑战，联宝建设供应链控制塔（SCCT）作为供应链的智能大脑，整合联宝供应链领域所有的数字化系统，借助帆软FineReport&FineBI平台能力，实现统一的门户集成、业务集成和数据集成，实现供应链端到端的数据实时共享，打破信息孤岛。
3.1业务流，数据流，信息流架构见下图
通过搭建自动化的订单管理系统、智能排产系统（AI）、供应商端的联合排产（产业链的联合计划、排产与调度）、供应协同云平台、质量协同云平台（AI）、供应链轻量化MES、供应链数字化采购、智能成本管理系统、供应链风险管理系统（AI）、供应链控制塔（AI）等数字化管理系统，实现供应链订单处理的自动化、计划的高度精准化和智能化、以及供应链生态协同体系的新模式。通过项目的实施，供应链供需协同周期可以缩短50%，实现供应链“4小时生态圈”。可以实现呆滞料库存降低10%，库存齐套率提升50%，协同效率提升20%。
IPS：自动化的订单计划管理系统，可以实现从EDI自动接单到主计划运算结果发布的全自动化，IPS会综合考虑需求、供应、产能、主数据等，通过集成计划引擎，进行订单优先级的排序，物料和产能的分配。最终自动计算出这些订单的主计划结果，也就是齐套、缺料和订单的预计出货日期，同时也提供模拟仿真功能。
APS：联宝科技在行业内首次将人工智能算法用于排产的实践，智能排产系统会全方位的考虑电子制造行业的各种排产制约因素，包括物料约束、机器设备约束、人员效率约束等，搭建排产约束模型。运用独有的人工智能算法，结合仿真机模拟海量的生产环境数据。产出基于交付、成本等多维度绩效优化的排产结果。
联合排产：它是业界客户和供应链配套企业之间的合作共赢和协同的新模式。解决的是联宝科技和众多供应链合作伙伴之间的统一调度和指挥的事情，可以降低整个生态链上的浪费，最大化产业链的资源利用。
供应商协同：供应商协同云平台，基于EDI、API等电子数字交换技术以及大数据、公有云技术，打造联宝科技和各层级供应商、物流企业、海关、客户，整个供应链上下游之间的生态协同体系，实现供需数据在各方间的互联互通，实时可视，分析预警与模拟仿真。
SCCT供应链控制塔：搭建供应链控制作为供应链层级的高效运营和决策平台（数据驱动决策），实现供应链端到端的运营可视化与协同，预测性的分析，场景模拟。供应链控制塔的功能覆盖从订单到交付、从需求到供应、库存管理、物流管理等模块，并提供众多个性化的功能，如灵活的卡片式设置、闭环预警的自定义、知识库管理等。
3.2技术架构
3.3业务分析地图
基于SCCT，我们构建供应链数据分析体系，从数据可视、自动预警、模拟预测和智能优化四个层级，结合AI大模型技术，实现对供应链数据的深度运用，通过近乎实时的大数据运算和协同能力，实现内外供应链联动和从订单、库存、采购、物流、仓储等端到端的可视化；通过偏差预警，快速响应问题，提升运营效率；基于供应链发展战略，通过数据模拟和智能优化，提供智能分析和决策，为供应链智能化转型赋能。
4.建设成果
4.1多终端展现
在建设SCCT的过程中，我们规划并构建多终端的分析展示平台体系，包括PC端和移动端两个方向，支持用户在内外网进行登录。在后疫情时代，给用户提供更多便捷，真正意义上做到了随时随地办公，保障供应链环节的相关用户能够便捷的触达与分析数据。
PC端
移动端
4.2individual center
individual center为SCCT系统中的个人中心版块，可以实现千人千面的效果，该页面便是用户根据自己关心的指标，card拖拽而成的。
“个人中心，千人千面”功能的开发背景主要源于对个性化需求的满足以及对用户体验的持续优化。
首先，随着技术的发展和互联网的普及，用户对于个性化服务的需求越来越高。每个用户都有自己的偏好和需求，传统的“一刀切”服务模式已经无法满足现代用户的需求。因此，开发“千人千面”功能，能够根据用户的个人信息、行为数据以及偏好设置，为每个用户提供定制化的内容和服务，成为了一种迫切的需求。
其次，个性化服务也有助于提升用户体验。通过“千人千面”功能，系统能够更准确地理解用户的需求，从而推送更符合用户期望的内容，减少用户的搜索和筛选成本。这种个性化的体验不仅提高了用户的满意度，也有助于增强用户对于系统的粘性和忠诚度。
此外，大数据和人工智能等技术的发展也为“千人千面”功能的实现提供了可能。通过收集和分析用户数据，系统能够更准确地识别用户的偏好和需求，进而实现更精准的个性化推荐和服务。
综上所述，“个人中心，千人千面”功能的开发背景主要源于对个性化服务的需求、提升用户体验的需要以及技术的发展推动。通过这一功能，系统能够更好地满足用户的个性化需求，提供更为精准和优质的服务体验。
步骤
效果
Step1：结合系统权限以及个人关注点，自行选择对应Card或Dashboard
Step2：结合自身需求，灵活调节card排序和优先级
Step3：形成个人中心-individual center
总结
4.3OTS
背景简述
首先，随着电子商务的迅猛发展，订单量呈现爆炸式增长，传统的订单处理和发货流程已经无法满足市场的快速响应需求。Order to Ship系统应运而生，旨在通过自动化、智能化的方式优化整个订单到发货的流程，从而提高订单处理速度、降低出错率，并提升客户满意度。
其次，现代供应链管理强调信息的实时共享和协同作业。传统的订单处理和发货流程往往存在信息孤岛，导致各环节之间沟通不畅、效率低下。Order to Ship系统通过集成订单管理、库存管理、物流管理等多个模块，实现信息的实时共享和协同处理，提高了供应链的透明度和协同效率。
此外，技术进步为Order to Ship系统的开发提供了有力支持。云计算、大数据、物联网和人工智能等技术的快速发展，使得系统能够实时处理大量数据、实现精准预测和优化决策。通过运用这些先进技术，Order to Ship系统能够更好地满足客户需求，提升企业的竞争力和市场地位。
最后，客户体验已经成为企业竞争的关键因素之一。客户对于订单处理速度和发货准确性的要求越来越高，而Order to Ship系统正是为了满足这一需求而开发的。通过优化订单处理流程、提高发货效率，Order to Ship系统能够为客户提供更好的购物体验，从而增强客户忠诚度和品牌口碑。
综上所述，Order to Ship系统的开发背景主要源于电子商务的快速发展、供应链管理的优化需求、技术进步的支持以及客户体验的提升要求。通过开发和应用该系统，企业可以更好地应对市场挑战，提升运营效率和服务水平，实现可持续发展。
实现思路
OTS通过监测整体的运行情况即Good/Bad和Chance作为北极星指标，及时通过订单模型计算将数据拆解成可以被供应链理解的履约数据，进行一手反馈。如果整体在产能和物料等约束演算结果为Good，则表示交货无风险，如果为Bad则表示无法进行履约，会直接提示风险进行调整，而需要数据争取改善的则为Chance相关的数据。
通过对OTS的关键流程和关键控制点（KCP）的识别，把整体改善chance的KCP分成了供应链的10（TBD）个关键节点，各个部门基于这个提升Chance的一致性任务和目标，以最大交付作为北极星指标共同努力，进行寻优调整，相关指标可以下钻到具体的明细页面，形成了通过数据运营、流程拆解、一致性行动性意见构建起了以最大交付为目标的价值动因数。
仅仅在计划层面做努力方向还远远不够，联宝科技继续通过不同事业部，不同品类维度的建立与分析，构建起OTS端到端交付的可见性实时看板，去了解策略执行层面的偏差，并进行关联性的纠偏，从订单接单节点开始，历经ATB（可承诺数量）-日排程数量 – 产出数量 – 发运数量的预计/实际对比情况，去了解实际供应量执行发生的偏差。并通过不同KPI的预计监控和推送，及时发现相应问题并快速落地改进。
最后通过订单和订单行的相关搜索，实现整体订单履约进度的多节点可视化，在供应链控制塔这个供应链决策中心，实现不同系统、不同组织、不同部门、不同流程在统一平台、统一入口、从前到后、从总到细、从计划到实际的端到端供应链可视化，并通过核心KPI指标监控流程运行效率。
价值小结
通过对整体的交付监控，可以对OTS偏差预警快速响应以及根因分析快速解决问题，以实现供应链端到端运营效率最大化，保证了合肥联保作为全球最大的单体PC工厂的尖峰制造的交付能力。联宝工厂有个别名，叫885工厂。说的是，每天有8000多笔订单，而其中80%的订单，都少于5台，相当于每天要完成上千种产品的制造，而供应链控制塔的OTS提供了相关的预警与监控。
基于OTS的使用，促进供应链的核心客户满意度指标OTS（order to shipment），FPSD（first promised ship date），ATB（available to build）等得到极大的提升，其中OTS提升40%，FPSD的首次承诺出货日期准确性提高17%，变动减少率提升12%。ATB提升21%。另外，系统承载的订单量从4.5万笔提升到18万笔，运算频次从2次提升到3次每天，运算时间更是从4小时降低到90分钟以内，性能远超业界。
4.4联合排产
背景简述
首先，随着市场竞争的加剧，制造业对生产效率和管理精度的要求不断提高。为了响应这种市场压力，企业迫切需要一套能够有效整合和优化生产资源的系统，以提高生产效率、降低成本并提升产品质量。联合排产系统应运而生，它能够将各个生产环节和部门紧密地联系在一起，实现生产资源的统一调度和优化配置。
其次，传统的排产方式往往存在信息孤岛、资源利用不充分等问题。不同部门之间的生产计划、物料需求、设备状态等信息无法有效共享和协同，导致生产过程中的资源浪费和效率低下。联合排产系统通过集成各个生产环节的信息，实现生产数据的实时共享和协同处理，从而打破了信息孤岛，提高了资源利用效率。
此外，随着工业4.0、智能制造等概念的兴起，制造业正在向数字化、网络化、智能化方向转型。联合排产系统作为智能制造的重要组成部分，能够为企业提供更加智能、高效的生产管理方式，推动制造业的转型升级。
最后，企业内部的运营管理也需要一种更加高效、协同的方式来应对日益复杂的生产环境。联合排产系统通过整合和优化生产资源，实现生产计划的统一管理和调度，提高了企业的运营效率和响应速度，有助于企业在激烈的市场竞争中保持领先地位。
综上所述，“联合排产”系统的开发背景主要源于市场竞争的压力、传统排产方式的不足、制造业转型升级的需求以及企业内部运营管理的需要。通过开发和应用联合排产系统，企业可以更好地应对市场挑战，提升生产效率和产品质量，实现可持续发展。
实现思路
对于关键物料的产能与供应约束，通过同步计划、智能供应、智能运营和动态履行多个个节点的多级可视，去实现对于多级物料产能约束的洞察与计算，实现相关成本与交付周期的降低。同时通过构建供应链4小时生态圈，也就是把工厂尽量搭建在上下游协作方的附近，便于快速协作。
对于供应链的物料与产能相关约束，通过集成与打通多级供应商的系统，去更准确的了解多BOM下的物料齐套情况，掌握缺料情况，并基于实际物料进行工序的快速逆向寻优，配合联宝开发的基于运筹优化的闪电排产系统，能在90分钟里，完成18万笔订单的分解。同时通过监测预实产量的对比和相关设备的数采集成，可以及时了解产出、稼动率等指标，并可以下钻到供应商的瓶颈工序，针对性的进行持续的优化改善。
价值小结
联宝科技每天的PC产量预计可以增加23%，从95K提升到116K。积压订单数量减少20%，交期满足量提升20%，排产耗时可以缩短97%，从单次6小时到未来的不到10分钟。充分实现产能利用，同时也很好地满足客户的需求。同时，通过提高生产效率、减少生产线闲置等方式,每年节省超过2696兆瓦时的电力，相当于200多吨标准煤，可减少2000多吨二氧化碳的排放，相当于每年种11万棵树。
通过联合排产的程序集成入供应链控制塔，实现了多级供应链的同步计划、智能供应、智能运营和动态履行的完整监控，并配合高阶的应用支撑，真正实现了计划一致性，基于各自的比较优势和供应链禀赋特征，实现了对于产能、物料、成本、工艺路线的多层寻优与改进，加之本身4小时供应链生态的物理布局，及联保内部不断进行改善的卓越运营体系和组织微雕，为基于人工智能的端到端生产计划和调度提供了数据保证，实现了平均计划订单可以提升20%的惊人成就(数据来源：麦肯锡)。
4.5Supplier 360
背景简述
首先，随着企业规模的不断扩大和业务复杂性的增加，传统的供应商管理方式往往难以满足企业对于供应商信息的全面掌控和精准分析的需求。企业需要一个能够整合供应商各类信息、提供全方位视角的系统，以便更好地评估供应商绩效、优化供应链结构、降低采购成本并提升整体运营效率。
其次，市场竞争的加剧使得企业需要更加高效地管理供应链，以应对市场的快速变化和客户需求的多样性。通过与供应商建立更紧密的合作关系，实现信息共享和协同作业，企业能够缩短产品开发周期、减少库存积压、提高交付速度和质量。因此，一个能够实现供应商信息共享和协同作业的系统显得尤为重要。
此外，企业对于风险管理和合规性的要求也在不断提高。在全球化背景下，供应商可能分布在不同的地区和国家，涉及不同的法律法规和文化背景。企业需要确保供应商符合相关法规要求，并能够及时识别和应对潜在风险。因此，开发一个能够实时监控供应商风险状况并提供合规性支持的系统成为企业的迫切需求。
最后，技术进步为Supplier 360系统的开发提供了有力支持。云计算、大数据、人工智能等技术的快速发展使得系统能够实时收集和分析大量数据，为供应商管理提供智能化的决策支持。同时，这些技术还提高了系统的可用性和可扩展性，使得企业能够根据自身需求灵活定制系统功能和界面。
综上所述，Supplier 360系统的开发背景主要源于企业在供应商管理方面面临的挑战以及市场对于更加高效、透明和协同的供应链管理的需求。通过开发和应用该系统，企业可以更好地管理供应商资源、优化供应链结构、降低采购成本并提升运营效率。
实现思路
过去对供应链管理的研究大都集中在确定性环境下的供应商选择与协商机制、配送网络设计、运输路线设计、库存控制、外包和采购策略、供应链协调机制、生产网络设计等问题上但是上述的种种事件说明供应链的脆弱性对供应链的绩效产生巨大的负面作用.因此如何度量、转移、管理供应链的风险合肥联宝科技通过对T1、T2、T3供应链所做区域的信息系统采集和判断包括
太低和不恰当的需求，经济不景气或者产品更新换代所导致的最终产品的需求降低。
在履行客户交货任务的过程中出现的问题。
可能造成的成本管理和定价变动。
企业资源:发展和柔性中所存在的弱点，产品和市场不断变化，对新的竞争者可能出现等的监控，综合去进行供应链风险的展示与研究。
供应链风险考虑的因素：
并且通过爬虫大数据技术的相关咨询抓取，相关人员可以结合咨询做更多的战略和风险预警策略。同时在未来的规划中，通过引入大模型更多更好的进行风险的定量分析，如均值方差模型、效用理论、风险值等去做更高阶的供应链风险判断，真正实现供应链控制塔对于整体供应链风险的自主洞察、管理洞察、执行决策。
价值小结
实现了风险预警的高精准和高效率，自动预警出疫情、地震、停工等对企业运营的风险（如2022年4月上海疫情），相关资讯识别精准度及风险预警准确率均达100%。
4.6Supply Cloud
背景简述
首先，全球化的趋势使得供应链日益复杂和分散。企业需要在全球范围内寻找合适的供应商，管理复杂的供应链网络，并确保供应链的可靠性和效率。传统的供应链管理系统往往难以适应这种跨地域、跨文化的管理需求。因此，开发一个能够支持全球供应链管理、实现实时信息共享和协同作业的Supply Cloud系统变得至关重要。
其次，云计算技术的快速发展为Supply Cloud系统的开发提供了有力支持。云计算技术使得企业能够以更低的成本、更高的灵活性构建和部署供应链管理系统。通过云计算平台，企业可以实现对供应链数据的集中存储、处理和分析，提高数据的可用性和安全性。同时，云计算还为企业提供了按需扩展的能力，可以根据业务需求灵活调整系统规模和性能。
此外，数字化和智能化的需求也推动了Supply Cloud系统的开发。随着物联网、大数据、人工智能等技术的不断发展，企业对供应链的数字化和智能化管理提出了更高要求。Supply Cloud系统需要能够实时收集和分析供应链数据，提供智能化的决策支持和预测分析，帮助企业优化供应链流程、降低库存成本、提高响应速度，并提升客户满意度。
最后，市场竞争的加剧和客户需求的变化也对Supply Cloud系统的开发提出了挑战。企业需要更加灵活地应对市场变化，快速调整供应链策略以满足客户需求。Supply Cloud系统需要具备高度的可配置性和可扩展性，能够根据企业的业务需求进行定制和扩展，以支持企业的持续创新和发展。
综上所述，Supply Cloud系统的开发背景主要源于全球化趋势、云计算技术的发展、数字化和智能化的需求以及市场竞争的加剧和客户需求的变化等多方面的因素。通过开发和应用Supply Cloud系统，企业可以更好地管理供应链资源、优化供应链流程、提高运营效率和市场竞争力。
实现思路
对于供应链控制塔来说，多层滚动的产销存计划的构建与监控，是保证供应链平稳运行的最佳实践。代表着从中长期战略到季/月的计划制定，到日排程的计划监控，通过数据运营，了解自己供应链的韧性与柔性范围，并以此进行产能规划、供应链战略布局规划、生产节拍规划、中长期备料计划、短期物料需求计划、以及基于不同服务水平和提前期的库存计划，这就是由supply cloud进行相关实现。
我们可以看到通过对季度/月度的Forecast预测和实际订单执行，实现了整体供应链对于短缺的监控与查看。并将整体中长期的预测/短期的预测（需求感知）进行实际滚算，去了解真实的缺料情况并进行不同库存策略和库存投资的准备，这是整体缺料专题分析可以进行的展现。
并且通过FAST By Quarter季度快速分析的方法或指标结合短周期预测和长周期预测，提供了短周期和长周期的预测数据，这有助于分析未来的供需情况。同时通过订单缺料分析，展示了订单中缺少材料的情况。基于ATB分析，即可承诺库存的分析，进行了基于产销存需求的快速演算。对于TOP缺料，TOP 10 FCST Gap By Series 和 TOP 10 Order Shortage By Series按系列分类的预测缺口和订单短缺的前10名。同时通过Order Hit Rate（订单命中率）这个指标衡量订单满足程度并且动过Gap和Commit，体现需求与供应之间的差距，而Commit表示已经承诺的供应量，真正的实现了多层滚动产销存计划的衔接与分析，各个节点对其他环节的影响。
在整体的计划时间的驾驶舱中，看板提供了一个全面的视图，用于监控和分析供应链的关键指标，帮助企业做出更明智的决策，优化库存管理，提高供应链效率。从维度上，基于不同事业部、组织、产品家族、版本和项目都可以进行相关的横向分析。同时在时间的多层滚动上也做了与版本的关联，可以更进一步的进行明细分析。在展开的明细维度，包括核心的缺料和承诺情况，这可以很好的预警供应链的中断风险，并可以动态评价供应商的服务水平，在多个GAP数据之中，计划员可以更好的了解订单命中率和需求偏差，从而针对性的改善预测策略，同时，通过明细的查看可以了解缺口分布对不同事业部的影响，为整体供应链的S&OP计划提供了更多细节的展示。
价值小结
通过对S&OP及CPFR集成的Supply Cloud的模版的建立与集成，实现供应链战略-计划-执行端到端的全价值链覆盖，透明的数据使得决策时间缩短50%-60%，工作流程自动化程度提高，工作效率提升 10%-20%，订单及时交货率提升 5%以满足客户的订单需求，更好地服务全球客户，同时将库存控制保持在行业领先水平。
4.7BI分析人才培训
背景简述：
业务需求驱动：企业需要对大量数据进行处理和分析，以支持业务决策和运营优化。Fine BI提供了丰富的数据处理和可视化功能，能够帮助用户快速完成这些任务。
提升工作效率：传统的数据分析方法往往耗时耗力，而Fine BI通过提供智能化的数据分析工具，可以大大提高用户的工作效率，减少重复劳动。
个性化需求：用户可能希望根据自己的喜好和需求，自定义登录背景图片和设置登录网页，以打造个性化的工作界面。Fine BI支持这样的个性化设置，提升了用户的使用体验。
数据可视化需求：用户希望通过直观、易懂的图表来展示数据，以便更好地理解和分析数据背后的规律。Fine BI提供了丰富的图表类型和交互功能，能够满足用户的数据可视化需求。
大屏数据监控需求：对于需要实时掌握关键业务数据的企业来说，Fine BI的大屏数据监控功能非常实用。用户可以根据需求自定义大屏布局，实时展示关键数据指标，便于快速做出决策。
培训成果
5价值总结
5.1经济效益
维度
效果
订单计划
提升了客户满意度OTS 40%，FPSD 17%，变动减少率12%，ATB齐套率21%，系统性能提升5倍以上。
排产调度
PC产量增加了23%，积压订单减少了20%，交期满足量提升了20%，排产耗时缩短了97%。同时，每年节省超过2696兆瓦时的电力，相当于200多吨标准煤，可减少2000多吨二氧化碳的排放，相当于每年种11万棵树。
物流管理
仓库空间节约30%、人力减少47%，产能提升50%，运作效率提升了33%，搬运不良减少70%。
供应商协同
端到端的作业时间缩短50%，实现与供应商“4小时产业生态圈”，呆滞料库存降低10%，委外加工的原材料成本降低5%，结构件齐套料率提升50%。也降低了生态体系中合作伙伴（供应商、物流公司等）20%以上的工作负荷。
覆盖产业链近400家供应商、物流公司、海关等合作伙伴。
供应链风险管理
实现了风险预警的高精准和高效率，自动预警出疫情、地震、停工等对企业运营的风险（如2022年4月上海疫情），相关资讯识别精准度及风险预警准确率均达100%。
5.2社会效益
一是可接入更多类似企业，建立备选企业库，提升产业链供应链韧性，增强应对市场变化和风险的能力。
二是构建供给资源池，整合优质资源，对产业链进行延链和补链，推动产业的良性发展。
三是链主企业自身以及帮助供应链企业培养大量的高端产业链人才（产业人才培养），并带动人才的数字化。
四是优化国产化企业替代方案，可以推动料件国产化的进程（预计项目期内完成90%品类料件的国产化方案）。
五是实现产业链供应链可持续发展：实现每年碳减排13万吨，清洁能源占比大于12%（以合肥经纬为例，预计每年通过光伏改造减碳619吨，成型加热改造减碳674吨，烘料桶改造减碳968吨，公辅车间改造减碳1829吨）。
六是形成行业典型场景解决方案和工具包，为更多跨产业跨行业企业的发展提供参考和借鉴。
规划发布15套以上的智能制造解决方案：包括服务器整厂整线解决方案、智能仓储方案、数字化套件、智能测试、单机与专机方案、智能装备解决方案-智能点胶机/ 贴装设备/ AOI检测/ 数码打印设备/ 智能老化仓等。
规划发布21项机理模型：包括产品设计与制造协同优化模型、协同排产模型、供应商联合排产模型、人力规划模型、设备联网模型、数字化绩效管理模型、关键质量控制模型、智慧园区模型等。
规划推广10项工业APP：数字化设备管理APP、MI APP、I-learning APP、异常处理APP、物料房库存管理APP、协同办公APP、SCCT APP等。
共享实验室建设：依托现有的庐州实验室，联合产业链上下游开发iLab系统，涵盖16大类测试项目，可进行1000多项实验。
工控安全领域建设：探索实现以国产化软件为核心的数字化应用（如物联网平台、大数据平台等），并计划向供应链产业链企业开放国产化自研软件的应用。
6.未来规划
供应链控制塔作为企业数字化转型的“新基建”，在构建韧性供应链中扮演着至关重要的角色。以下是对提到的各个关键点的详细分析：
6.1强化可视化与KPI自动化，实现数据深度挖掘与分析
提升透明度：通过实时监控和数据分析，消除供应链中的盲点，确保所有参与者都能访问到一致的信息。
优化决策过程：自动化的KPI监控能够帮助企业快速响应市场变化，通过数据驱动的洞察优化决策过程。
6.2基于闭环管理的供应链全场景风险预警
风险管理：利用闭环管理，实现对供应链全过程的风险监控和预警，从而提前采取措施避免或减轻潜在的负面影响。
增强应对能力：通过对潜在风险的持续监控和分析，企业能够更好地准备应对突发事件，保障供应链的稳定性。
6.3深化供需控制塔与采购中台
提高协同效率：通过整合供需信息，优化采购流程，实现更高效的资源分配和利用。
降低成本：精准的需求预测和采购计划可以减少库存积压和浪费，从而降低整体成本。
6.4实现模型驱动重点业务场景模拟，并辅助决策
模拟分析：利用模型模拟不同的业务场景，帮助企业评估不同决策的潜在影响，选择最佳方案。
数据支持：模型驱动的分析提供了量化的数据支持，使决策更加科学和客观。
6.5基于人工智能的供应链控制塔
智能化升级：引入人工智能技术，如机器学习和自然语言处理，进一步提升供应链控制塔的智能化水平，实现更高效的数据处理和分析能力。
自动化优化：AI技术可以帮助自动化识别模式和趋势，为供应链优化提供更深入的见解。
6.6运营全场景的健康度诊断、风险预测、缓解计划
全面监控：对整个运营过程进行健康度诊断，确保每个环节都能达到最佳性能。
预防措施：通过风险预测和制定相应的缓解计划，提前做好准备，减少潜在的运营中断和损失。
6.7深化供应链控制塔及服务（Scaas)
服务化：将供应链控制塔转化为服务模式，提供更加灵活和可扩展的解决方案，满足不同企业的需求。
易于集成：服务化的供应链控制塔更容易与其他系统集成，提高整体解决方案的协同效应。
6.8探索更多新技术的运用（生成式AI/...）
技术创新：不断探索和应用最新的技术，如生成式AI，以保持供应链管理的创新性和竞争力。
提升效率：新技术的应用可以进一步提升供应链的效率和响应速度，为企业带来更大的竞争优势。
6.9BI的长远策略和规划
战略规划：制定长期的BI（商业智能）战略和规划，确保数据分析和报告能够支持企业的长期目标和战略。
持续优化：定期评估和优化BI工具和流程，确保它们能够适应不断变化的业务需求和市场环境。
综上所述，这些关键点不仅涵盖了供应链控制塔的核心功能和优势，还强调了其在企业数字化转型中的重要性。通过实施这些策略，企业能够提升供应链的透明度、灵活性和效率，从而在激烈的市场竞争中获得优势。 
