数字化决策中心已成企业数字化转型加速器
27.07.2023
本期导读
数字决策是践行数字中国战略的必由之路，数字化决策中心已经成为企业数字化转型加速器。研华 WISE-BI 数字化决策中心解决方案，聚焦制造业核心应用场景，以数据驱动科学决策，以科学决策辅助数字化转型，助力制造业打造数据驱动的智慧工厂。
研华 WISE-BI 精益数字化决策中心解决方案，专注于生产制造业研、产、供、销、服等全业务流程的数据分析，深度挖掘制造业运作场景中沉淀的数据资产，助力制造企业以数据驱动科学决策，提升生产制造各环节的敏捷化，打造新的行业竞争力。
01制造业数字化运营决策系统建设痛点
随着产业数字化转型持续深化，数字化运营决策系统的重要性和紧迫性不言而喻。然而，制造业在推进数字化决策中心的建设中，仍然存在以下诸多痛点亟待解决。- 数据采集处理难。老旧设备数据采集难度大，不同厂商的数据协议多，海量数据处理需求；
- 研发、采购、生产、营销等数据分散存储在各种孤立的系统中，数据杂乱且不一致；
- 缺乏全面的数据管理体系规划，业务开展缺乏IT系统和创新技术的支持；
- 指标数据仍需手工整理，信息延迟，不能及时掌控；
- 数据未经多维度串联分析运用，无法覆盖营运盲点，不能满足多人多面的数据分析需求；
- 数据应用能力差，很多用户不知道怎么结合业务场景去分析数据，才对生产和运营绩效提升有帮助。
02 研华WISE-BI数字化决策中心
研华昆山制造中心，在数字化转型过程中，也遇到了如上文中，企业普遍会遇到的困难和挑战。为了打造智能工厂，研华积极拥抱数字化转型，勇于探索数字化转型道路，沉淀和积累转型经验。研华昆山制造中心于2020年入选“中国制造标杆智能工厂”榜单，这是对研华数字化转型取得成就的肯定。
研华基于深耕工业领域多年及自身数字化转型的经验，推出 WISE-BI 精益数字化决策中心解决方案。研华 WISE-BI 数字化决策中心，提供一站式的大数据分析平台。通过数据接入、整合、计算、可视化分析等深挖数据资产，实现研、产、供、销、服等全业务流程数据分析。特别是制造运行方面，参考ISO22400国际标准及GB/T 34044国内标准定义的制造运营管理关键绩效指标，打造智慧工厂精益管理KPI分析系统，主要围绕生产、质量、库存、维护四个方面进行分析，贯穿企业日常运营、管理决策、战略制定全过程，有利于监控比较长时间内的生产运营状况，助力工厂从传统经营模式转变为商业智能模式。
03 WISE-BI 数字化决策中心核心优势
研华 WISE-BI 数字化决策中心以低代码的方式提供给用户使用，快速响应业务需求的变化，提升各环节的敏捷化，打造新的行业竞争力。
- 全量全要素的数据采集。同时支持OT和IT数据的采集，支持丰富的设备协议以及各种类型的数据库；
- 统一的数据分析平台。一站式BI数据分析平台，全面覆盖数据分析过程中各个环节，提高数据分析效率；
- 低代码数据可视化服务，让用户快速开发及探索数据，分析业务需求；
- 软硬一体的企业数字化信息中央管理系统，提供便捷的媒体编辑和操作，统一管理、发布、排程、推送媒体信息，并提供灵活的人机交互；
- 丰富的生产相关BI应用模板，涵盖了生产效率、库存、质量、维护等各个方面，帮助企业快速构建适用于自己的BI分析场景；
- 开放的系统架构，提供多种整合方式，完成与第三方系统的对接。
研华 WISE-BI 数字化决策中心，自上而下推动实施，全员参与科学决策。通过集成MES、ERP、OA等各系统数据，并针对关键KPI进行计算及透明化，为管理人员提供及时的、统一的、具有全局总览的KPI管理系统，指导各部门管理者决策与行动，驱动管理进化。可使业务人员根据需要查询所需的数据并快速生成报表，节省时间和精力。对于IT部门，打通数据孤岛，节约开发资源，缩短交付周期，缓解IT资源紧张的状况。
04 WISE-BI 数字化决策中心成功案例
国内某大型生产制造集团，旗下有多家生产工厂，在数字化转型1.0时期导入了很多信息业务系统。信息分散导致各部门管理者没有办法及时快速掌握全局信息，很多问题通常都是被动了解，错失干预的恰当时机。影响生产运营的关键KPI并未透明化，日会、周会等各种回顾讨论，都需要各部门人员手动收集资料进行汇整计算，不仅效率低下，还容易出错。通过引入研华WISE-BI精益数字化决策中心解决方案，建立智慧工厂精益管理KPI分析系统，涵盖了几乎所有生产管理要素的数字化指标，提升了生产运营管理效率，达到了精细化生产目的，通过指标驱动不断提升工厂的运营绩效。
工厂数据类型繁多，通过 WISE-BI 精益数字化决策中心，可以接入诸如MES/ERP/PLM等IT系统数据，以及各类OT数据，形成了完整的IT/OT的数据源。数据接入到平台后，可快速建立面向各种业务场景的主题库，形成智慧工厂数据仓库，为数据分析和应用提供更快速、透明和高品质的数据服务。有了各类数据，首先定义好数据指标的模型及计算方法，再利用平台的数据集成与计算的能力，便可完成数据模型构建，搭建出智慧工厂全要素指标库。
上图从现场KPI管理看板、部门级管理看板、厂级营运绩效管理这三个层级来展示导入研华WISE-BI精益数字化决策中心的实践结果。不同层级的指标都围绕质量、库存、设备、成本这几个方面进行管理和分析，做到指标从上到下可以分解，从下到上也可以聚拢，方便用户进行指标的分层管理，遇到问题也可以层层下钻分析，比如设备综合效率，我们从工厂层级可以看到整个厂的设备综合效率情况，如果发现效率低下便可以下钻到每个车间，再继续下钻到每个产线，层层去挖掘效率低下的原因。发现问题只是指标管理的第一步，后面需要结合管理的手段不断地去改进指标，才能达到运营绩效的不断提升，从而形成指标驱动运营管理的闭环。
