流程型制造是指被加工對象不間斷地通過生產設備，通過一系列的加工裝置使原材料進行化學或物理變化，最終得到產品。由于流程制造中物料的變動性強，工藝流程的制約變量多，造成了其在生產、物流管理上與離散行業的顯著差異。由于流程型制造業的變動性大，就需要輔助的工業軟件進行規整，今天就為大家闡述流程制造業與BI有的巧妙連接！

      流程制造業的生產活動是指被加工對象不間斷地通過生產設備，通過一系列的加工裝置使原材料進行化學或物理變化，最終得到產品，持續性穩定生產是流程制造業（如：醫藥、食品、化工等）關注的核心。商業智能（BI）指用現代數據倉庫技術、線上分析處理技術、數據挖掘和數據展現技術進行數據分析以實現商業價值。在業務側，流程制造業在自動化、信息化上已經得到了不錯的發展，大量新技術、新工具已經在制造業不斷應用，如：CAD、SCADA、PLC、MES、ERP等，在技術側，圍繞商業智能標準化的生態技術也日益成熟，如：數據存儲與處理、數據計算與分析、數據預測與可視化。盡管流程制造業與BI在各自領域都有顯著的進步，但是迄今為止圍繞這兩個領域的融合幫助企業在研發、生產與運營三個環節從數據層面打通并提供可互動、協作式的服務并不明顯。這可能是因為流程制造業更加關注研發與生產環節（如：LIMS、MES），而BI則側重在圍繞數據獲得有效的分析與決策能力，將這兩個領域的技術進行融合正是流程制造業商業智能分析平臺的核心工作，這將使得企業圍繞數據這一關鍵生產要素開展生產活動，企業各個部門的成員從被動執行者轉為主動參與者，企業每一個人都可以通過BI能力提升技能并沉淀知識。為了實現這一目標，需要解決：

?跨研發、生產及運營數據及治理問題

?圍繞數據跨部門、跨組織協作的問題

?缺乏探索式可視化分析與解決問題的能力

      下面介紹國工BI如何通過自主研發的自動AI核心技術、復雜數據混合計算引擎技術、以及聲明性視覺分析語言技術并結合在流程式制造業（特別是精細化工領域）沉淀專業知識與服務模式解決這些問題，這三項技術描述了如何跨部門和跨系統實現面向特定業務場景的可視化分析與輔助決策，這是一種面向研發、生產和運營的全新的商業智能服務方式，基于以上三個核心能力實現的軟件產品適用于跨行業、不限領域的各項數據分析與決策業務，小到個體用戶幾個文件的整合和圖表的制作，大到制造執行系統與企業資源系統的融合與分析，甚至跨部門間數據協同和業務協作。

流程制造業對BI的需求

      盡管流程制造業在自動化向數字化、智能化轉型過程中使用的系統或技術不斷更新迭代，但其與BI在數據存儲、處理、分析、可視化及預測上的融合并不明顯，圍繞生產過程使用的各個系統（如：PLC、SCADA、MES等）和標準化的數據應用產品（如：數據庫、ETL等）在面向流程制造業的使用過程中存在以下問題：

?跨研發、生產及運營數據及治理問題：大部分流程制造業企業都聲稱通過SCADA采集將采集到的數據存儲在時序數據庫中便于查詢，MES系統沉淀的反向控制知識并未與智能排產APS系統或企業資源管理系統ERP打通，實驗室輔助研發系統LIMS更是作為一個孤立的數據庫而存在。依據單一技術體系或系統輔助單一環節決策并不能為企業整體生產效益帶來顯著提升，管理層決策通常要依托研發、生產及運營環境的全局數據分析給出輔助決策的依據，全局數據的治理程度直接影響著價值的輸出導向，數據治理工作通常涉及到設備端的數據采集、信息錄入、數據的規范化處理及數據的化存儲，除了通過專業的技術服務定制完成數據治理工作外（如：數倉），一個可以實時動態的基于內存快速實現數據準備的技術是一個不錯的替代方案。

?圍繞數據跨部門、跨組織協作的問題：實現企業內跨部門參與數據驅動決策是困難的。大部分控制或應用系統（包括：MES、ERP）及數據應用產品（如：數據庫、報表、可視化工具）都難以滿足不同角色從全局視角查看數據，將數據輔助決策的工作交給IT部門很難得到一個令人滿意的答案，跨部門之間因為數據壁壘產生的溝通問題也嚴重影響決策的效率。這就需要一個可以提升操作人員或非IT人員在發現問題并嘗試輔助解答問題的系統。

?缺乏探索式可視化分析與解決問題的能力：大部分可視化工具或系統都聲稱可以幫助企業快速發現生產和運營問題，如：次品問題、漏檢問題等，然而，靠內置可視化模版的方式僅僅是提高了視覺上的美感，這些可視化的模版雖然可以給出一些固定的指標，但是沒有辦法從更多維度、更廣闊的角度來審視問題，大量表格式報表無法直觀呈現結果和互動式的分析。這就需要一個具備交互式低代碼開發能力的分析產品，通過該產品可以逐層深入找到問題的根源。

      面向流程式制造的BI不僅可以滿足生產不同環節的對數據可視化的需求，還可以面向組織中不同角色的用戶提供全局視角的數據分析及輔助決策，該BI平臺提供多源數據融合及自動化處理的功能，通過持久化和緩存技術將研發、生產和運營數據進行混合存儲并計算，數據的呈現總是以最佳的可視化方式表達，流程式制造BI可以讓用戶：

      始終圍繞數據做出決策，數據成為企業運營的重要生產資料，在BI中可以獲取到任意場景下的授權的數據服務，這對運營很重要，因為商業智能的過程是復雜的，需要專注于商業智能服務的過程。流程式制造BI屏蔽了復雜的數據查詢（如：SQL）過程和編程要求，以無代碼形式輸出可視化結果。

      獲得洞察問題的能力，這一點很重要，因為可視化是問題發現與解決的關鍵，從訂單下達到排產計劃、從工藝研發到生產工藝、從參數管理到人員監控、從異常分析到投料對比等等，可視化分析始終貫穿研發、生產到運營這一整套企業生產活動。

      流程式制造BI不僅提升了組織中單個個體的技能，同時讓整個公司建立了一種數據文化，數據在組織之間成為一種生產要素在流通，持續為企業貢獻價值。這樣的系統需要強大的技術架構來支撐，為了實現這一技術架構，必須做到：

      打通各系統數據（存儲、提取、處理、分析和呈現）上下游技術，將各項技術進行融合。數據引擎必須具備解析無限量表達式的能力，數據呈現效果需要具有豐富可視化能力。

應用場景一：可視化能力的價值

     首先，我們看看與表格相比，可視化的展示形式是如何發現問題。大多數分析工具是通過表格來查看和分析數據。下圖是一個典型在流程制造業中的設備保養任務統計報表，該表以明細的方式記錄了不同組織在不同時間設備保養情況，我們嘗試來回答一下這個問題看一下表格在回答問題上的不足。“在所有保養部位中哪個部位超時次數最多？”很顯然，通過表格你可以找到答案，但是可能需要花點時間，而且很容易出錯，當然，你可能使用一些內置的高級公式，但是這也并不能明顯縮短解答問題的時間。通過可視化的方式，顯然一眼就能找到答案：沖桿超時次數最多（右上圖）。這種可視化的方式更加容易找到答案，因為它呈現的方式直觀。

     這還并不能體現出來可視化的最大價值，再回答一個問題：“保養部位中超時的多少是否與檢查人確認有關？”針對這個問題通過表格給出答案已經非常具有挑戰了，通常需要經過編程或SQL來輔助完成計算的工作，但是類似這樣的問題會有很多，如：不同部門在不同車間中設備保養狀態與生產產量之間的對比情況如何？

     這并不意味著可視化呈現一定優于表格，某些方面表格要更能快速的給出答案，比如：不同組織累計保養次數是多少？這樣的問題，盡管條形圖可以通過增加標簽的方式給出答案，但是遠不如表格更加直接。

      這個例子的目的是告訴您，可視化呈現在某些方面確實優于表格，特別是在某些特定問題的分析上，視覺上的沖擊力更強，更容易找到答案。

應用場景二：高效的制表過程

      通過自我服務完成數據的準備，問題的分析及報表的制作是一站式服務的重要體現。圖3描述了一個典型的商業智能分解過程。

     數據分析工作最初總是從準備數據開始，連接到任意的數據源（如：文件、數據庫等）是第一步，分析是動態的，分析的過程不能靠內置規則模型來完成，需要伴隨思考過程自然的完成分析。每一步操作都應產生一個新的可視化呈現，這樣的呈現是基于增量的分析，分析的結果會在制作報表時被引用。

常見的制作報表方式是通過內置規則模型來完成，這種方式針對的問題場景單一，同時也限制了發現未知問題的思維過程。將報表拆分成一個個的獨立的分析，將明顯提升制作報表的效率，每個分析都可以獨立的準備數據并呈現可視化的結果。

      儀表板是一個不錯的將多個單一的分析組織到一起的形式，布局是儀表板的核心，通過拖拽的方式快速完成定位及大小縮放。儀表板中的每個分析都沒有預先內置或者存儲。從儀表板中點擊某一個分析可以跳轉到分析的界面，而分析完成也會即時更新到儀表板，這是因為儀表板與分析之間只是建立了一個引用。

      分析的過程中可以隨時查看數據視圖，也可以圈定某一可視化區域提取數據集到文件中，甚至還可以針對某一數據集進行過濾、計算與分析。

應用場景三：多場景的分析能力

      以數據可視化的方式將計劃準備、領料開工、在制報工、完工入庫等環節呈現，可視化跟蹤并及時監控異常。將生產現場的車間、工序、生產線的所有生產情況、良品情況、設備負荷情況數字化，將產品質量、生產時間、產能利用等以指標形式直觀呈現，對生產異常及時預警，保證生產成本、質量、交期在可控范圍。

      物料的管理會直接影響經營成本和生產產能，對生產計劃、物料需求計劃、采購執行計劃的可視化跟蹤分析，確保物料的及時供應和有效利用。提供從生產成本料工費構成、標準作業成本的實際對比、生產成本異常波動、原材料供應商報價管理、原材料采購價格異常、訂單成本分析。將原材料、半成品、成品各個環節的質量數據進行分析，找出關鍵質量原因，提供品控水平。