一、智能制造成为新的行业风口
制造业是我国的支柱产业。2020年，我国工业产业GDP达31.3万亿元，占全国经济总量的30.8%，其中制造业贡献26.59万亿元，占全国经济总量的26.2%。伴随着工业4.0、物联网、数字孪生、大数据等信息技术的高速发展，生产要求速率更高、产品要求质量更细、生产弹性更优的智能制造得到强劲发展。其中，数字化工厂就是工业4.0的核心，是智能制造的基础。通过数字化将数据转变为信息，通过网络化和智能化的决策，创造更大的价值。
而MES系统是数字化工厂涉及的核心信息化应用之一。随着MES系统的不断发展，具备的功能也越来越多，MES可以有效帮助制造业提高工作效率，提升生产合格率，降低生产损耗。然而，随着企业对MES的要求越来越高，行业竞争压力也越来越大，制造企业想要在行业中获得更强的竞争优势，必须要紧随数字化工厂的发展趋势。而数据可视化分析环节，就是数字化工厂的重要方向。
根据《国家智能制造标准体系建设指南》、ANSI/ISA 95、MES白皮书（MESA）等权威资料的显示，数据可视化可显著降低资本支出（CAPEX）和运营支出（OPEX），提高工厂整体的管理水平，实现工厂高效运营，并在工厂的生命周期内为工厂节省大量的费用和资源。
在MES中，看板是大数据的另一种呈现方式，合理利用这些生产数据，可以有效提高生产力、降低生产成本、提高生产效能，更能提升行业竞争率。强大的生产力是未来工厂最大的竞争力。
二、行业数字化痛点
作为未来制造业发展的必然趋势，智能制造数字化面对诸多技术挑战，需要解决多个方面的问题。而基于MES系统的生产相关数据价值挖掘，越来越值得重视。目前随着业务的发展，企业内部已有OA、ERP、MES、QIS、GPMS等各种业务系统。从系统建设情况看，信息化程度相对来说比较高。但是现有的数据分析模式难以支持业务部门的分析需求。而且传统开发模式弊端也相对来说比较明显，开发难度大、项目周期长、业务变动频繁、数据准确性难以保障、业务系统繁多等诸多问题，使得做数据整合难度相对较大。目前主要依赖人工统计的方式，从各大系统中抽取出数据进行汇总处理。大量沉淀的优质数据无法体现出价值，难以为企业的发展提供实质性的帮助，更无法提供战略性方案支撑。
制造企业在推进数据分析时面临的主要问题包括：
数据分散，数据孤岛问题严重
大数据量无法高效处理
无法实时分析，难以准确及时把控
数据交互性不足
无法提供有价值的分析结果
三、解决方案
制造业数据可视化解决方案的整体流程是从数据采集到数据可视化展示，包括：数据采集、数据存储、数据加工、数据可视化等关键环节。
制造业企业的数据按照业务类型主要分为业务管理数据和生产运行数据，其中：
业务管理数据：包括销售、财务、人力、供应链、物流仓储等各项与企业经营管理相关的业务数据。这些数据大部分存储在ERP、OA、MES、CRM等各种企业管理系统当中。业务数据是在企业实际的生产经营过程中产生的，是分析企业经营情况的基础。
生产运行数据：主要指的是生产运行过程中产生的数据，例如设备的运行数据、生产线的生产执行数据等，主要是为了监控生产过程的运行情况。
3.1 数据采集
制造业的数据采集主要以业务数据和生产运行数据为主。其中，业务类的数据主要是通过各种管理系统进行存储。大部分管理系统的数据存储的使用的是关系型数据库，例如：Oracle、SqlServer、MySql、PostgreSQL等。通过管理系统的各种表单录入，结合审批流程，实现数据的采集录入。这些数据基于业务系统的流程控制和校验采集，相对来说非常标准；因此，制造业大部分的数据采集更聚焦于基于生产设备的生产过程数据采集。
采集方案
制造业数据采集方案按照美国 AMR(Advanced Manufacturing Research)所提出的，ERP(Enterprise Resources Planning,企业资源规划)、MES(Manufacturing Execution System,制造执行系统)、PCS(Process Control System,过程控制系统)三层结构。其中MES是一个常驻工厂层的信息系统，介于企业领导层的计划系统与生产过程的直接工业控制系统之间，它以当前视角向操作人员、管理人员提供生产过程的全部资源(人、设备、材料、工具和客户要求)的数据和信息，其着重点是将信息技术运用于改善制造过程。
而作为MES中低层的数据采集功能，可以实现对生产现场各种数据的收集、整理工作，是进行物料跟踪、生产计划、产品历史记录维护以及其他生产管理的基础。它可以为企业中ERP等管理信息系统提供实时数据。另一方面，MES也要从其他管理系统中获取相关的数据以保证MES自身正常运行。因此要满足MES快速、实时的要求，作为各种功能模块运行基础的数据就显得十分重要。一个迅速而可靠的数据采集系统是整个MES能够正常稳定工作的有力保证。
采集技术
1、传感器
传感器是一种检测装置，能感受到被测量的信息，并能将检测感受到的信息，按一定规律变换成为电信号或其他所需形式的信息输出，以满足信息的传输、处理、存储、显示、记录和控制等要求。在生产车间中一般存在许多的传感节点，24小时监控着整个生产过程，当发现异常时可迅速反馈至上位机，可以算得上是数据采集的感官接受系统，属于数据采集的底层环节。
2、条码技术
条码技术是实现POS系统、EDI、电子商务、供应链管理的技术基础，是物流管理现代化的重要技术手段。条码技术包括条码的编码技术、条码标识符号的设计、快速识别技术和计算机管理技术，它是实现计算机管理和电子数据交换不可少的前端采集技术。
3、RFID技术
RFID（Radio Frequency Identification，射频识别）技术是一种非接触式的自动识别技术，通过射频信号自动识别目标对象并获取相关的数据信息。利用射频方式进行非接触双向通信，达到识别目的并交换数据。RFID技术可识别高速运动物体并可同时识别多个标签，操作快捷方便。在工作时，RFID读写器通过天线发送出一定频率的脉冲信号，当RFID标签进入磁场时，凭借感应电流所获得的能量发送出存储在芯片中的产品信息（Passive Tag，无源标签或被动标签），或者主动发送某一频率的信号（Active Tag，有源标签或主动标签）；阅读器对接收的信号进行解调和解码然后送到后台主系统进行相关处理;主系统根据逻辑运算判断该卡的合法性，针对不同的设定做出相应的处理和控制，发出指令信号控制执行机构动作。
4、其他采集工具
受限于生产环节的复杂性与环境的苛刻，在除了RFID、条码和传感器的采集模式之外，还存在利用人机交互的形式直接读取数据、利用现场设备如PLC和仪器仪表直接采集数据的模式。在高温高压高辐射的生产环节中，企业亦可以使用打镭射数字标号，然后手工抄取记录的形式监控产品的生产状况。
3.2 数据存储
制造业生产现场采集的海量数据的存储方式对后续的数据分析和计算有重要影响。
其中，数据库存储是一种普遍的做法。数据库按类型分可以分为实时数据库、时序数据库、NoSQL数据库、关系型数据库。
而实时数据库是工业领域长时间以来的数据存储方式，很多传统的工业软件厂商都提供实时数据库。近年来，随着物联网的发展，时序数据库的应用也越来越广。时序数据库在存储制造业生产运行数据方面存在天然优势。
存储方式选型
根据制造业使用的时序数据库排名，大部分企业时序数据库选择InfluxDB、TimeScale等，这些是当前排名较高的时序数据库。部分情况下，生产运行数据也会存储在NoSQL和关系型数据库中。其中，NoSQL数据库选择MongoDB，这也是当前排名最高的非关系型数据库；关系型数据库选择Oralce、SqlServer或PostgreSQL。
3.3 数据加工
通过对制造业ERP、MES、OA等管理系统和Excel等数据文件的数据、生产的实时数据进行关联整合，并将整理好的数据按照业务主题进行分类管理，读取数据关联整合，数据清洗、转化、计算，形成结果集数据，并通过调度进行实时更新，更好地为数据分析业务服务。
3.4 数据可视化
通过丰富的可视化元素，选择合适的图表类型，展示制造企业销售、财务、绩效、质量、设备、生产管理、供应链等不同业务主题的数据，进行可视化分析。并将分析结果通过车间看板、管理驾驶舱进行展示，供生成车间和生成管理者进行使用。
四、Wyn Enterprise可视化方案应用
Wyn Enterprise商业智能数据可视化大屏方案覆盖从数据采集到加工处理再到可视化展示的MES生产制造数据应用全流程。
制造业的生产数据通过采集设备，通过时序数据库或关系型数据库存储，通过数据大屏进行展示，以供生产车间、生产控制中心、生产管理决策等不同场景的使用。目前，生产数据可视化大屏，作为智慧车间的重要组成部分，已被广泛应用到各种类型的制造型企业。
从与采集到的数据对接，到加工处理，再到展示，需要若干个环节。电子看板大屏系统广泛应用于各种行业的生产制造企业，可以自动将生产数据、质量数据、异常信息等车间生产信息自动实时显示在车间的LED显示屏、液晶显示器或相关人员的电脑上，实现车间生产管理数字化、透明化和可视化。
方案架构：
数据整合
商业智能软件支持各种各样的数据源接入，包括常见的Oracle、MySQL、SQLServer、PostgreSQL、Sqlite等关系型数据库，Hive、HANA等数据仓库，Greenplum等分布式仓库，TimeScale等时序数据库，ODBC数据源，JSON数据源等。
通过对ERP、MES、SAP等制造业管理系统和Excel等数据文件的数据、生产的实时数据进行关联整合，并将整理好的数据按照业务主题进行分类管理，读取数据关联，更好地为数据分析业务服务。
数据处理
通过BI软件提供的数据加工处理功能，对数据进行清洗、转换操作，新增列，分组，字段转义等，再抽取到缓存的数据仓库中，并能够设置缓存的全量、增量、实时更新等。
可视化分析
基于数据加工的结果，按照不同的分析维度和度量，通过柱形图、饼图、折线图、矩形树图、玫瑰图、漏斗图、地图等各种可视化组件，将数据通过图表进行直观的展示，分析生产经营相关的数据。
监控大屏
可视化监控大屏是以数据可视化的方式在一个或多个LED大屏幕上显示业务的一些关键指标，以大屏幕为主要载体显示数据可视化的各种分析图表结果。监控大屏容易给人的观感留下震撼的印象，由于其面积大，可显示信息多，便于生产部门在大屏幕上共享关键生产信息，进行讨论和决策。
多终端智能显示
一次设计，同时支持PC、移动、大屏、电视等不同终端自适应显示。针对车间电子看板和电视屏幕，提供专门的APK文件，快速完成大屏部署和展示，无需额外配置。
五、可视化方案效果
通过Wyn Enterprise商业智能软件提供的多数据源整合、数据建模加工、数据可视化等一整套完整的数据处理和分析展示能力，对制造企业MES生产环节所产生的数据进行可视化分析，并通过生产大屏进行展示。
应用场景：
5.1、设备OEE监控
业务介绍：系统通过产线、工序、产品、机台、班次等信息，实时反馈出业务的关注点。
分析指标：OEE监控管理管理功能，能灵活通过车间、生产线、工序、机台、班次等信息，运用饼图、曲线图、折线图、柱状图、导出等一系列展现方式，利用机台端自动采集的数据计算出各机台、班次、产线、工序等OEE值，并且可以同步反馈各区域机台的运行状态，实时追踪机台的运行效率，达到数据分析上的实时性、准确性、高效性。
效果图：
5.2、车间生产看板
业务介绍：根据现有信息，将生产计划、生产结果以及当前完成量、不良品信息等通过可视化方式呈现，提供给用户参考。
分析指标：生产看板，主要呈现今日完成单量、今日交付单量、不良品率、设备运行状态的信息等，分析出当日的具体生产情况，对于生产车间的正常运行，提供更深一层的数据保障。
效果图:
5.3、车间运行监控看板
业务介绍：实时反馈车间的运行状态。
分析指标：Wyn中提供实时分析功能，提高了数据展示的及时性，通过对设备、人员、报警、产品不良分布、良品率、产量等核心关注指标进行实时分析，高效便捷地呈现出分析结果。实时高效的运算能力是保证此功能正常运行的重要保障。
效果图:
5.4、设备故障统计
业务介绍：对生产车间的设备运行数据进行实时展示，跟踪设备运行状态并及时预警。
分析指标：通过圆环图分析各设备的故障分布；通过折线图分析设备不同故障类型的趋势；表格实时滚动展示设备异常类型及异常值、异常占比；表格实时展示设备故障的检修信息，包括处理人、状态、处理结果等。
效果图:
5.5、今日产量
业务介绍：实时了解今日生产信息。
分析指标：通过饼图、组合图、雷达图、数据地图、进度条、散点图等方式，利用数据分析，计算出完成率、今日物料分配、计划进度完成率等信息，实时反映出整条产线与产品相关的信息，以及指标达成情况、产能影响情况等，为按时完成生产任务提供保障。
效果图:
5.6、产线机台现场监控
业务介绍：对产线、设备进行监控。
分析指标：通过对产线、设备、故障率、启动率、班组长、不合格品、停机时长、异常事件等多维度信息进行深入分析，为后期产线效率提升提供更重要的参考信息。
效果图:
5.7、物流监控
业务介绍：显示单量、物流运输情况、不同地区收货量信息。
分析指标：通过点地图显示出了业务区域；对当日的物流单进行了深度分析，从人员信息、运单信息等多维度对物流状况实现了高效的分析监控，保证物流的正常运行。
效果图:
5.8、车间监控大屏
业务介绍：车间监控。
分析指标：产线的正常运行是保证生产的最基本要求。通过数据展示分析，实时高效地动态显示出车间产线的重要状态信息，为生产管理者提供管理支持。
效果图:
5.9、设备安灯监控
业务介绍：实时检测生产情况以及设备运行信息，提供报警、预警等实时反馈。
分析指标：通过现有的数据分析，对生产过程中物料、时间、设备、品质信息进行实时报警，通知现场相关人员及时处理问题，并且可以对异常问题进行收集和实时分析，可以让相关人员清楚了解异常分布情况以及生产达成率的相关信息。
效果图:
5.10、MES报警看板
业务介绍：通过可视化的方式实现所有报警信息的动态展示，实时显示各个环节的基本情况。
分析指标：通过对数据的定时刷新功能，实现信息实时展示效果。友好地实时展示出用户所关注的多项关键指标。实现从计划、生产到设备的各个环节的综合监控，为安全高效生产提供了更直观的展示方式。
效果图:
六、制造业用户案例
1、浙江康勒 - 电气智能制造中央控制中心
该客户是一家专业生产各类工业电机及其自动化、微电机、家用电机、电源电池、电动自行车、特种牵引变压器和电气化成套装备等电子电气产品的大型企业，已成功实施应用了OA、ERP、PLM、CRM等现代化管理系统，具备系统的信息化建设能力。
为了实现长远发展，解决数据分析和生产管理过程中的数据应用问题，该企业的开发者需要借助一款专业的商业智能与数据可视化软件，为企业智能决策提供信息化支撑。
通过技术选型，企业最终选择了 Wyn Enterpris 嵌入式商业智能和报表软件，抽取并分析系统中纷繁复杂的数据信息，并迅速定位信息与数据之间的关联，以此获得各种统计结果和分析判断。
通过 Wyn Enterpris 嵌入式商业智能软件，该企业实现了数据可视化分析与监控，可以有效管控生产过程相关的业务，包括排产、计划完成率、设备产能利用率、设备运行状态等。同时，关联分析到整个生产供应链，包括采购、原材料、物料计划、生产排期、库存等，真正为企业的精益生产转型提供辅助。
- MOM 监控中心
车间实时监控：对各车间的生产运行状态进行监控，对告警、生产、停产、故障不同状态通过条件格式化进行展示监控。
工单列表动态轮播展示：工单列表数据通过明细表格自动滚动轮播，通过格式化显示不同进度工单完成情况。
车间、产线产量排名：通过柱形图对各车间Top5和各产线Top5进行排名展示。
品类产量排名：通过条形图对主要品类产品进行排名展示。
- 海德曼设备监控中心
海德曼加工中心：基于设备模型图，监控不同作业节点的运行状态、生产数量、加工节拍。
消息通知：通过表格滚动展示生产下发的各项通知信息。
设备利用率：通过百分比对接条形图展示各设备的产能利用情况。
设备OEE：通过水球图展示各设备综合利用率。
- 塑封段设备监控
塑封段设备监控：通过自定义地图组件，对塑封设备各节点进行描点，对各描点进行数据绑定和条件格式化设置，随着数据实时变化，对节点状态进行动态预警监控。
对塑封设备OEE综合设备利用率进行监控及展示。
2、山东金麒麟 - 数据可视化分析平台
山东金麒麟股份有限公司（以下简称金麒麟）创立于 1999 年 8月，是以制动摩擦材料及其制品为主导产品的高新技术企业，于 2017 年 4月在上海证券交易所主板上市（股票简称：金麒麟，股票代码：603586）。
金麒麟目前已经拥有了 ERP、BPM、MES三大系统，各个系统主要用于处理企业的主要业务及流程。
但是目前的系统，在数据统计和数据分析功能上都不能很好地满足决策需要，需要经过线下加工才能满足现有需求。
而且由于数据源多且结构不统一，为了提高数据管理的效率，更好地挖掘数据的应用价值，金麒麟决定选用Wyn Enterprise，一款专业的嵌入式商业智能和报表软件，来搭建适合自身企业发展的综合数据可视化分析平台。
金麒麟利用 Wyn Enterprise 搭建的数据可视化分析平台，将来自 ERP、BPM 和 MES不同系统的数据进行了关联整合建模，同时利用报表和仪表板对数据进行了可视化展示。
在数据展示的基础上，此平台也对数据进行了深入地分析，实现了企业决策者对数据的实时掌握，从而帮助其以此为参考做出即时性的经营决策。
- 产品销售数据展示
通过 KPI组件展示当月不同产品的续单量、接单量，可根据销售区域、产品类型进行动态筛选。通过仪表板展示不同指标的全年任务完成情况，可根据销售区域、产品类型进行动态筛选。
通过柱形图展示本年和上年各月接单量和趋势的对比，可根据销售区域、产品类型进行动态筛选。
- 人力资源监控大屏
通过人力资源监控大屏，对员工性别、年龄段、工作年限、学历、岗位类型、岗位、中高管理层年龄构成进行占比分析，分析企业的人员结构情况。
- 统计报表
生产信息统计表：通过报表设计制单详情，了解制单状态和生产状态，便于业务与生产人员及时查看业务数据。
七、方案价值
Wyn Enterprise商业智能数据可视化大屏解决方案在整个制造业的数据应用流程中，串联数据采集、数据存储、数据可视化分析三个关键节点。基于物联网、边缘计算技术，对生产设备、流水线、工控系统等生产环节的数据进行实时采集，通过时序数据库或其他数据库进行存储，再通过BI等可视化分析软件进行实时展示分析，形成数据应用的落地和闭环。
在Wyn Enterprise商业智能分析软件中，支持多数据源整合，无需额外配置即可实现跨库联动查询，有效地解决了制造企业业务和生产部门庞大的数据分析工作，帮助财务、运营、生产、计划等各个部门显著提升数据使用效率。通过对历史数据的有效分析，大大提升了数据的价值，减少了手工报表的压力。同时，数据大屏的实时数据展示，更是进一步加强了公司的精细化管理。
