|
1.选手简介
1.1.选手介绍 - 企业名称：贵州****有限责任公司贵阳**厂
- 企业简介：贵阳**厂以生产大规格**为主，年产量100万*的重点型**厂。 贵州**根据高质量发展规划，为确保“**”品牌如期进入行业136、345阵列，同步把贵阳**厂打造成行业一流优秀重点**工厂，贵阳**厂在贵州**(公司)党组的坚强领导下，紧紧围绕贵州**智能制造发展规划的要求，全力实施“全面精造工程”，紧盯生产制造全要素，立足自身系统构建“一流优秀重点**工厂”指标体系，助推贵阳**厂实现高质量发展。
- 企业选手：我们来自贵阳**厂整体提升工作推进办公室和**车间。小组成员有：徐苏恒（组长）、罗亿力、曾宏亮、黄玉（业务专家）、张艺于。在接触帆软的软件后，我们发现**车间工艺质量业务可以借助帆软BI去做更多的分析，便利车间管理人员对生产车间的精确管理。
1.2.参赛初衷 - 参加此次活动主要是想解决工艺质量人员重复录入、筛选、清洗数据的过程，让业务专家通过简单拖拽、可视化的界面，利用专业知识将专注点放在工艺质量数据的具体分析上。同时也想通过这次活动，更多的培养我们对数据的洞察能力及面向专家的可视化展现能力。
2.场景介绍
2.1.主题介绍/数据来源 - 本次分析的主题是2020年成品入库抽检质量分析，分析我厂**车间今年成品入库筹建数据，从中找到一些具有参考价值的数据和对下一年重点关注对象的总结。
- 数据来源:贵阳**厂**车间工艺质量数据（已脱敏）
2.2.分析思路 2.2.1.拿到数据以后，我们从车间层面的整体、成品外观、物件指标、各品牌、各机台进行研究，采集获取的质量数据，找出数据之间的关联。
2.2.2.思考一:本年度哪些缺陷是突出的？ 这是我们重点关注问题。分析这个问题，需要从**车间整体开始，下钻到机台进行深度分析。本年度重点发生的缺陷是哪些？具体是哪个品牌？哪一个班组？在什么区域内发生的？具体机台是多少？以及外观与物检扣分占比的情况？着重从缺陷类别的月间趋势分析着手，就很容易发现是哪几个月份发生的异常情况较多。再根据以往的数据进行归类分析，得到车间各品牌扣分情况，结合机台生产该品牌的时间，对不同区域的机台质量管控提出改善方案。
2.2.3.思考二：哪些质量数据低的机台可进行重点关注？ 这个问题是在**车间内，按班组、区域划分对本年度生产某品牌扣分及缺陷情况年均分将机台排序，找出年均分最低的机台对其重点关注。
2.3.数据整理 2.3.1.思路分析以后接下来就是对数据进行整理。我们通过SQL语句，将数据库内关联的报表和字段提取、合并，比如将属于同一品牌的信息去掉空格与重复再汇总。 将相同字段重命名，并给“zlop”赋值 还需要提前对该班组对应机台生产的不同品牌实际得分进行计算。我们思路是利用SQL语句，通过外观得分+物检得分=实际得分的公式，将数据库中对应的字段相加求和并关联到对应的时间生产的机台和品牌上。最后把实际得分情况按班组、机台排序，保存当前自主数据集为：物检与外观整合数据。该数据集包含的字段：时间、班次、机台号、品牌、缺陷数量、扣分、部位。接下来我们可以针对数据集内不同的字段进行可视化分析。
2.4.可视化分析 2.4.1.我们通过该仪表板，可以看出当前年度，优牌（坚蓝精品）全年扣分最多，其中该品牌接装纸泡皱为主要缺陷。
2.4.2.查看左侧曲线图，我们可知，全年11月，两班的扣分趋势明显上升。
我们遂点击11月份，得出在该月份内生产的优牌（坚蓝精品）在乙班3#、22#，甲班14#、33#扣分最高。（刚接触帆软，连接的数据不够多，下一步我们计划对接设备数据从更多维度分析扣分高的原因并给出相应改进措施。
同时，我们列出2020年度甲乙两班各机台外观缺陷实际得分（均分）对比柱状图。通过图表我们可查看相应机台的具体情况。（后期厂内无线ap成熟，员工能通过手机查看生产、质量、设备等信息）。
2.5.总结 在整个过程中，最感谢的是有强大的业务专家为我们支撑。在写SQL语句的时候除了要数据SQL语句的用法，还需要业务专家告诉我们各数据间存在的关系。技术和业务的结合，奠定了可视化展示的基础，因为我们在预处理数据的这个阶段缩减了很多时间。
在制作仪表板的时候，我们听取了业务专家往期周例会及年终总结想要达到的目的。在不断的需求沟通与制作中，我们了解到仪表板的目的除了好看，更重要的是在汇报时，结合汇报者的描述，能够清楚反应期间的实际情况并客观的做出后续的相关决策。
同时，在对自助数据集进行二次编辑时，我们明显感觉到以前人工对数据清洗的工作交给系统后，能帮助业务专家节省更多的时间去针对实际产生的缺陷问题进行深入分析。通过分析手段挖掘隐藏的有价值数据，用分析出来的结果验证事实真相，下一步我们计划加入生产数据、设备数据等进行多维度分析，结果落地验证，优化生产车间。
| 
