【2023BI数据分析大赛】H型钢构件智能线运行分析看板
一、选手简介
1 选手介绍
帆软社区用户名：杨宏宇
职业简介：目前在杭萧钢构工业互联网研究院任数据分析工程师一职。日常负责数仓搭建、数据分析等工作。
2 参赛初衷
l 个人能力提升；
l 利用FineBI工具解析异常数据，开拓业务突破口；
l 通过比赛创造业务价值的同时，推广FineBI在企业内部使用；
二、作品介绍
1 业务背景
l 2022年底，公司自主研发H型钢构件智能生产线，从“下料→组立→焊接→矫正→切割→钻孔→抛丸→喷涂”等全套H型构件生产工艺自动化。目前两条智能生产线已经运行半年时间，需通过数据了解智能产线真实运行情况。
l 智能线生产虽然比以往的普通产线生产效率有所提高，但是产线协调性和平衡度是否合理，是否有设备产能过剩，是否真正发挥智能线的作用，需要通过数据进行进一步探索。
2 数据来源
l ERP系统中的生产数据，主要是各产线的月度、日度生产计划及产量。
l 简道云中设备故障信息数据，通过简道云搭建的设备报警信息及设备维修待办通知，生成的设备故障报警数据。
l IoT物联网平台采集的设备实时运行数据，包括运行时长、开机时长、故障信息、电能统计、焊丝气体消耗等信息。
3 分析思路
4 数据处理
l 数据从各个系统抽取汇总到数仓ODS层，经过数据处理、清洗、加工汇总到DWM层。所以将ERP、简道云、IoT物联网平台的数据维度统一按生产线、设备厂商、设备名称、统计日期进行汇总。
l 其中较为复杂的是IoT物联网平台数据集成，由于平台对设备数据的实时性要求较高，采集频次是以秒为单位，且数据量庞大。所以这部分数据通过数仓直接处理成按天的维度，数据脱敏也是在这一步完成的；然后再导入到FineBI中，进行后面的数据处理、汇总、展示完成数仓DWD及APP层操作。
数据处理：
相关数据如下
4.1 对原有的字段拆分成设备名称和生产线
4.2 将每日的运行时长单位转换为小时
4.3 稼动率计算
4.4 日期格式统一
4.5 通过其他表添加列方式将两张表合并
4.6 对特定设备的产能数据进行加工
4.7 火焰切割机原始数据单位是mm转换成m
图表处理：
4.8 各产线月度产量完成率情况。通过日期的选择，将日维度转换为月维度。对于完成率低于90%的月份进行标红处理。
4.9 使用漏斗图展示各个工序每天运行时间，发现生产工艺瓶颈所在。
4.10 故障词云。将设备故障信息通过词云的方式直挂展示，使用故障次数定义文字的大小。
4.11 设备故障总次数图表。使用表格加条形图的形式展示设备故障的总次数。
4.12 相关性分析。通过散点图发现设备电能消耗与气体消耗相关性。
4.13 各设备产能环比增长率（负增长使用红色显示）
4.14 设备稼动率使用不同颜色对设备厂商进行区分
5 可视化报告
5.1 产能分析
①1月份过年期间，工厂停工导致产能较低。
②3、4月份智能一、二线产能达到峰值。
③5、6月份产能有所回落，计划完成率较低，智能一线两个月完成率均没有达到90%。
④从单个设备的产能增长率来看5、6月下降趋势明显为负值。
⑤设备月产能条形图与设备产能环比增长率表联动；按设备工艺流程进行排序。其中火焰切割机产量值代表切割长度（米），其它为加工件数。
⑥设备月产能使用中位数的计算方式，排除客观因素对产能数据的影响。
5.2 设备运行分析
①按故障次数排名，等离子切割机设备故障次数最多。
②从故障原因来看，集中在割炬升降和碰撞问题。
③按生产工艺进行工序排序的漏斗图中，可以看出埋弧焊和龙门焊运行时间过长，而前后工序运行时间短。说明了由于焊接设备的生产瓶颈导致了这一结果。
④右侧设备稼动率图表，设备名称通过颜色区分厂家。
⑤稼动率高说明设备利用率高，其中埋弧焊、气保焊稼动率最高；而其他设备相对较低。
⑥由于生产H型构件的工艺因素，导致有些构件只需要气保焊焊接一面，所以2号龙门气保焊的稼动率相对较低。
5.3 设备耗材分析
①设备常用损耗分为：电能、气体、焊丝，且主要集中在焊接设备。
②从各月耗材使用情况可以看出，耗材与产能成正关。
③气保焊对于气体损耗较大，而组立工位也有少量气体消耗，这是由于组立工位在前工序需要对H型构件进行点焊固定。
④通过散点图发现龙门气保焊设备电能与气体数据重合点较多，计算了两个数据的皮尔逊系数为0.9175，意味着它们之间有很强的正相关关系。
总结与建议：
设备产能问题优化建议如下：
生产排期优化：建立更合理的生产排期，考虑到节假日和季节性因素，避免过年等期间的低产能情况。确保在关键生产期间有足够的资源和人力。
原材料管理：建立准确的原材料需求预测系统，以确保原材料供应充足且及时。与供应商建立良好的合作关系，确保稳定的供应链。
操作工培训和技能提升：投资培训计划，提升操作工的技能水平，确保工人熟练掌握设备操作和生产流程，减少生产中的错误和停滞。
设备运行情况问题优化建议如下：
工序优化：针对埋弧焊和龙门焊这两个工序的运行时间较长的问题，进行工序优化。包括改进焊接工艺参数、使用更高效的设备，以减少工序时间，从而提高其他设备利用率。
生产流程重组：考虑重新设计生产流程，以减少生产瓶颈。包括重新安排工序顺序、引入并行生产等，以提高整体效率，降低生产成本。
异步生产模式引入：考虑将生产模式从同步改为异步。更好地管理设备和资源利用率，减少瓶颈出现的可能性。
设备耗材使用情况优化建议如下：
能源管理优化：实施能源管理系统，监控和优化电能、气体、焊丝的使用。通过识别能源浪费和高耗能设备采取措施来降低能源消耗，例如优化设备的使用时段、定期维护、替换能效更高的设备等。
完整作品展示：
三、参赛总结
1 FineBI工具
我是从去年开始接触FineBI产品，经历了FineBI从5.0升级为6.0的大版本升级，这次升级的体验非常好！BI报表的制作变得有节奏了，从数据到图表再到仪表板每一层的逻辑很清楚，非常适合快速数据分析以及BI报表的制作，同时也非常适合不懂IT的业务人员使用。
2 参赛总结
路漫漫而修远兮，数据分析之道亦然。在信息时代的浩瀚海洋中，数据如潮水般涌来，每个字节都承载着无限的可能和价值。踏上数据分析的征程，就像迈出远行的第一步，需要耐心和毅力，因为这是一条漫长的路，一段充满挑战与发现的旅程。像驶过曲径通幽的山林，或是穿越无垠的沙漠，数据分析者需要准备好穿越信息的迷雾，攀登知识的高峰，以揭示隐藏在数据背后的真相和洞见。在这个不断进化的领域，不仅需要深厚的技能储备，更需要对知识的渴望，对探索的勇气，以及持续不懈的探索精神。这次比赛，让我在茫茫数据的世界中找到星辰般的启示，指引前行并驱使我不断追求数据分析之道的更远彼岸。
