浅析BI系统助力质量指标分析

2020-04-14◆赵静/文

上海质量 2020年3期

◆赵静 / 文

0 引言

步入信息化时代，手工分析数据难以满足企业快速发现、快速分析、快速决策的需求，企业越来越依赖大数据平台和智能化系统支持管理。不少企业先后上线了ERP系统、SAP系统、MES系统、QMS系统、PLM系统，多模块、多角度地收集底层数据，为进一步实现企业精细化管理提供了可能[1]。可是，由于缺少数据整合分析，这些数据价值实现率不高。如果引入商业智能（Business Intelligence，简称BI）系统，减少人工导报表、整合分析的时间，有助于实现管理层在线实时监控企业运营情况，发现隐蔽问题、及时纠偏。

1 Bl系统简介

根据企业所处的环境及经营管理需求、KPI指标，可以拟定BI智能系统需要分析和展示的内容，并进行界面定制化。BI系统从企业现行的执行系统，如ERP、SAP或MES系统，抽取所需的底层数据（部分数据进行人工导入），经运算分析，及时展现企业的运营指标和绩效，包括日指标、月指标、年指标；也可以分模块展示，如生产指标、质量指标、财务指标、物流指标等。同时，将分析结果存储下来、随时调用。管理者根据BI数据，组织原因分析，找出解决措施；决策者根据现行的指标，预测未来数据，制定目标[2]。

2 K公司已有系统的应用情况

K企业已上线了SAP系统、MES系统和QMS系统。SAP系统主要用于库存管理、供应链管理、工艺路线维护和财务管理等；MES系统主要服务于制造系统，追溯跟踪每一批次、每一个产品的制造过程，任何工序的不良、冻结、返工、复检结果都会记录[3]；QMS系统对所有过程、所有不合格产品开出不合格单，包括采购件、外协件和自制件，记录产品号、数量、责任方、原因、纠正措施等重要信息，是目前质量数据分析的重要手段。但不论是MES系统数据还是QMS系统数据，均需要专人定期导出，再进行二次统计分析。不仅工作量大、效率不高、及时性不好，而且容易人为过滤一些信息，数据的真实性受到影响。

3 K公司质量KPl与Bl实现预测

K公司涉及多过程，包括机加工、焊接、粘接、固化、拉丝、油漆、装配等。BI系统拟计划纳入的质量模块的KPI包括以上各过程的一次合格率FTY、返修合格率、报废率以及全过程流通合格率RTY、最终合格率PFY、供应商来料不良率、内部不良品处理及时率、交付产品投诉率NCG、客户投诉NCR、质量损失率CNQ等。BI系统的计算逻辑和数据来源的设想，如表3-1所示。

表3-1 质量KPI与BI实现预测表

4 影响Bl系统数据准确性的部分因素及解决方案

4.1 BI系统抓取的MES扫描点考虑不全面

例如BI系统想要抓取返修合格数，程序设定的该产品经过“扫上线-冻结-扫返修合格”才能被BI系统抓取。可是产品若返修两次，经过“扫上线-冻结-扫返修合格”这几个扫描点，由于和原设定的抓取逻辑不完全一致，BI系统会漏抓取二次返修的合格产品，导致返修合格率偏低。

解决方案：完善BI抓取逻辑，底层语句需要考虑多种异常扫描点情况，并通过多次测试，与手工数据比对确认，直到逻辑正确。

4.2手工数据上传BI系统不成功

例如客户投诉，需要专员在BI数据采集平台下载标准模板填写数据上传到BI数据采集平台。如果数据格式错误（日期格式）、日期错误（要求20191222，写成了20191221）等，或者未在设定的系统运行数据之前上传好数据，会导致BI不能识别。

解决方案：数据采集平台设置统一模板，下载模板填写数据；务必在系统规定上传时间内上传数据，上传后检查是否导入成功；系统设置防错功能，上传时如出现格式错误进行提示。

4.3 SAP、MES、QMS系统数据同步有时间差

例如，BI系统设定抓取前一天早8点到当天早8点的数据，因为系统时间误差，可能SAP、MES、QMS的数据在整8点的时间未抓取到。

解决方案：因为这个问题可能仅仅影响8点前后1分钟的数据，影响不大，企业与手工数据对比后可自行评估，是否需要改进。

4.4 MES或QMS处理滞后导致BI日指标的不准确

例如质量损失这个指标，QMS系统中的不合格单已开但处理意见未给，或者MES系统中的不合格品已冻结但未判定结果，则当天数据不会被BI抓取到，质量损失指标分子不体现，当天指标值偏低。隔天不合格单已处理，产品被判定为报废，则会在质量损失的分子中出现，但是不代表当天的质量损失，导致当天的指标值偏高。

解决方案：企业提高QMS和MES系统的处理效率，可以规定24小时给出处理意见；如果不处理，流程自动流转到某个节点。不过，只要每个月底处理完当月的不合格品流程，一个月的质量损失值还是准确的。

4.5 交接班数据有差异

如果企业存在两班制，交接班数据可能存在差异。分为两种情况。

情况一，当班人员在本班完成了返修工作或者检验，但是到了下班时间，未及时在MES或QMS中处理，导致这些数据累计到了下个班次，造成当班的数据不准。

解决方案：规定当班工作当班完成，不能遗留到下个班次。

情况二，BI系统设定的班制时间与实际班制时间有差异。例如，BI系统设定的A班时间是早8点到晚8点，B班时间是晚8点到早8点。实际上A班工作时间是早7：50到晚7：50，B班时间是晚7：50到早7：50。因此BI系统会把晚上7：50-8：00抓取的数据计入A班，而实际应该属于B班。而把早上7：50-8：00抓取的数据计入B班，而实际应该属于A班。这样就影响了当班数据的准确性。

解决方案：交接班前10～20分钟不再进行作业，做交接或者班前准备工作。

5 Bl系统成功导入的关键

5.1 领导的支持与参与

从领导层面向下宣贯，提出对BI系统导入的决心，同时向项目负责人授权并提供必要的资源。系统导入过程中，要带头使用系统，向下提出使用感受、改进建议和要求。

5.2 业务指标逻辑的梳理

业务指标逻辑的梳理与定义是BI系统导入的基础工作。只有明确的逻辑，才能指导各业务系统的对接，指导数据核对工作。梳理过程中，可能发现指标逻辑的合理性和可操作性，推进指标的合理化。另外，还可能发现隐蔽工厂，如异常的返工、返修。

5.3 全员的理解与参与

员工容易对新兴事物产生抵触情绪，因为打破了他们的习惯。特别是导入新系统的前期，需要耗费大量的时间建立基础数据、核对数据、修正、验证等。当手工数据和系统数据并存且两者存在严重差异时，员工特别容易产生抵触情绪。所以，企业领导需要让员工了解BI系统导入的必要性和好处，并提前告知可能遇到的困难，做到心中有数。同时，给予一定的激励措施。