在上篇中我们通过无侵入接入把各工厂的生产数据集中到了统一平台解决了 “看不到、拿不到” 的问题。但数据集中只是基础如果口径不统一、标准不一致集中起来的数据反而会带来新的混乱。 制造业的数据治理远比其他行业复杂。同一种物料A 工厂叫 “螺栓 M8*30”B 工厂叫 “外六角螺丝 8mm”同一个生产指标有的工厂按产出时间统计有的按入库时间统计同一套 BOM不同工厂的编码规则完全不一样。口径对不上汇总出来的数据就没有意义经营决策甚至会被误导。所以制造业数字化的第二步也是最核心的一步就是主数据治理与口径统一让所有工厂的数据遵循同一套标准真正做到可信可用。一、制造业数据不准的三大根源制造业的数据口径混乱不是因为管理不规范而是行业特性决定的工厂独立建设系统、历史包袱重、工艺差异大最终形成了数据层面的 “方言”。1. 物料编码不统一一物多码普遍存在这是离散制造最普遍的问题。不同工厂独立建设系统各自维护物料编码同一种原材料、同一种零部件在不同工厂的编码、名称、规格描述都不一样。 比如同样是规格为 M8*30 的镀锌螺栓甲厂编码是 WJ-0012乙厂编码是 LS-DX-0830丙厂干脆直接用供应商型号。物料编码不统一总部就没法做全集团的库存汇总也没法做统一的采购协同明明各个工厂都有库存却还是重复采购造成大量库存积压。2. 生产指标口径不一数据没有可比性生产相关的统计指标不同工厂的计算规则差异极大。 比如最基础的 “日产量”有的工厂按下线数量统计有的按质检合格入库数量统计“设备 OEE设备综合效率”有的算计划停机时间有的不算“生产良率”有的包含返工品有的只算一次良品。 口径不一致不同工厂的生产数据就没有可比性总部没法横向评估各个工厂的生产效率也没法做统一的产能核算。强行汇总出来的数据不仅没有参考价值反而会误导决策。3. 主数据分散维护质量参差不齐物料、产品、设备、工艺这些核心主数据分散在各个工厂独立维护维护标准、更新频率都不一样。 有的工厂物料数据维护及时新品上线当天就更新有的工厂半个月才更新一次已经淘汰的物料还在系统里。数据质量参差不齐导致上层的生产计划、库存分析、成本核算全都不准。二、统一主数据与口径打造可信数据底座制造业的数据治理不用追求大而全优先把核心主数据和生产指标口径统一起来就能解决 80% 的数据不准问题。1. 核心主数据统一物料、产品、设备先行主数据治理的核心是建立全集团统一的主数据标准优先从物料、产品、设备这三类最核心的主数据切入。 首先制定统一的编码规则与命名规范比如物料编码按大类 中类 小类 规格的规则统一编码所有工厂遵循同一套命名标准。然后通过平台的映射配置把各个工厂原有系统的编码和统一编码做映射关联。 数据接入平台时自动按映射关系完成编码转换工厂侧不用修改原有系统还是沿用自己的编码习惯平台侧统一按标准编码汇总统计。这样既不影响工厂的日常运营又实现了总部层面的主数据统一。 后续新增物料、产品时走统一的主数据申请流程从源头保证编码唯一逐步实现全集团主数据的标准化。2. 生产指标标准化统一定义自动核算针对核心生产指标建立全集团统一的指标字典把每个指标的定义、计算逻辑、统计维度、数据来源全部标准化。 比如 “日产量” 统一定义为 “当日质检合格并完成入库的产品数量”“设备 OEE” 统一按 “时间开动率 × 性能开动率 × 合格率” 计算所有工厂都遵循同一套规则。 在平台中通过配置化的方式把指标计算逻辑固化下来各工厂的原始数据接入后自动按统一口径核算成标准指标。工厂可以保留自己的内部统计口径但上报总部、横向对比时全部以平台的标准口径为准从机制上解决口径打架的问题。3. 数据质量校验自动清洗异常预警口径统一之后还要配套数据质量管控机制保障数据的准确性、完整性、及时性。 平台内置质量校验规则自动识别异常值比如产量为负、设备运行时长超过 24 小时、缺失值比如当日数据未按时上报、不一致值比如入库数量和产出数量偏差过大异常数据自动标记预警通知对应工厂的负责人核实修正。 同时建立数据质量评分机制定期对各个工厂的数据质量做评估排名推动工厂侧提升数据维护质量。数据质量持续提升上层的分析与应用才有可靠的基础。中篇结语主数据与口径统一是制造业数据从 “物理集中” 走向 “化学融合” 的关键一步。它没有改变工厂的原有系统也没有增加工厂的运营负担只是在平台层做了一层标准转换就实现了全集团数据的标准化、可信化。 当数据真正可信之后下一步就是把数据能力释放到业务场景中真正支撑生产运营与经营决策。在下篇中我们会讲解如何通过标准化 API 封装把生产数据快速对接各类业务系统释放数据的实际业务价值。