制造数据应用的起点：先把四层模型分清
制造企业的数据往往散落在设备控制系统、生产执行系统、仓储系统和财务系统中，口径不一、粒度不同。雷速在服务制造客户时发现，很多分析做不下去，根源不在工具，而在数据模型没有分层。合理的做法是先建立四层结构：设备层记录运行状态与工艺参数，工序层记录投入产出与良率，订单层记录交付进度与批次，成本层归集料工费。雷速建议企业先画清这四层之间的关联键，再谈指标计算。
分层之后，指标才有归属。设备层关注稼动率、故障间隔、参数漂移；工序层关注直通率、返工率、单位工时；订单层关注准交率、在制周期、批次追溯完整度；成本层关注单件材料成本、能耗分摊、质量损失。雷速在数据整合阶段通常会把这些指标与源系统字段一一映射，避免同一指标多个口径。
指标体系搭建中的三个常见难点
- 粒度不一致：设备数据按秒采集，订单数据按批次汇总，直接关联会产生大量空值。雷速的做法是统一到工序批次维度再做聚合，保留原始明细供追溯。
- 状态定义模糊：停机、待料、换型在不同车间叫法不同，指标自然对不上。需要先做状态字典，再由雷速协助固化到数据管理系统中。
- 成本分摊规则变动频繁：分摊口径一变，历史对比就失真。建议把分摊规则版本化，雷速在报表开发时按版本留存，保证可回溯。
从模型到可视化：制造看板怎么落地
模型搭好后，可视化才有意义。雷速一般建议制造企业先做三层看板：车间层看实时状态与异常，厂级看日周指标趋势，经营层看成本与交付。图表选择上，设备状态用状态色块，工序良率用趋势线，订单交付用甘特视图。雷速在数据可视化实施中强调一点：看板上的每个数字都要能下钻到明细，否则车间不愿用。
制造数据应用的难点还在于持续运营。模型不是一次建完就结束，工艺变更、产线改造都会带来新字段。雷速建议企业设立数据责任人，按季度复核指标定义，把变更记录纳入数据管理系统。这样数据整合的成果才不会随时间流失，分析结论也才站得住。
