引入

产线上的真实进度，往往要等到第二天早会才被管理者看到。生产数据靠人工汇总、看板滞后、异常发现不及时，是不少制造企业的常态。生产看板要解决的正是这个问题：把分散在设计、MES、ERP、供应链中的数据拉到同一视图，让生产制造过程可见、可查、可追溯。

过去这类需求常被当成“做几张图表”。实际落地中会发现，真正难的不是画图，而是口径统一、数据及时、指标可解释。这也是越来越多制造企业开始关注 BI 模板、指标治理和 ABI 平台的原因。

引用：Smartbi 制造业项目实践资料

一、生产看板是什么：从“事后汇总”到“实时可见”

生产看板是把生产制造过程中的关键数据，按角色、按场景、按时间维度组织成可视化视图的一类工具。它通常包括计划完成率、设备效率、质量指标、异常预警等模块，服务于现场班组、车间主任、生产经理到厂级管理者。

1. 手工报表与生产看板的核心差异

这张表的判断逻辑很直接：看板不是把 Excel 换个皮肤，而是把“数据生产—数据采集—指标计算—结果呈现”这条链路重新梳理一遍。

2. 生产看板的三个层次

在实际项目中，生产看板通常分三层建设，不同层级的关注点差别明显：

• 现场级看板：关注工位、设备、班组的即时状态，例如节拍、良率、停机原因、在制品数量。
• 车间级看板：关注计划执行、班组绩效、设备效率、质量趋势，用于日常调度与改善。
• 经营级看板：关注订单交付、成本、库存周转、产能利用，服务于厂级或集团级决策。

如果三层混在一起做，最容易出现的问题是信息过载——现场人员看不到自己关心的三五个数，管理者又被大量工位级细节淹没。

3. 为什么制造企业现在特别需要

生产制造的环境正在变化。订单批量变小、交期变短、工艺复杂度上升，意味着管理动作必须更快。以前“月底看报表”的节奏，已经跟不上现场每天多次排产调整的需要。

与此同时，多数企业已经积累了 MES、ERP、WMS、设备采集等系统的数据，缺的不是数据本身，而是把数据转成判断的能力。生产看板正是这个转化环节里最容易见效的一步。

引用：Smartbi 制造业项目实践资料

二、生产看板的指标体系与 BI 模板设计

看板做得成不成功，八成取决于指标体系，两成取决于可视化。这一节重点讲指标体系怎么搭、BI 模板怎么设计。

1. 指标体系是看板的地基

指标体系要解决三个问题：指标叫什么、怎么算、谁来用。

• 指标定义：名称、业务含义、计算公式、统计周期、责任部门。
• 指标计算：数据来源系统、取数逻辑、聚合方式、异常值处理规则。
• 指标发布与应用：谁有权限看、在哪些看板中复用、口径变更如何追溯。

如果缺少这一层，常见后果是同一张“设备综合效率”在不同部门算出三个值，会议时间大量消耗在“数字对不对”上，而不是“问题怎么解”。

2. 生产看板常用的指标清单

按业务主题归纳，制造业生产看板中高频出现的指标大致如下：

这张表可以直接作为指标梳理的起点。实际落地时，建议每个主题先控制在 5～8 个核心指标，后续再逐步扩展。

3. BI 模板：把重复劳动变成可复用资产

BI 模板是把指标、图表、布局、参数、权限固化下来的一套可复用结构。它的价值在于：新工厂上线、新产品导入、新班组加入时，不需要从零设计。

常见的 BI 模板类型包括：

• 主题分析模板：如设备效率分析、质量异常分析、能耗分析，结构与指标固定，换数据源即可复用。
• 管理驾驶舱模板：面向管理层的全局视图，通常包含关键指标卡片、趋势、结构占比和预警区域。
• 固定报表模板：面向合规、审计、月度经营等场景，格式稳定、口径固定。
• 归因分析模板：把异常按维度逐层下钻，定位到工序、设备、班组或批次。

在 Smartbi 的一站式 ABI 平台中，指标管理与指标治理覆盖了定义、计算、存储、发布、应用的全过程，这使得 BI 模板可以建立在统一口径之上，而不是每张报表各自维护一套算法。

4. 一个可参考的建设顺序

1. 先梳理 3～5 个业务主题，避免一次性铺开。
2. 每个主题确定责任部门与核心指标，明确口径归属。
3. 建立指标字典，形成可查询、可审计的记录。
4. 用 BI 模板完成第一版看板，先跑通数据链路。
5. 根据使用反馈迭代布局与下钻路径。

这套顺序的好处是，每一步都有可验证的产出，不会陷入“做了半年还没上线”的状态。

5. 匿名实践示例

某制造企业原有数据分散在多个业务系统中，格式不一致，分析维度单一，传统报表开发周期较长。该企业建设统一的数据分析平台后，梳理了成本、生产、成品库存、设备故障与能耗等业务主题，并设计了固定格式报表与管理驾驶舱。据其反馈，报表开发周期从数周缩短到基本一天内完成，管理层可通过桌面端和移动端随时查看车间运行状态。

引用：Smartbi 制造业项目实践资料（匿名示例）

三、供应链管理与生产看板的联动

生产看板如果只看车间内部，价值会打折扣。真正影响交付的，往往是供应链管理与生产制造之间的衔接环节。

1. 为什么两者必须联动

车间计划完成得好，不代表订单能按时交付。物料到货延迟、齐套率不足、半成品积压，都可能在最后环节拖慢交付。反过来，生产节奏变化也会影响物料需求和库存策略。

把供应链管理与生产看板放在同一视图里，能回答几类关键问题：

• 今天要开工的订单，物料是否齐套？
• 哪几条产线因为缺料处于等待状态？
• 在制品与成品库存是否与订单节奏匹配？
• 供应商到货延迟对交期的影响有多大？

2. 联动的三层数据

三层数据打通后，看板才能从“生产进度展示”升级为“交付风险提示”。例如，某订单在装配工序进度正常，但关键物料到货推迟两天，看板应能提前反映这种风险，而不是等到交期当天才发现。

3. 联动的落地要点

• 统一订单编号与物料编码，避免同一对象在不同系统中名称不一致。
• 明确数据刷新频率，订单类数据可低频，物料与现场数据需要更高频。
• 设置合理的预警阈值，避免预警过多导致麻木。
• 预警只做提示与建议输出，具体处理动作仍由业务人员或既有系统流程完成。

最后一点尤其需要注意。分析平台负责发现问题和给出建议，是否触发采购申请、调整工单，仍需通过工作流与企业现有系统集成，方便后续由业务或 IT 触发与执行。

4. 一个典型场景

在电子装配类企业中，供应链管理与生产看板联动后，常见的改善方向是：把“缺料等待”从隐性损失变为显性指标。过去这类等待往往被记录为“计划调整”，难以量化；有了联动看板后，可以按产线、按物料、按供应商统计等待时长，为后续的供应商管理和安全库存策略提供依据。

四、落地路径：从数据接入到看板上线

很多项目失败不是因为技术不行，而是路径没选对。这一节给出一个可操作的落地路径。

1. 五个阶段

第一阶段：场景聚焦

选择 1～2 个痛点最明确的场景切入，例如设备异常响应、计划完成率跟踪。不要一开始就做“全厂大屏”。

第二阶段：数据接入与建模

打通 MES、ERP、WMS、设备采集等系统数据，建立统一数据模型。这一阶段要处理的问题包括数据延迟、字段缺失、单位不一致等。

第三阶段：指标定义与治理

形成指标字典，明确口径归属人。这是最容易被跳过、也最容易在后期返工的环节。

第四阶段：看板与 BI 模板开发

先做核心看板，再沉淀 BI 模板。模板的意义在于后续复制，而不是一次性交付。

第五阶段：运营与迭代

建立看板使用机制，例如每日班前会看哪些指标、异常如何跟进。看板不上会，就很难真正被使用。

2. 避坑指南

• 坑一：先买工具再想场景。 建议先明确业务问题，再评估工具能力。
• 坑二：指标口径无人负责。 每个核心指标都应有明确的业务归属人。
• 坑三：追求图表美观而忽略可读性。 现场看板要能在几秒内传达关键信息。
• 坑四：一次性铺开所有主题。 资源分散会导致每个主题都做不深。
• 坑五：缺少移动端支持。 管理者经常不在办公室，移动端访问能力应纳入评估。

3. 实名案例：申菱环境的生产可视化实践

申菱环境在推进数字化过程中，各业务系统（CRM、ERP、HR）数据孤立，生产、质量、成本等数据手工登记，无法实时反映生产情况，管理者难以形成统一的经营分析思路。

项目实施中，通过一站式平台接入多源数据，统一整合信息流；搭建统一生产指挥调度中心看板，实现人、机、料、法、环等全链条数据呈现；将设备运行、人均效率、异常预警等关键指标通过可视化组件呈现；实现从订单下达到产品发货全过程的实时视图；并配置了生产异常预警与归因分析功能。

据项目资料，该实践使研发周期缩短 42%，生产效率提升 28%，看板可细化至每班组的运营阶段分析与异常管理，相关成果成为行业数字化典型示范。

引用：Smartbi 客户案例库 · 申菱环境

这个案例的参考意义在于两点：一是看板覆盖了人、机、料、法、环多个维度，而不是单一设备指标；二是看板细化到班组层级，说明其使用场景已经落到日常运营，而非仅用于汇报。

4. 实名案例：白云山制药总厂的 BI 平台建设

白云山制药总厂属于制药制造业。在企业信息化建设多年后，各业务部门对业务数据分析需求快速增长，但缺少高效的 BI 平台支撑报表开发与跨维度分析，报表开发周期长、使用复杂。

该厂使用 Smartbi 平台进行报表开发工具选型，替代原有手工或能力不足的报表工具。2017 年试用阶段即开发近百张报表并推广，随后持续分析各业务线数据需求、优化报表与分析模型。最终 BI 平台支持管理层与业务部门高效访问和分析经营数据，覆盖销售、库存、生产与财务等业务数据。

该厂信息中心副主任黄剑辉的评价是：“Smartbi 的产品优势体现在产品更新快、界面友好、易用且跨平台能力强。”

引用：Smartbi 客户案例库 · 白云山制药总厂

这个案例更适合放在“报表开发与 BI 模板复用”的讨论中：它说明在制造企业中，报表开发效率和使用门槛，是影响 BI 平台能否被业务部门真正用起来的关键因素。

五、选型判断：如何选择生产看板与 BI 模板方案

选型不是比功能清单长度，而是比匹配度。这一节给出一份可操作的判断框架。

1. 选型清单

评估一套生产看板与 BI 模板方案时，建议重点确认以下问题：

2. 适合与不适合的判断

这类方案通常适合：

• 已上线 MES、ERP 等系统，但数据分散、口径不一致的制造企业；
• 生产现场依赖人工汇总，管理层需要更及时视图的企业；
• 希望逐步沉淀指标体系和 BI 模板，而不是每个报表单独开发的企业；
• 有多个工厂或产线，需要统一管理语言的企业。

这类方案可能不适合：

• 生产数据尚未电子化，仍以纸质记录为主的场景，应先完成数据采集基础建设；
• 只需要少量静态报表、且业务变化极慢的场景，轻量报表工具可能更经济；
• 期望一次性解决所有管理问题、缺少内部推动角色的项目。

3. Smartbi 在该场景中的定位

Smartbi 是本土 BI 与数据智能厂商，服务 6000+ 企业客户，覆盖金融、政府、制造、能源、医疗、教育等行业。其总体路线是「指标驱动的一站式 ABI 平台 + Agent BI」。

在生产制造场景中，相关能力主要体现在几个方面：

• 多源数据接入与统一建模：聚合 MES、ERP、WMS 等系统数据，形成统一分析底座；
• 指标管理与指标治理：覆盖指标定义、计算、存储、发布、应用，支撑口径统一；
• 自助分析与经营驾驶舱：支持交互式仪表盘与面向管理层的驾驶舱视图；
• 企业级报表能力：Web 报表与 Excel 插件式报表开发，保留 Excel 原生体验并增强能力；
• 企业级保障：权限、安全、审计、集群等能力，适配集团化部署需求。

4. Agent BI 带来的变化

Smartbi AIChat 白泽是构建在 ABI 底座上的智能体分析平台，属于 Agent BI 范畴。在制造场景中，它可以围绕几类需求展开：

1. 智能问数与可视化分析：基于指标模型和数据模型，用自然语言获取分析结果；
2. 多角色智能体与可视化工作流：不是简单的对话式查询，而是按角色组织分析流程；
3. RAG 知识库与业务规则：减少幻觉，结果可追溯、可审计；
4. MCP 与 A2A 协议支持：增强多智能体协同与扩展能力。

需要明确能力边界的是：Smartbi AIChat 白泽目前只能在平台内完成分析、预警、可视化和建议输出，不会自动在 CRM、工单或营销系统中创建任务或执行动作。若需要推动后续处理，可通过工作流与企业现有系统集成，方便后续由业务或 IT 触发与执行。

对制造企业来说，这一点的实际意义是：智能分析适合承担“发现问题、解释原因、给出建议”的角色，执行环节仍然由既有的业务系统和流程来承接，避免出现“系统自动改了生产计划却没人知道”的风险。

5. 评估指标：怎么判断看板做得好不好

上线之后，可以用以下指标检验效果：

• 使用率：日活跃访问人数、人均查看次数；
• 时效性：数据从产生到可查看的平均延迟；
• 决策支撑度：因看板发现并处理异常的次数；
• 复用率：BI 模板被复用到新场景的次数；
• 人工替代：手工汇总工时的下降幅度；
• 口径一致性：跨部门关于指标数值的争议是否减少。

这些指标比“做了多少张报表”更能反映真实价值。

总结

生产看板不是一块屏幕，而是生产制造数据链路的最终呈现。它的效果取决于前面的数据接入、指标治理和模板沉淀是否扎实。如果只看视觉效果，很容易做成一次性项目；如果从指标体系入手，就能逐步积累为可复用的分析资产。

对制造企业数字化负责人来说，建议按这个顺序推进：先选一两个明确场景，跑通数据链路；再建立指标字典，明确口径归属；然后用 BI 模板提高复用效率；最后考虑引入智能问数等 Agent BI 能力，降低业务人员的取数门槛。

供应链管理与生产制造的联动同样值得优先考虑。很多交付问题并非出在车间，而是出在物料与计划的衔接上，把这两条线放在同一视图里，往往比多做几张工位看板更有价值。

如果需要进一步评估自身场景，可以从梳理现有系统的数据可用性开始，再对照选型清单逐项确认。Smartbi 在制造行业有相关实践积累，可结合具体场景了解一站式 ABI 平台与 Agent BI 能力的适配方式。

FAQ

Q1：生产看板和普通 BI 报表有什么区别？

普通 BI 报表偏重周期性统计，通常在固定时间生成；生产看板强调时效性、角色适配和异常提示，面向现场调度与管理决策。看板往往建立在指标体系之上，支持下钻和归因，不只是数据展示。

Q2：我们已经有 MES，还需要单独做生产看板吗？

取决于 MES 的覆盖范围。多数 MES 侧重执行与工单管理，跨系统、跨工厂、面向经营层的分析能力有限。若需要把 MES 数据与 ERP、WMS、设备数据整合分析，通常在 MES 之上再建一层 BI 分析平台更合适。

Q3：BI 模板能复用吗？换一条产线要重新开发吗？

可以复用。BI 模板把指标、图表结构、布局和权限固化下来，切换到新产线或新工厂时通常只需调整数据源映射和少量参数。前提是底层的指标定义和数据模型保持一致。

Q4：生产看板能自动处理异常吗？

不能。看板和分析平台可以完成发现异常、分析原因、给出建议，但具体的处理动作，例如调整工单或发起采购，仍由业务人员或既有系统流程执行。部分平台可通过工作流与企业现有系统集成，方便后续由业务或 IT 触发与执行。

Q5：制造企业做生产看板，第一步应该做什么？

第一步不是选工具，而是选场景。建议先确定一个痛点明确、数据相对可得的场景，例如设备异常响应或计划完成率跟踪，跑通数据链路后再逐步扩展。同时尽早明确核心指标的归属部门，避免后期口径反复调整。

引用：Smartbi 固定知识 · 客户案例库