2. 多工厂协同的业务挑战与数据需求

集团化运营的核心矛盾，往往不是"没有数据"，而是"数据在各自工厂里都成立，放到集团层面就互相打架"。一家集团在华东、华南、西南各有一座生产基地，三座工厂的MES、WMS、能源管理系统各自独立建设，生产报工口径、库存批次规则、质量判定标准、能耗计量边界都不一致。集团计划部要排一张跨厂协同的生产计划，需要先花两三天人工核对各厂报表；集团质量部要追溯一批客诉产品的同批次流向，发现三家工厂的批次编码规则完全不同，无法直接关联。这类问题不是IT故障，而是多工厂协同的典型业务挑战。

一、四类数据的协同痛点

生产数据的痛点集中在口径与时序。各厂对"产量"的定义不同：有的按入库合格品计，有的按报工数量计，有的把返工重报也算一次产出。同一张订单在A厂显示完成率98%，在B厂显示103%，集团汇总时既不能简单相加，也不能直接取平均。此外，各厂报工时间粒度不同，有的按班次、有的按小时，导致集团层面无法做统一的产能负荷曲线。

库存数据的痛点在于批次与可用性。原料批次、半成品批次、成品批次在各厂采用不同编码，且"可用库存"的扣减逻辑不一致——有的厂已做预留但未出库仍计为可用，有的厂则已扣减。集团要做跨厂调拨或集中备料时，看到的库存数字与实际可动用库存存在系统性偏差。

质量数据的痛点在于判定标准与追溯链路。同一物料在不同工厂的检验项、抽样方案、允收水平可能不同，A厂判合格、B厂判让步接收，集团层面无法形成统一的质量画像。更关键的是，一旦发生客诉，需要从成品批次反查到原料批次、供应商、生产设备与工艺参数，而这条链路在单厂内尚可，跨厂就断裂。

能耗数据的痛点在于计量边界与折算口径。各厂电表、气表、水表的安装位置不同，有的按车间计量，有的按产线计量；能耗强度有的按产值折算，有的按产量折算。集团要做能效对标时，分母不统一，对标结论就失去意义。

二、痛点背后的根因

把上述痛点归因，可以收敛为三条根因。第一是主数据不统一：物料、工厂、供应商、设备、批次等主数据在各厂独立维护，编码规则、属性字段、层级关系都不一致，导致跨厂数据无法自动关联。第二是业务口径不统一：产量、库存可用量、质量判定、能耗强度这些指标，各厂按自身管理习惯定义，缺少集团层面的指标字典与计算规则。第三是数据时效与粒度不统一：有的厂数据实时上传，有的厂按班次批量上传；有的厂细到工序，有的厂只到车间。这三条根因叠加，使得集团即使把数据集中到一个平台，也只是"物理集中"，而非"逻辑协同"。

三、目标定义：从"能看"到"能协同"

多工厂协同的数据目标，不应停留在"集团能看到各厂报表"，而应定义为一组可验证的协同能力。建议从四个维度定义目标：

• 口径统一：集团发布统一的指标字典，明确每个指标的计算公式、数据来源、统计周期与责任工厂。例如"产量"统一定义为"经检验合格并完成入库的产品数量"，返工重报不计入。
• 批次贯通：建立集团级批次编码规则，各厂在保留内部批次的同时，映射到集团批次主键，使成品批次可反查原料批次、供应商、生产设备与关键工艺参数。
• 指标可比：能耗强度统一按"单位合格产量能耗"折算，质量指标统一按"一次合格率"与"客诉率"统计，使各厂之间可横向对标。
• 协同可执行：集团计划、质量、能源部门能够基于统一数据直接发起跨厂调拨、集中备料、质量追溯与能效对标，而不需要人工二次核对。

四、一个可落地的目标定义示例

以某集团的实际推进为例，其目标定义采用"指标字典+映射表+校验规则"三件套。指标字典规定每个指标的公式与来源；映射表规定各厂字段到集团字段的对应关系；校验规则规定数据上传时必须通过的检查项。例如库存可用量的校验规则为：可用量 = 账面库存 − 已预留未出库 − 质检冻结量，且各厂上传时须同时提供这三个分量，集团侧自动校验加总是否等于账面库存。这样，集团看到的库存数字才具备跨厂可比性。

五、数据需求清单

基于上述目标，集团层面需要各厂稳定提供以下数据：生产侧的工单、报工、产出、设备状态；库存侧的批次、库位、可用量、预留与冻结；质量侧的检验项、判定结果、不合格处置、客诉关联；能耗侧的分项计量、产量分母、折算系数。每类数据都需明确字段、频率、责任人与校验规则，形成可执行的数据需求清单，而不是笼统的"上传生产数据"。