标准接入版
按项目 / 单厂区起步
- 接入 ≤ 8 个数据源，支持批次级分析
- 质量监控：空值率、重复率、延迟三项告警
- 看板刷新延迟 ≤ 10 秒
- 审计日志留存 90 天
- 适合首次建设数据口径的团队
这是一个网页样式设计参考 · 智造未来·大数据分析与挖掘平台 · 安全可信演示稿
安全可信 · 可审计的数据链路
智造未来大数据分析与挖掘平台
面向离散制造与流程工业的统一数据中枢：从多源采集、清洗建模到数据挖掘与智能决策，全过程权限留痕、口径可追溯。平台已在 6 类产线场景完成验证，关键指标看板刷新延迟稳定在 3 秒以内，报表口径一致率提升至 98%。
Workflow工作流程：四步建立可信数据链路
每个阶段都有明确的交付物与验收口径，避免“数据接入即结束”的常见误区。点击左侧分区切换查看关键动作。
01接入与清洗：先统一口径，再谈分析
对接 MES / SCADA / ERP 与产线传感器，按“一源一登记”原则建立数据字典；对时间戳、单位、设备编码做标准化映射，重复率与缺失率在入库前拦截。
数据源登记
逐个登记来源系统、更新频率与责任人，形成可检索的数据资产目录。
交付物：数据源台账字段标准化
统一时间戳时区、单位与设备编码规则，消除同名不同义字段。
交付物：数据字典 v1质量拦截
空值率高于 5%、重复率高于 2% 的记录进入隔离区并触发告警。
阈值：空值 ≤5%入库校验
抽样比对源系统与数仓记录，抽样比例不低于 1%，偏差超限即回滚。
抽样：≥1%02建模与挖掘：围绕良率与能耗做特征工程
以良率、设备综合效率、单位能耗为核心目标变量，构建时序特征与工单维度特征；采用关联规则挖掘定位缺陷共现模式，用异常检测识别设备劣化趋势。
目标定义
明确预测窗口与业务动作，例如提前 4 小时预警批次良率跌破 96%。
窗口：T-4h特征构建
滑动均值、波动率、换型间隔等 30+ 特征入池，按重要性筛选保留前 15 项。
特征：30 → 15关联挖掘
挖掘工艺参数与缺陷类型的共现规则，支持度低于 3% 的规则不进推荐列表。
支持度：≥3%模型验收
以时间切分做回测，要求召回率不低于 85%，误报率控制在 15% 以内。
召回：≥85%03看板与决策：让指标落到具体动作
看板按角色分层：车间主管看当班良率与停机原因，工艺工程师看参数漂移，管理层看跨厂区对比。每条告警都绑定责任人与闭环时限，避免“看了不改”。
分层看板
按角色组织指标，默认首屏不超过 9 个核心数字，减少认知负担。
核心指标 ≤9告警分级
按影响面分为 P1/P2/P3，P1 需 15 分钟内响应并回填处置记录。
响应：≤15 分钟建议推送
模型输出附带置信度与依据字段，决策人可一键追溯原始数据。
可追溯：100%闭环复盘
每周复盘处置效果，未闭环条目自动升级至上级看板。
复盘：每周一次04审计与运维：可信来自可验证
所有数据访问、模型调用与报表导出均写入审计日志，保留周期不少于 180 天；敏感字段脱敏后展示，权限按角色最小化分配并季度复核。
操作留痕
记录操作人、时间、字段范围与用途，支持按工单号反查。
留存：≥180 天脱敏策略
工号、供应商等敏感字段默认掩码，按需申请临时明文权限。
默认：掩码权限复核
每季度复核一次角色权限，离职与转岗权限 24 小时内回收。
回收：≤24 小时可用性监控
核心链路可用性目标 99.9%，任务失败自动重试并通知值班人。
SLA：99.9%Checklist实用指导清单：落地前先过这 7 关
以下条目来自制造场景实施复盘，建议逐条确认后再启动建模，可显著减少返工。
先定义决策动作，再定义指标
明确“看到什么数字、由谁、在多长时间内做什么”。缺少责任人与时限的指标，建议暂不上线；实践中有 约 40% 的无效看板源于此。
时间戳统一到同一时区与精度
设备侧常见毫秒级、系统侧秒级混用，需在入库层统一为毫秒并标注时区；否则跨系统关联会出现 数小时级错位。
为缺失值设定可解释的填充规则
连续缺失少于 3 个点用线性插值，超过则标记为无效段而非强行填充；填充规则需写入数据字典供审计。
模型上线前必须做时间切分回测
禁止随机切分造成信息泄漏；按时间前 70% 训练、后 30% 验证，召回率 低于 85% 不建议接入自动告警链路。
告警阈值分级并设冷却期
同一设备同一指标设置 15 分钟冷却期，避免重复推送；P1 告警需双通道触达（看板 + 消息），确保夜间可响应。
大屏与移动端共用一套指标口径
响应式设计下仅调整布局与信息密度，不改变计算逻辑；建议在 375px 与 1920px 两个宽度分别验收一次。
上线后保留人工复核通道
模型建议与人工判断不一致时，记录分歧原因并每周汇总；前 4 周建议保留人工终审，逐步过渡到自动执行。
Service Tiers服务档位：按数据规模与响应要求选择
三档均包含数据源接入、质量监控与审计日志；差异集中在建模深度、并发与响应时效。
智能挖掘版
按用量 / 含模型迭代服务
- 接入 ≤ 30 个数据源，支持分钟级近实时分析
- 含关联规则挖掘与设备异常检测模型
- 看板刷新延迟 ≤ 3 秒，告警 15 分钟内响应
- 审计日志留存 180 天，支持按工单反查
- 每季度一次模型回测与特征复核
集团决策版
按规模 / 多厂区协同
- 数据源不限，支持跨厂区指标对齐
- 集团级智能决策看板与权限分级体系
- 核心链路可用性目标 99.9%
- 审计日志留存 365 天，支持合规导出
- 专属数据治理顾问季度巡检
Comparison解决方案对比：自建、采购与混合如何取舍
从上线周期、数据主权与运维负担三个维度给出可量化对照，帮助判断投入结构。
| 对比维度 | 完全自建 | 采购平台 | 混合模式 |
|---|---|---|---|
| 首次上线周期 | 约 3–5 个月 | 约 4–8 周 | 约 8–12 周 |
| 数据主权与合规 | 完全自主，需自建审计 | 依赖厂商，需明确数据边界 | 敏感数据本地，分析上云 |
| 年度运维投入 | 较高，需专职团队 | 较低，含在服务费内 | 中等，按模块分摊 |
| 模型迭代速度 | 取决于自身算法能力 | 较快，随平台版本更新 | 核心模型自研，通用复用 |
| 适用场景 | 数据敏感且有算法团队 | 快速验证、资源有限 | 多厂区、分阶段治理 |
| 推荐标签 | 数据主权优先 | 快速见效 | 平衡投入与可控性 |
Delivery可信交付：数据链路中的四个关键现场
从采集端到决策端，每个环节都保留可验证的证据链。
