利用分析改进先进制造的决策制定

先进制造是一项艰巨而复杂的工作。随着消费者的品味和趋势加速了对新产品的渴望并缩短了现有产品的生命周期，今天的制造商必须依靠大数据来帮助他们在正确的时间管理、预测和追求正确的产品。普华永道的一项研究表明，高达 92% 的制造商认为他们的决策要么是高度数据驱动的，要么是部分数据驱动的。

很容易将大数据视为一个巨大的实体，需要对其进行管理以获得正确的见解。但是，可以使用不同类型的数据，具体取决于公司的成熟度以及管理者和利益相关者可以部署的软件类型，以改进企业和工厂级别的决策。我们将此称为制造分析之旅，它包括四种类型的数据分析。

随着制造商分析能力的成熟，他们从描述性分析转向规范性分析。

制造数据分析的四种类型

• 描述性分析 – 描述性分析告诉用户发生了什么 .它是一种数据处理类型，它使用来自整个工厂或公司的历史数据来寻找模式、关联和关系。使用数据聚合和数据挖掘，数据的组织方式可以对过去的行为产生深入的洞察。

这些信息可以产生价值，帮助制定产品策略，帮助用户了解一段时间内的趋势。它可以应用于质量、财务和收入等广泛的类别。但描述性分析仅限于其向后看的性质。虽然可能会出现有助于为决策提供信息的有用模式和趋势，但它在当前和未来事件中的应用受到限制。对于高度数据驱动的公司，还会使用其他类型的数据分析。

• 诊断分析 – 描述性分析描述发生了什么 ，诊断分析解释了为什么会发生 .了解机器或产品组确实以某种方式运行后，诊断分析有助于确定原因。诊断分析使用钻取、高级过滤和数据挖掘等技术来寻找相关性来解释原因。这种类型的分析有助于收集对特定问题的见解并就如何避免这些问题做出可靠的预测。

诊断分析价值的一个例子是确定警报是否有效。由于今天的互联工厂会生成从大量传感器和边缘设备收集的大量数据，因此诊断分析可以对警报进行限定和分类，以便操作员能够理解它们并采取行动。借助来自大量传感器阵列的大量数据，机器学习可用于开发模型，准确解释某事发生的原因，从而做出准确的决策。

• 预测分析 – 预测分析用于解释最有可能发生的事情 .使用从描述性和诊断性分析中收集的结果，预测分析在预测中很有价值。它使用这些数据来预测尚未发生的数据。通过统计建模、数据挖掘和机器学习，预测分析使用了多种技术，例如：

• 细分 ：基于相似性的分组。
• 协会 :确定共同发生的频率并创建规则来确定一组特定变量相互作用后会发生什么。
• 相关性 ：识别元素属性之间的关系。
• 预测 ：推导出未来的值和事件。

• 规范性分析 – 使用其他三种类型的分析，规范性分析使用机器学习、高级算法和定义的业务规则来规定 将采取什么行动 .此外，规范性分析也可以显示该行动的可能结果。这使决策者具有一定的准确性以及一系列选项，可以根据企业的目标确定多个可能的结果。规范性分析驱动着制造业的未来，不仅要做出决策，而且系统会根据这些决策自动调整。

数据是使 MachineMetrics 如此擅长我们所做的事情的原因。在 MachineMetrics，数据的目标是支持广泛的机器学习算法和深度分析，以构建一个实时、可操作的平台，通过 OEE 和制造效率提升来推动价值。结合允许通过固定 HMI 和便携式设备进行可视化的定制仪表板，可以根据这些分析的强大功能做出决策，从而为操作员提供支持并提高效率。

关于收集和使用分析以提高车间效率的实践的深入资源

在互联制造环境中使用分析

随着企业的成熟，决策策略会发生变化。使用的分析类型也发生了变化。对于不是高度数据驱动的公司，他们 79% 的分析重点仅包括描述性和诊断性。另一端是高度数据驱动的公司，其中预测性和规范性分析占其分析利用率的 54%。 MachineMetrics 帮助其客户实现深度分析的好处，并帮助他们将其独特地应用到他们的运营中。

对于“有点数据驱动”和“高度数据驱动”的组织来说，工业物联网的到来意味着那些使用先进制造技术的人可以利用设备和软件来专注于分析的正确组合以获得最佳结果。工业物联网技术和软件在不同设备类型之间提供了一定程度的互操作性，以标准化数据以供在分析软件中使用。 MachineMetrics 的客户已经体验过这一点，并使用它与其他解决方案集成，例如 ERP 系统、调度和计划工具以及 OEE 软件。

如果不使用部署在设备上的传感器和边缘设备，就不可能收集大量数据。通过 MachineMetrics，客户能够实时利用这些数据，从而在分析程序中对数据进行最准确的迭代。通过部署传感器和边缘设备，可以消除延迟，尽可能创建接近即时的信息。

鉴于使用 IIoT 设备收集的大量数据，如果没有分析，原始数据将毫无意义。其原因是人类无法将数据处理成有意义的决策。然而，除了所使用的分析类型之外，还有可视化结果以做出这些决策的能力。当今的 IIoT 技术能够将分析结果转化为可视化格式。交互式仪表板、定制屏幕和优化的手持设备（如平板电脑和手机）使操作员、技术人员和管理人员能够直观地看到他们的机器和车间。

数据收集允许准确的资产监控、实时状态监控、实时生产统计和利用率报告。它可以通过定制的操作员仪表板和适当的通知和警报直观地提供这些信息。这允许准确监控停机时间和质量性能以及设置和转换的可操作区域。更进一步，数据分析有助于更深入地了解正在收集的数据，这有助于识别趋势、查明因果关系、解释生产瓶颈，甚至启动预测性维护计划。

使用上述类型的数据分析，制造商可以与现有的公司软件集成以提高其绩效，同时提供实时信息以推动整个企业的优化决策，从工厂车间到公司办公室。