制造分析在行动

多年来，我们一直在使用分析来改进博世工厂的生产流程。那么制造业分析有哪些新变化，下一步是什么？

我们的需求分析方法使一切与众不同

有多种方法可以启动和运行数据分析项目。起点通常是在客户生产设施的启动研讨会，在那里我们与客户团队会面，根据产品和生产过程的视觉印象讨论和了解项目目标和潜在问题。

生产工程师倾向于关注并深入研究似乎导致问题的具体流程步骤，并应用常见的问题解决方法。

但是数据分析可以带来更多的好处，因为它不仅仅专注于一个特定的过程或机器。相反，它还考虑了来自上游和下游生产步骤的机器、流程和材料数据，以便识别以前隐藏的因果关系、相关性和模式。

因此，除了在项目开始时介绍制造业数据分析的潜力和力量之外，我们在启动研讨会的主要目标之一是从业务角度了解客户的问题。更重要的是，我们试图从背后的物理原理来看待问题。这使我们能够专注于正确的数据源，从而充分利用数据分析的强大功能。

花时间了解业务是有回报的

在研讨会的第一部分，目标是确定核心问题并确保我们对该问题的理解和我们的数据分析与其保持一致。我们将研讨会的第一部分称为“业务理解”。

参加研讨会的人会被提出有针对性的问题，以帮助他们更深入地了解产品、流程和整体情况。反过来，这会产生指向可能根本原因的初步迹象。目标问题包括：

流程步骤的确切顺序是什么？问题最先出现在哪个站点？附近的哪些车站可能会对此产生影响？价值流是否有任何特殊特征，例如平行步骤、返工或重复步骤？有多少产品变体？涉及多少供应商？等等……

接下来是数据理解

在关于分析和记录项目需求的启动研讨会的第二部分中，我们开始谈论数据：

哪些来源提供数据？我们是否首先需要整合甚至生成数据？来自其他流程的哪些数据很重要？我们在看什么时间框架？在处理各种数据源时，是否可以清楚地追溯数据的来源（例如使用唯一 ID）？

迭代分析而不是大型项目

第一个分析阶段通常不超过一周，具体取决于准备数据所需的时间。本周之后，我们的制造分析专家向客户的专家团队展示了他们的初步结果，目的是展示基于给定数据解决客户问题的可行性。

理想情况下（事实上，这种情况经常发生），第一个分析周期的结果已经为如何实现项目目标（例如，降低特定价值流中的废品率）提供了可操作的想法。

同时，根据客户的输入和他们对中间结果的反应，可以重新调整分析策略，使其与新获得的见解相适应。这对于数据分析项目的成功至关重要！为什么？团队排除了不正确的结论，数据分析带来的即时价值变得可见和可用，接下来的步骤是共同定义的：

还需要什么来验证结果？并最终实现自动化？我们应该如何为此定义扩展的数据范围？

项目结束后对预测模型的维护和支持

是否有项目后维护和支持之类的东西？许多客户问我们。答案是响亮的YES！这方面对于所有希望将预测模型应用于其实时数据的客户至关重要，例如在最佳时间点安排易损件更换或预测测试结果。

这就是为什么我们不仅专注于为已安装的软件解决方案提供维护和支持，而且还为培训和监控预测模型提供适当的技术支持。

下一级别：标准问题的标准化工具

基于 Web 的分析工具可产生即时洞察，并将数据分析用于工程师的日常工作，而无需聘请数据科学家。下一个级别是令人兴奋的。在视频中了解更多信息。

在您的生产运营中启动数据分析。

在本次网络直播中，您将看到具体的生产优化实践案例，并了解我们为期两天的研讨会如何帮助您启动计划。