如何扩展分析功能
越来越多地采用分析技术,弥合了过程专家和数据科学家之间的差距,鼓励了制造协作
工业制造商经常发现他们的过程专家和数据科学家有不同的解决问题的方法。例如,精通生产的流程专家可能精通分析技术,但在进行分析时带宽受限。相比之下,精通分析、有数学倾向的数据科学家缺乏流程专家同行所拥有的生产知识(见图1)。
当生产中发生意外事件时,流程专家通常会尝试自行解决异常问题。只有当他们无法解决这个问题时,他们才会寻求数据科学家的帮助。在多站点制造设施中,中央数据科学团队的角色包括支持和响应来自各个工厂的查询和通信,这已成为分析链的瓶颈。不幸的是,这可能是由于请求的数量太多而导致的,这会淹没中央数据科学小组,并导致反馈的严重延迟,甚至更糟糕的是,让流程专家在没有对他们的问题做出响应的情况下被晾干。
增加分析成熟
让流程工程师和数据科学家采用更成功的方法的最佳方法是扩展分析能力。使用自助分析工具提高流程专家的分析成熟度是很重要的,因为它可以让团队自己进行更多的数据分析。这将使他们能够在分析方面自给自足,使他们能够解决大多数生产问题,而无需寻求其他来源的支持。对于最复杂的问题,中心分析团队将帮助排除故障。
自助分析可以帮助解决大约80%的日常生产和流程问题。这使得数据科学家有更多的时间专注于剩下的20%的复杂问题,并使他们更加有效。采用这种解决问题的方法,可以利用双方团队的知识和经验,实现双赢。
近年来,支持分析的流程专家正在超越这一分析成熟度水平。他们渴望增加他们的分析知识,并欣赏他们能够在自己执行各种分析的能力方面获得更大程度的灵活性。这一新趋势表明,新一代的数据科学家现在被称为“公民数据科学家”。由职位可能在分析领域之外的员工组成,现在配备自助分析的公民数据科学家可以执行高级诊断、预测和规定分析。
团队优化与嵌入式笔记本电脑
流程制造和运营专家可以应用自助分析软件,利用传感器生成的时间序列数据分析、监控和预测运营绩效。其目标是让工程师能够使用分析软件来提高运营效率,而不需要数据科学家。
工业分析领域的下一代自助分析软件集成了一个嵌入式笔记本(参见图2)。访问更高级的功能为用户提供了更大的灵活性和更好的分析体验。流程专家可以使用高级趋势分析自己准备运营数据,也可以将数据视图加载到笔记本中。使用自己选择的数据科学库,用户可以自己创建和运行脚本。任何有价值的结果,如新的(预测性)标签和相关的监视器或笔记本可视化,都可以以仪表板瓦片的形式呈现,并使整个组织都可以访问。
获得更有意义的价值
嵌入式笔记本的使用正在帮助流程专家在分析方面变得更加熟练,在他们接近数据科学家水平的过程中变得更加自信。随着过程专家逐渐熟练地尝试各种算法和使用笔记本技术,他们可以从数据中获得更多的价值,这是他们以前无法做到的,例如:
- 增加流程可视化,向仪表板添加额外的可视化,并增强热图、树图或联合图等地图/图的报告功能。
- 进行统计分析,比较生产数据集(好的和坏的,如t-test/ANOVA)。
- 使用低通滤波或指数平滑来消除受季节影响的数据。
- 开发非线性预测模型来预测质量,如使用神经网络。
- 使用自助分析搜索结果执行高级质量平衡计算。
即使过程专家提高了他们的分析成熟度水平,数据科学家在数学/统计/AI/ML/建模理论方面的内在知识和能力,也总是会在两个团队之间创造一种以技能集、知识和专业知识为标志的边界。工艺专家根据他们的生产工艺进行思考,并从数据中寻找趋势,如任何可能导致生产停滞的异常现象以及可能发生的原因。另一方面,数据科学家往往对算法、清理数据和使用模型更感兴趣。虽然他们通常不是自助分析用户,但他们可以成为用户,特别是在新笔记本电脑的支持下。
由于这些与自助分析软件集成的新笔记本,可以实现数据科学家和流程专家之间更具协作性的环境(见图3)。数据科学家和过程专家将能够更轻松地在联合项目上合作,因为他们可以直接使用过程专家提前准备数据的相同工具继续工作。结果形成了一个由过程专家和数据科学家组成的协作、凝聚力和互动团队,能够更有效地解决潜在的过程问题。此外,如果出现复杂的用例,这可以让数据科学家更加专注于过程专家的项目。
分析用例示例
科莱恩公司是一家全球性的特种化学品公司,主要生产护理化学品、自然资源、催化和能源、塑料和涂料。它的德国工厂开始使用自助分析软件工具,并在取得巨大成功后,将其应用扩展到北美和中国的所有站点,并很快将在全球范围内展开部署。
自助分析软件带来了来自不同文化和背景的不同人士之间的协作。该软件有助于围绕各种关键流程理念、最佳实践和潜在流程改进进行有价值的交流。其结果是加强了协作和协调全球生产。来自多个大陆的生产数据和信息可以在不同的地点进行比较。这消除了数据孤岛,使所有站点的信息能够在一个屏幕上共享。随之而来的是黄金生产批次,这只能通过使用分析软件和使用黄金指纹评估批次运行质量来实现。如果需要,可以更快地采取纠正措施。
科莱恩是分析软件如何将流程专家和数据科学家聚集在一起,并让他们使用其优势和独特技能的一个例子。事实上,Clariant数据科学家Nimet Sterneberg认为自助分析工具使他能够为他的数据科学工作“收集数据,在正确的样本中获得正确的数据”(参见图4)。
科莱恩能够减少所需的原材料数量,更重要的是,根据其批次的周期时间,减少了等待时间,这导致了巨大的成本节约。当流程专家看到该工具的好处和帮助他们进行的改进时,采用和部署该工具的动机是快速而简单的。
提高分析能力
自助分析软件帮助解决80%的日常运营问题,数据科学家使用的自助分析工具似乎正在增长,这是由于嵌入软件的笔记本环境的灵活性,并提供一键访问准备好的上下文数据。
解决操作问题需要过程专家和数据科学家。幸运的是,随着资产工程师和操作人员的分析成熟度和流程知识的不断提高,以及数据科学家和流程工程师之间的合作日益增长,这些嵌入式笔记本电脑的进步推动了工业工厂和生产设施的良好定位(见图5)。
TrendMiner的首席技术官Thomas Dhollander说:“经典数据科学依赖于为数据科学家提供操作诀窍,而自助分析旨在打包数据科学建模能力的子集,并将这些功能作为一组健壮的特性(没有技术调优参数,不需要数据科学培训)。认识到这些互补方法的潜力的公司将会加速他们的运营效率和竞争优势。”
通过投资于这种解决问题的方法,企业可以通过分析获得成功,并在工业制造业中获得竞争优势和成功的未来。由于我们不断演变的工业制造业格局,数据科学家和流程专家携手打造新的路径,实现以数据和分析为中心的文化比以往任何时候都更为关键。