将分析引入工业环境
将分析工作交给最了解数据的流程专家。
对于一个公司来说，收集和分析所需的数据以做出支持良好业务结果的数据驱动决策的最佳方法是什么?让我们来看看为多个运营利益相关者成功实现高级分析的一些最佳方法。
许多监视和控制生产过程的公司在历史记录中存储了多年的传感器生成的时间序列数据。如今，越来越多的传感器被用于监测或预测资产性能。除了传感器生成的时间序列数据外，还收集了多种形式、格式和系统的运行数据，包括批记录、产品质量数据、轮班日志和维护数据。
如果让了解数据含义的人可以访问并随时使用，则可以提高操作性能。
工业分析景观
除了实时流程数据外，信息收集还包括饲料库存、客户和供应商信息以及其他业务流程数据。还可以分析这些数据以提高性能。数据科学家已经使用R、Python、Jupiter等工具来完成这项工作。从各种来源捕获数据，对其进行预处理并准备在数据模型中使用。
主题专家帮助数据科学家更好地理解数据的重要性，有助于构建数据模型，并在部署和使用之前验证其使用。这些项目需要时间和资源。
近年来，许多分析工具和应用程序被引入。数据、数据源和目标的多样性造成了对哪些数据使用哪些工具、由谁使用以及用于什么方面的困惑。
对于企业来说，可以使用工具来设计、测量和分析业务流程、客户行为和供应链绩效。其他工具用于分析、监控和预测运营绩效。对于生产流程，可用的应用程序可以跨两个轴进行映射:分析成熟度(水平)和适合目的(垂直)。
在这个分析领域(见图3)，我们看到了用于跟踪运营绩效(描述性分析)的通用工具或平台，例如用于检索、分析、转换和报告数据的商业智能软件(BI工具)。工具和平台可用于所有类型的通用大数据，甚至用于更高的分析成熟度级别。在许多情况下，这些工具和平台需要数据科学家针对特定的用例进行定制。
对于更具体的数据，例如传感器生成的生产过程的时间序列数据，我们可以在图的左上角看到各种历史数据。历史学家供应商也提供一些分析功能，但通常要求数据工程师或科学家使用分析功能，以使结果达到更高的分析成熟度级别，如发现、诊断或预测分析。
最后，另一组应用程序包括一些工具，这些工具可以授权主题专家，例如流程和资产工程师，他们已经理解了数据的含义，可以自己分析数据。我们称这些工具为自助式工业分析工具。
授权运营团队
最先进的自助服务分析应用程序使非数据科学家能够分析他们的生产过程。该解决方案应使团队能够在其操作环境中分析、监控和预测生产性能，同时为每个涉众提供个性化的生产驾驶舱，以监控与他们负责的关键性能指标(kpi)相关的操作性能。
为了有效，我们认为自助工业分析解决方案必须是完全基于web的即插即用解决方案，既可以安装在现场，也可以作为完整的SaaS解决方案提供。它应该支持各种各样的历史学家，并允许在分析中纳入非工业上下文数据(例如，财务数据库、维护管理系统、实验室信息管理系统(LIMS)、超出预期(OOE)结果、批处理系统、非结构化数据和其他)。
流程和资产工程师必须能够基于嵌入式人工智能/机器学习(AI/ML)功能，使用高速趋势分析来快速搜索和验证生产问题。他们必须能够通过模式识别、统计功能或提供的建议快速找到流程异常的根本原因，而不需要构建数据模型。
另一方面，工程师应该能够将多个时期的良好流程行为转换为指纹，用于监视操作性能。如果出现偏差，他们可以决定向谁发出通知，以采取适当的措施。当物理传感器不可用时，可以创建软传感器来分析和监控产品质量。
该解决方案还应允许预测性能场景、全球协作、知识捕获和个人生产驾驶舱的创建。通过这种方式，每个运营团队成员可以更快地做出更好的决策，并获得与其组织角色相关的收益。
组织简介
工业分析的成功方法是从小处开始，快速扩展。通过选择一些基于时间序列数据的实际用例，可以快速证明分析工具的价值。成功的分析可以在三个主要领域获得:
- 解决以前未解决的流程性能问题
- 验证假设，并证明它们是对的或错的，这样它们就可以在未来得到解决或排除
- 利用数据提供新的见解，寻找提高绩效的新方法。
一些成功的用例导致了企业用户利用自助工业分析的推广:
- 改善废气处理，减少废气排放:搜索和发现分析证明了工程师的假设，使他们能够将废气处理的问题减少63%，并大大减少排放。
- 生产质量优化:通过比较生产运行中的好质量期和坏质量期，并使用“层比较”，工程师很容易确定导致质量问题的原因，有助于确保未来高质量的生产运行。
- 消除125吨的潜在生产损失:一家化学工厂的工艺工程师遇到了意外的停产。通过将好批次标记为“指纹”，他们很快就能够识别生产运行中的偏差——这将他们引向控制系统的问题。用指纹找到根本原因帮助他们消除了125吨的潜在生产损失，或近30万美元。
- 没有Excel的能源监控:能源监测是解决可持续性问题的一个重要因素。在过去，一家化工公司会使用Excel文件手动比较一年与另一年的能源消耗数据。自助式分析现在允许工程师轻松地关注某一年。通过将接下来几年的能源消耗添加为层，他们能够轻松地比较大时间段——而不需要使用Excel。
- 自助服务分析还可以应用于以下典型案例:
- 通过减少循环时间提高产量
- 热交换器污垢预测
- 监控配网泵的性能
一旦证明运营人员掌握的分析能够带来成功，就可以将其引入到更大的组织中。随着该技术及其方法在较小的团队中得到验证，管理层可以支持更广泛的实现，并且必须创建一个团队将该工具介绍给其他潜在用户并赢得他们的支持。
为了成功地引入新的分析应用程序，必须向每个用户展示其价值。当他们看到支持自己工作的快速结果时，他们更容易接受改变。拥有经过全面培训的本地冠军是有帮助的，他们可以在遇到问题或如何最好地解决特定用例时帮助其他人。关于推广和用户取得的成功的内部沟通有助于加速介绍。
组织演变
在组织层面上，为了成功引入最先进的工业分析软件，必须落实以下因素:
- 在业务单元内创建一个专门的推出团队，与本地团队合作运行项目
- 创建一个具有工程和生产数据分析专业知识的项目管理团队。这些专家可以帮助当地工厂和用户使用新工具取得成功
- 创建一个资产分析社区，交流想法和最佳实践
- 与业务部门的经理合作，实施个人成功计划，以帮助用户改变行为并获得支持
- 成立一个数字工作组作为指导委员会，与业务单位生产管理的利益相关者一起，帮助顺利引入和全球推广。
最后的想法
实现完全数字化是一项艰巨的任务，特别是对于棕地作业而言。最好从公司里一个成功几率最高的领域开始做起。实现自助服务分析的广泛用户的经验表明，他们使用传感器生成的时间序列数据可以获得很高的成功率。
分析授权的流程专家可以做出数据驱动的决策，以提高整体运营绩效，满足短期和长期的组织目标，并转变组织以获得持续的市场竞争力。
埃德温·范·戴克公司副总裁在吗Trendminer．
您是否具有本内容中提到的主题的经验和专业知识?你应该考虑为我们的CFE媒体编辑团队做出贡献，并获得你和你的公司应得的认可。点击在这里开始这个过程。
