处理“一个版本的真相”可以提高用户的信心

自动化使得收集数据变得容易，但这是正确的数据吗?是否定义了关键指标，是否对这些指标进行了监控?减少过程可变性是目标吗?是否对数据进行实际分析以获取信息;或者数据只是占用了大量的存储空间?数据可访问性是一个必须克服的主要障碍，如果持续改进的旅程，以实现…

通过我是SAS研究所的Bradley Klenz 二一年一月一日

关键字

软件和信息集成
数据采集
数据仓库
企业资源规划
信息系统
制造执行系统
质量保证

栏:
未雨绸缪!

自动化使得收集数据变得容易，但这是正确的数据吗?是否定义了关键指标，是否对这些指标进行了监控?减少过程可变性是目标吗?是否对数据进行实际分析以获取信息;或者数据只是占用了大量的存储空间?

数据可访问性是一个必须克服的主要障碍，如果在整个企业实现六西格玛质量的持续改进之旅是成功的。如果要将数据转换为做出合理业务决策的信息，那么数据收集和利用策略必须是响应性的、可靠的和高效的。

克服可访问性障碍的一个主要部分是理解功能需求——如何、何时、何地以及谁将使用数据。如果不了解功能需求，物理数据仓库的有用性就不太可能满足用户的需求。对于生产运营而言，建立质量数据仓库(QDW)对于交付六西格玛产品和服务至关重要。

流程工程师和IT代表一起定义与质量相关的数据的功能需求，以确保QDW的物理实现支持已定义的业务目标。(详见本期相关文章)

高质量数据仓库的实现需要三个级别的能力:

用于连接、收集、验证和存储数据的网络、硬件和软件;
生产和操作事务系统生成数据;而且
决策支持系统由分析和知识管理应用程序组成，以帮助及时做出业务决策。

技术不是挑战

在决策支持层面，过程工程师运用他们的经验和判断，使用定量信息来减少过程的可变性。但是，决策支持级别只有在前两个级别牢固地就位时才能执行。

低效或不充分的数据收集，存储但未使用的数据，未收集的数据或使用错误的时间频率收集的数据，以及存在于不同系统中的数据都是如何在不提高投资回报的情况下增加成本的例子。例如，维护和维修服务数据库比供应链管理数据库存在的时间要长得多，因此可能不容易在决策支持级别编译。

网络、硬件和软件必须连接生产和操作事务系统，以支持准确和及时的信息，以做出明智的业务决策。

组织中做出业务决策的级别也会影响“实时”数据仓库的定义。例如，操作员做出的影响产品质量的生产决策需要以毫秒到分钟的时间域收集、分析和呈现数据。在企业的最终分发点的操作员，需要收集、分析质量相关数据，并在完全不同的聚合和时间域中呈现。

对于开发QDW的IT代表来说，这意味着需要了解的需求所有以下方面的资料使用者:

部门和领域之间的联系是否完整?
哪些断开的连接可能会中断进入信息系统的数据流?
需要什么样的数据聚合?而且
当数据跨越使用不同数据聚合和时域的部门和部门边界时，对数据完整性的影响是什么?

收集和访问数据代表其自身的过程，并且需要有适当的度量来量化数据访问和收集活动的质量。简单地说，数据仓库提供:

访问指标的方法;
设计用于分析的数据结构;而且
连接到组织内的许多操作系统和生产系统。
操作系统不会…

质量分析所需的大部分数据存在于公司使用的许多操作系统中。例如，要确定原材料退回给供应商的数量和原因，需要访问企业资源计划系统(ERP)的材料管理部分。

要了解进行了哪些测试，哪些参数未通过测试，导致原材料被退回给供应商，可能需要访问实验室信息管理系统(LIMS)。要确定是哪个质量工程师进行了测试并决定不使用该材料，可能需要访问ERP系统的质量管理部分。这个例子说明了如何制定决策需要从不同的来源收集与主题相关的数据，然后以适当的格式表示这些数据(参见相关架构结构图)。

操作系统处理业务的日常工作。它们提供业务中正在发生的事情的当前快照，告知可用的材料是什么以及在哪里，并告知当前正在生产什么产品，客户订购了什么产品，以及完成这些订单所需的生产计划。

什么操作系统不要做的就是分析数据，以便做出更高层次的决策。例如，供应商质量分析需要确定:

供应商的可变性在过去六个月有显著变化吗?
变更是否影响了生产进度?
该供应商的产品质量与其他供应商是否有显著差异?而且
供应商如何影响低质量指标的成本?

分而治之

操作系统的设计和优化是为了处理经营业务的事务。例如，当生产运行结束，新产品即将开始时，运营商需要立即访问生产计划和新设置所需的设置。这种需求与质量工程师的需求不同，质量工程师希望通过初始设置参数确定来自不同供应商的材料的性能。

这样的分析将从比日常生产计划更长的时间跨度中获得数据。该分析还将访问来自组织内不同位置的面向主题的数据。由于操作系统没有针对这些查询类型进行优化，因此很难获得结果。由于生产相同产品的不同部门或部门可能使用不同的操作系统，因此必须以某种方式将来自不同来源的数据组合起来。此外，持续查询操作系统可能会导致性能下降，并对生产产生不利影响。使用数据仓库方法认识到需要以不同的方式处理操作需求和决策支持。

因为数据仓库独立于操作系统而存在，所以必须创建一个进程来填充数据仓库。值得注意的是不自动化这个数据流经常会导致失败。成功的数据仓库使用基于流程的管理系统将数据从操作系统移动到数据仓库。这样的系统允许装载过程在操作系统能够容纳的情况下被安排运行。使用数据仓库为组织的持续改进过程提供了几个好处。首先，元数据(关于数据的数据)存储在仓库中，并使改进项目负责人知道已经收集了哪些数据。

其次，仓库中的数据经过提取、转换和加载过程，确保干净的数据可以供需要数据的人分析使用。业务规则还可以与数据相关联，提供数据自动分组和可分配原因分类等好处。过程分析项目的结果可以添加到仓库中，以使过程改进成为标准操作程序的一部分。

持续改进投入的来源可以来自各种各样的来源，包括供应商。紧密集成供应商需要了解供应商数据对您自己系统的全面影响。就像将数据输入决策支持系统所遇到的复杂性一样，与供应商的集成越紧密，复杂性就越大。

信息交付

数据仓库通过“一个版本的真相”在整个企业中传递信息。这允许在工厂、生产线和产品之间进行有意义的比较。数据被转换成对公司所有决策层都有意义的信息。对于IT人员来说，数据以干净、一致和文档化的格式存在。对于流程工程师来说，数据是一种方便的通用格式，如果需要，还可以导出为其他通用格式。

随着生产过程每个阶段的数据随时可用，探索生产线上下之间的关系成为可能，例如确定工艺早期阶段的变化如何影响后期阶段。这可能导致在生产过程中更早地报废或返工材料，并可能识别出避免返工需要的变化。它也更容易识别关键性能因素的影响。

数据仓库使生产线工人和主管能够做出有指导和知情的决定。历史数据可以提供与当前运行状况一致的以前问题的简短列表。不仅问题是已知的，而且工艺工程师和生产线操作员可以查看以前采取的纠正措施和获得的结果。

信息交付

数据仓库是分析决策支持的基础。从数据仓库中，可以创建和填充许多数据和信息集市，以支持专门的分析需求。

数据集市以一种有效的、可用于分析的格式包含干净数据的数据文件。在创建数据文件时应用了任何业务规则，比如如何将材料分配到生产批次。

信息集市包含专门为集市的用户社区开发的优化的、可用于分析的数据、报告、图表和用户界面。在某些情况下，编写一个定制的“胖客户端”界面来导航信息集市，并使用户能够在该界面内执行他们的决策。

为了更好地理解数据和信息集市，请考虑:

不同植物间比较结果:一家食品加工公司有多条生产线，可以根据当前需求生产几种不同配方的产品。不同配方的成分变化会影响设置，如流速和干燥器温度。使用网页浏览器界面，信息集市可以让任何工厂的车间人员回顾过去具有类似特征的生产运行。

电气试验数据分析:在半导体和电气元件生产中，电气测试人员为每个被测元件产生大量数据。工程师需要一个中央数据库，其中包含所使用的测试程序、测试结果和标识批量、晶圆和模具信息的标签数据——一个完美的数据集市应用程序，其中用户界面允许为所需的标签值创建子集。

支持六西格玛项目:为了防止重复工作，六西格玛项目负责人需要知道正在收集哪些相关的改进数据，数据有多干净，以及它是如何格式化的。数据仓库数据已经被清理，并且应用了适当的业务规则，比如可分配原因术语的分组。数据仓库使项目负责人能够将数据导出到任何最适合的分析环境。六西格玛项目的结果可以添加到数据仓库中，以使过程改进成为标准操作程序的一部分。

其他数据和信息市场的可能性包括企业级SPC(统计过程控制)，不良质量成本分析，制造总成本和良率分析。