資訊詳情

數(shù)據(jù)收集和高級分析帶給制造業(yè)的三大好處

2023-05-16 10:42:154636

制造商經常利用數(shù)字化策略提高自身競爭力，解決勞動力短缺問題，提高生產效率。這些努力是基于保持行業(yè)領先地位的愿景，而不單單是降低競爭力風險的措施。

然而，收集數(shù)據(jù)會推動一波又一波的創(chuàng)新，以創(chuàng)造快速、大膽、有競爭力且靈巧的組織，實現(xiàn)降本增效。

讓我們看看數(shù)據(jù)收集可以改變運營的三種方式。

1、對模式和關系的高級分析

傳統(tǒng)商業(yè)領域的管理主要通過使用Six Sigma或者Lean來改善生產過程，以減少產品生產過程中的可變性。但是，在相同或更少投入的情況下提高產出會被無數(shù)變量影響，不管是單個變量還是多個變量都可能使之前的努力白費。

所生成的車間數(shù)據(jù)量對于我們來說過于龐大，卻能為制造廠商提供有深刻意義的見解。對制造商數(shù)據(jù)集的高級分析能力使企業(yè)能夠尋找數(shù)據(jù)間的模式、敏感性和相關性，以實現(xiàn)有意義的產量增長。下面我們來看一個關于貴金屬礦的例子。

一個礦山的礦石生產量下降了20%，這時候就需要優(yōu)化運作方式而不僅僅是提高開采速度。管理層運用高級分析能力分析了大量變量和用來采礦的多個設備。開采的過程包括研磨、氰化、氧化和浸出，包括多個復雜的參數(shù)。

分析表明，浸出過程的一個核心參數(shù)是溶解氧，它將氧氣濃度與過程控制的波動相關聯(lián)。當氧氣水平達到峰值時，礦的生產水平也會有所改善。據(jù)此，團隊對礦石的浸出回收過程作了細微調整，使得礦山在三個月內的平均生產量提高了3.7%。在沒有資本進行投資和重大變動的情況下，該礦山年均利潤增長了10000萬到2000萬美元。

2、使用機器學習和人工智能技術

機器學習和人工智能的應用，再加上工業(yè)物聯(lián)網(wǎng)（LLOT）和邊緣計算的爆炸式增長，已經徹底改變了設備的維護工作。

像石油、汽油、礦產、化工、紙漿和紙張等資產密集型行業(yè)的制造商，正逐步成為以機器學習推動預測性維護為目標的行業(yè)領軍者。在這些企業(yè)里，關鍵資產出問題將會給企業(yè)帶來重大災難，甚至會影響到生命安全、環(huán)境以及經濟生存能力。

預測性維護使企業(yè)維修專業(yè)人員能夠鎖定關鍵設備。預測性算法在監(jiān)測實時運行時可以回溯并學習歷史運行數(shù)據(jù)以識別操作特性的失敗，而這種失敗則預示著給未來帶來損失失敗。雖然這個過程既復雜又費時，但對制造商來說確是利大于弊。

一家大型海上石油和天然氣生產商在9個海上平臺實施了PdM。工作開始之初，它只負責識別那些因故障產生重大影響的關鍵設備。在此基礎上，生產商們可以確保將投資回報率控制在可接受的范圍內。

在對30年的運營數(shù)據(jù)進行分析引擎訓練后，數(shù)據(jù)科學家建立了數(shù)百個高級分析模型，并實施了一個測試制度，將誤報率降低到可接受的水平。平均減少了20%的停機時間，年產量增加了50多萬桶石油。

3、全面了解供應鏈

幾年前，一個對623家企業(yè)的調查發(fā)現(xiàn)，近60%的公司認為他們的供應鏈是一種競爭優(yōu)勢，77%的公司聲稱會將其營業(yè)額的5%至15%用于解決供應鏈問題。

這些企業(yè)TOP5的技術都與數(shù)據(jù)管理有關。并且，獲得供應鏈的全面可見性戰(zhàn)略已經從2015年的第六位上升到2017年的第三位。

隨著最近的疫情和全球供應問題的產生，人們只能推測出事情的優(yōu)先項。下面的圖表說明了受訪者認為他們在供應鏈中的可見度。

利用大數(shù)據(jù)可以為供應鏈提供端到端的可視性，并支持更先進的自動化技術，改善企業(yè)間的關系，提高生產力和部門協(xié)作，使制造商能夠及早發(fā)現(xiàn)問題，并能更加靈活和主動地處理問題。聯(lián)邦快遞每天處理超過900萬件貨物，它已經意識到這種數(shù)量的數(shù)據(jù)所帶來的潛力。

聯(lián)邦快遞沒有將精力放在支出分析或者需求計劃上，而是利用大量非結構化的數(shù)據(jù)得出更全面的觀點。一個成果是使用GPS傳感設備和基于網(wǎng)絡的協(xié)作平臺來跟蹤時間敏感和高價值的貨物。

該舉措使重要領導或客戶能夠收到實時警報、分析和更新，在貨物打開時給出精確的位置、溫度讀數(shù)和建議。德勤咨詢的經驗表明，通過更好地分析供應鏈數(shù)據(jù)，這些公司可以實現(xiàn)2%至4%的利潤率增長。