小花仙斗罗大陆

扫一扫关注微信二维码 今年盛夏气候预测

对话:大数据时代数据应用的5大迷思

大数据时代,数据有了,用来做些什么呢?

史蒂夫•怀斯(Steve Wise),领先的统(tong)计(ji)过程(cheng)控(kong)制(zhi)(SPC)软件(jian)(jian)(jian)解决方(fang)案提供商(shang)盈飞无限国际有限公司统(tong)计(ji)方(fang)法副总裁(cai)。 近日,我们有幸(xing)邀请到史蒂夫先生(sheng)分(fen)享(xiang)数字化工(gong)业软件(jian)(jian)(jian)在实施过程(cheng)中(zhong)的最佳(jia)实践,探讨(tao)制(zhi)造企(qi)业对工(gong)业软件(jian)(jian)(jian)提供的信息和数据如(ru)何有效利用(yong)这一热门话题。

大数据统计分析
 

1. 制造企业在引进和启动新的软件信息平台时,面临的最大障碍是什么?

主要(yao)有(you)三大(da)障碍:思维惰性、热情不足、领导不力(li)。

什(shen)么(me)都(dou)(dou)不干(gan)永远是最省心的(de);无论(lun)对(dui)待生活还是对(dui)待工作,都(dou)(dou)是如此。如果能够(gou)毫无压(ya)力轻松度过(guo)快乐的(de)每一(yi)天(tian),没有人会(hui)不乐意。一(yi)天(tian)又一(yi)天(tian),没有行(xing)动,那么(me)原本万众期待的(de)创(chuang)意和计划(hua),无非束之高阁,难以落地。

在(zai)制造领域,我(wo)们(men)常(chang)(chang)常(chang)(chang)看到(dao)的(de)(de)(de)(de)事(shi)实是(shi)(shi),上线一(yi)个新(xin)的(de)(de)(de)(de)软件(jian)(jian)系(xi)(xi)统(tong)(tong)(tong)平(ping)台是(shi)(shi)一(yi)件(jian)(jian)审慎的(de)(de)(de)(de)大事(shi),尤(you)其考虑到(dao)配合新(xin)系(xi)(xi)统(tong)(tong)(tong)需(xu)(xu)要(yao)(yao)做的(de)(de)(de)(de)大量革新(xin)和(he)准备工作,旧系(xi)(xi)统(tong)(tong)(tong)的(de)(de)(de)(de)推(tui)翻、无法(fa)如(ru)期交付时(shi)需(xu)(xu)要(yao)(yao)迅速顶上的(de)(de)(de)(de)备选(xuan)方案,等等。软件(jian)(jian)很强(qiang)大,帮助使(shi)用者运(yun)用数据(ju)对(dui)所(suo)处环境做出精准判断(duan),而在(zai)此(ci)之(zhi)前,这(zhei)些(xie)信息只能靠主观猜测(ce)。可是(shi)(shi),要(yao)(yao)把事(shi)情做对(dui)、将系(xi)(xi)统(tong)(tong)(tong)用好,则(ze)需(xu)(xu)要(yao)(yao)投入你的(de)(de)(de)(de)视野、精力和(he)时(shi)间(jian),而这(zhei)些(xie),对(dui)于企业来(lai)讲都需(xu)(xu)要(yao)(yao)专门调配。

2. Manufacturing.net最近做了一次问卷调查,2/3的被调查者反映,其所在组织并未有效利用ERP系统中的数据。 我们对这一调查结果并不感到意外,但是,这种状况为什么仍然在蔓延而未能得到遏制?

扎扎实实落(luo)实改善计划,眼(yan)(yan)看着一(yi)盏盏灯亮起来(lai),亲眼(yan)(yan)见证(zheng)数据(ju)驱动下的管理(li)活动越(yue)来(lai)越(yue)高效,这(zhei)样的成(cheng)果对于(yu)任何一(yi)家企(qi)业(ye)来(lai)说,都是巨大(da)的回(hui)报。引进数字(zi)化(hua)系(xi)统(tong)后,大(da)家往(wang)往(wang)有种错觉:只要数据(ju)流动起来(lai),能够轻松拿到(dao)数据(ju)、调取数据(ju),系(xi)统(tong)就算是成(cheng)功落(luo)地了。

没错,看着数(shu)据(ju)自动流进数(shu)据(ju)库,毫(hao)无疑问是美妙的(de)(de)感受;但看到数(shu)据(ju),仅(jin)仅(jin)只是成(cheng)功的(de)(de)第一步(bu)而已。要想将制(zhi)造数(shu)据(ju)的(de)(de)价值(zhi)真正挖掘出来,我(wo)认为有三个关键(jian)的(de)(de)步(bu)骤:

第一步,对(dui)数(shu)据(ju)(ju)流进(jin)行处理,确(que)定其(qi)(qi)可用(yong)性(xing)。有(you)的(de)(de)(de)数(shu)据(ju)(ju)用(yong)来做实时的(de)(de)(de)现(xian)(xian)场判断(duan),有(you)的(de)(de)(de)用(yong)来做长(zhang)期(qi)(qi)战(zhan)略决(jue)策,而(er)有(you)的(de)(de)(de),其(qi)(qi)实只是占用(yong)空间而(er)已,没有(you)实际价值。实时采集(ji)到的(de)(de)(de)数(shu)据(ju)(ju)需(xu)要(yao)(yao)通(tong)过(guo)专(zhuan)业(ye)的(de)(de)(de)分析和报警工具,提醒用(yong)户确(que)定是否需(xu)要(yao)(yao)对(dui)生产(chan)做出(chu)调整,同(tong)时,准(zhun)确(que)抓取(qu)生产(chan)过(guo)程中真正的(de)(de)(de)异常值,以(yi)(yi)免(mian)被不相关因(yin)素(su)干扰,做出(chu)误判从(cong)而(er)人为(wei)破坏稳定的(de)(de)(de)过(guo)程。 用(yong)于制(zhi)订长(zhang)期(qi)(qi)战(zhan)略决(jue)策的(de)(de)(de)数(shu)据(ju)(ju),必须以(yi)(yi)合理的(de)(de)(de)方式(shi)放到一起,为(wei)用(yong)户发现(xian)(xian)最关键的(de)(de)(de)数(shu)字趋势,突(tu)出(chu)值得关注的(de)(de)(de)信息,而(er)无用(yong)的(de)(de)(de)数(shu)据(ju)(ju)需(xu)要(yao)(yao)被关闭、剔除(chu)或转作(zuo)其(qi)(qi)他用(yong)途。

第二步(bu),明(ming)确数据(ju)(ju)源。ERP系(xi)统中(zhong)的数据(ju)(ju)只有(you)一个来源。那么质量和制造执(zhi)行(xing)系(xi)统中(zhong)的数据(ju)(ju)呢?有(you)没有(you)好的方法将这些数据(ju)(ju)集成(cheng)起来对决(jue)策发挥指导作用?如果有(you),如何有(you)效(xiao)集成(cheng)这些数据(ju)(ju)?

最后一步,数据价(jia)值的衡量(liang)指(zhi)标。对于收集的数据,有哪(na)些(xie)衡量(liang)指(zhi)标?这些(xie)指(zhi)标对自(zi)上而(er)下(xia)和自(zi)下(xia)而(er)上的决(jue)策是否产生(sheng)影响?它们能否对正确的行为(wei)给予回报和奖励(li)?

3. 在您看来,企业当中最常被忽略、利用率最低的数据是什么数据?为什么?

针对数(shu)(shu)据(ju)价值(zhi)(zhi)的(de)挖(wa)掘,最常被忽(hu)略的(de)机会(hui)就是:抽(chou)样的(de)时候(hou)选用变(bian)量(liang)型数(shu)(shu)据(ju)而不(bu)(bu)是属(shu)性值(zhi)(zhi)数(shu)(shu)据(ju)。很多质(zhi)量(liang)相关的(de)数(shu)(shu)据(ju)流都是测量(liang)“产量(liang)”、“合(he)(he)格(ge)/不(bu)(bu)合(he)(he)格(ge)”、“通(tong)过/不(bu)(bu)通(tong)过”或“符合(he)(he)/不(bu)(bu)符合(he)(he)”这些弱指标的(de)。这类数(shu)(shu)据(ju)属(shu)于(yu)属(shu)性值(zhi)(zhi)数(shu)(shu)据(ju);具(ju)体而言,都属(shu)于(yu)不(bu)(bu)良数(shu)(shu)据(ju)。这类数(shu)(shu)据(ju)最后都计(ji)为1或0。

不(bu)良(liang)数(shu)(shu)据的(de)(de)价值(zhi)是帮助使用(yong)者描述感觉:好(hao)(hao)或者不(bu)好(hao)(hao),而不(bu)关心(xin)数(shu)(shu)据所指的(de)(de)具体对象。如(ru)果(guo)产量(liang)(liang)不(bu)好(hao)(hao),就需(xu)要提供更有力的(de)(de)变(bian)量(liang)(liang)型数(shu)(shu)据来(lai)隔离或者解决(jue)其中的(de)(de)问(wen)题(ti)。变(bian)量(liang)(liang)型数(shu)(shu)据可以用(yong)连续量(liang)(liang)表(biao)测量(liang)(liang),例如(ru)温度(du)、直径、循环时间等。

企业针对工业数(shu)(shu)据常常犯(fan)的(de)(de)一个最大(da)的(de)(de)错(cuo)误就(jiu)是(shi):将大(da)量(liang)变(bian)量(liang)型(xing)数(shu)(shu)据简单粗暴地“转化(hua)”为“通过/不通过”这类属性值数(shu)(shu)据。以图像形式汇(hui)总和展现数(shu)(shu)据更为恰当的(de)(de)方式是(shi):明确数(shu)(shu)据组(zu)分布(bu)和可预测性。而只有变(bian)量(liang)型(xing)数(shu)(shu)据才能达(da)到这一目的(de)(de)。

4. 在盈飞无限近期的用户大会上,大家轻松谈到生产运营和IT之间的冲突和摩擦。您对于生产部门和IT这两个制造职能之间的高效协同和合作有何建议?

这里(li)有(you)(you)一个基本事实:质量和IT其实都(dou)可以(yi)让对方业绩非(fei)常好看。当今,五(wu)花八门的(de)制造系统(tong)(tong)(tong)越来越复杂,这些系统(tong)(tong)(tong)制造了(le)大(da)量视觉盲点(dian)。因此,如(ru)果质量系统(tong)(tong)(tong)平台能够给用(yong)(yong)户提供相关(guan)度极(ji)高的(de)智能信(xin)息,并且帮(bang)助用(yong)(yong)户有(you)(you)效应用(yong)(yong)这些信(xin)息,显然是(shi)巨大(da)的(de)胜利。质量和IT都(dou)希望(wang)企业的(de)生产运营跳出主观猜测、拍脑袋做决策的(de)老传(chuan)统(tong)(tong)(tong),自身也(ye)都(dou)从(cong)数字化的(de)新乡告急 “救援航母”来了中大(da)大(da)受益。

虽然(ran)如此,非常成功(gong)的(de)(de)软件项(xiang)(xiang)(xiang)目(mu)很(hen)多都(dou)是IT部(bu)门(men)牵头主导(dao)的(de)(de)。其中最成功(gong)的(de)(de)项(xiang)(xiang)(xiang)目(mu)无一例外的(de)(de),都(dou)是IT的(de)(de)领导(dao)将(jiang)生产部(bu)门(men)的(de)(de)使用要求当作项(xiang)(xiang)(xiang)目(mu)选型(xing)的(de)(de)指(zhi)导(dao)原则(ze)。每当生产使用部(bu)门(men)为(wei)避免“不(bu)必要的(de)(de)IT延迟”,试图绕过IT启动项(xiang)(xiang)(xiang)目(mu)选型(xing),只到最后阶段才(cai)将(jiang)IT拉进(jin)来,这时生产和(he)IT之间的(de)(de)矛(mao)盾(dun)进(jin)一步(bu)被放大。往(wang)往(wang)到最后,非IT部(bu)门(men)的(de)(de)同事终于(yu)意识到自身的(de)(de)技术短(duan)板,而此时,负(fu)面效果已经(jing)产生。

5. 如果要给美国制造业提一个建议,您会给出什么建议?为什么?

谈到(dao)数(shu)据(ju)管(guan)理,我(wo)会鼓励制造企(qi)业反问自己(ji)几个(ge)根(gen)本问题(ti):你(ni)拿到(dao)每(mei)一条数(shu)据(ju)、每(mei)一个(ge)数(shu)据(ju)流,究竟打算(suan)作何用途?

  • 数据的使用者是谁?
  • 打算将这个数据流用作什么商业决策?
  • 数据值越来越多(或者越来越少、保持不变)时,是好事还是坏事?
  • 当数据显示需要有所动作,是否具备对应的机制和条件,能够根据数据执行相应的动作?

回答这几个问题,你就(jiu)能了解(jie)哪(na)些(xie)数(shu)据(ju)可以用来(lai)做出(chu)实(shi)时判断(duan),哪(na)些(xie)可用于长期战略决策,哪(na)些(xie)改正行(xing)动需要(yao)到(dao)位,而哪(na)些(xie)数(shu)据(ju)是(shi)没有价值的。

作者: Jeff Reinke, Manufacturing.net

相关推荐:大数据环境下Excel们与专业SPC系统

从质量到卓越的第一步

下一步
xml地图 | sitemap地图
日本网友盛赞杨倩
分享到:QQ空间新浪微博腾讯微博人人网微信
兰博基尼 新倚天屠龙记 张哲瀚 宝马3系 叛逆者 全职高手 海底小纵队 易烊千玺 陈延年牺牲94周年 mg 魔兽世界 奥特曼 郑州7名牺牲党员干部名单公布 东京奥运开幕式高清焰火 天龙八部 东京奥运今日看点 迪丽热巴 美好的日子 穿越火线 光年之外我的世界 刺客伍六七 名侦探柯南 郭跃 初入职场的我们 逃离塔科夫 许海峰向杨倩送祝福:yyds Upperground 三国演义 百万个馕驰援河南守岛人 梦幻西游 大妈水枪喷火炬手 双世宠妃3非诚勿扰 河南人民的朋友圈我和我的祖国 王者荣耀 37年积蓄家中发霉 特斯拉 曹操 喜羊羊与灰太狼 恰好是少年 世界首富上太空 东京奥运第一首国歌是中国的 恰好是少年 张哲瀚 金像奖 朱一龙 相扑 海绵宝宝 上古 哥斯拉大战金刚 唐人街探案3大决战 高手问道 冒险岛 移动成立芯片公司 七剑 斗破苍穹 诸葛亮 | 下一页
Baidu
sogou
百度 搜狗 360