大数据应用工业企业升级的王道_数据分析师培训
制造业的数据总量居然超过了政府部门的数据总量,这个结论还是让我吃了一惊,因为在2000年的时候,我还记得那个时候说,数据总量80%在政府,那么中国这个制造大国,面临美国的工业互联网,德国的工业4.0,不是一个上不上的问题,而是一个怎么上的问题,否则,毁灭你与你无关。
回想这25年来的信息化工作,数据、信息、知识,还是给企业带来了巨大的价值,(CDA数据分析师培训)所以笔者才提出了一个理念,就是传统企业利用大数据思维,收集具有统计学意义的小数据,进行分析应用,就可以获得巨大的经济价值。
工业大数据指在工业领域中产生的各种数据,事实上相对于互联网数据、营销数据,工业数据覆盖着整个价值链、生态圈,甚至笔者现在提出升级的工业企业必须三流合一,这三流就是物流(包括物的变化,这是工业企业的核心,然后才是运输、仓储意义上的物流)、资金流、信息流,做到三流合一才是一流的工业企业。
工业企业随着信息化软硬件设备、系统的普及应用,包括条形码、二维码、RFID、工业传感器、工业自动控制系统、工业物联网、MES、CAD/CAPP/CAM/CAE/CAI/CAQ、PDM 、ERP等等,工业企业拥有的数据越来越多,这些数据同样具有大数据的特征,工业企业能否按照大数据的思维方式实现企业的数据应用,是值得我们深思的大话题。
笔者还是按照大数据的4个V,也就是数据量、数据种类、数据速度、数据价值四个方面对工业企业的大数据进行解读。
要想发现隐藏的知识,必须具有足够的数据量,笔者曾经培训一个铝轮毂企业的PRO/E软件中的有限元分析,企业的需求就是如何提高铝轮毂的设计一次成功率,笔者教会了企业员工如何建模,如何加约束,如何加载荷,如何网格划分,如何设置相关工况,如何计算,并分析计算结果,然后很现实的问题就是,分析结果出来以后,强度应力值,结合安全系数,到底取多大,笔者是没有数据基础的,只能告知企业的员工,你们回去后,计算至少10个产品以后,结合试验数据,最终确定强度应力值的阀值。不过值得欣慰的是,过了半年左右,和企业的员工联系后,他们告诉我,有限元分析已经普及化应用,现在试验失败的设计已经大幅度降低,印象说法以前15%左右,每个月总有几个,超过10个也有,现在一个月难得有一、两个。
然后说数据种类,随着客户要求的提升,例如服装企业,曾经1个半月的交期,现在要求一周,以往的工作模式,根本完不成,那么为什么完不成。分析其原因,来回返工,各种更改是频繁发生,那么从一个具体的设计变更来说,以前只需要发出变更就OK,现在变更必须查询物料情况,确认物料才可以,以前设计结束了,如何检测,检测部门自己定,差错是经常的,现在是设计变更、物料、检测单必须三单齐才可以下发,那么这就意味着操作者必须考虑更多的数据,也可以说成大数据,那么这种情况下,就必须足够的信息系统支持,而其产生的数据,数据的量、种类,也大幅度上升,这种模式下,其产出也就变成了大数据。
第三说时效,其实对于工业企业,生产部门的数据的及时性要求甚至比互联网企业更高,例如生产线的高速运转,一台关键设备出现前期缺陷,如果不能及时处理,进一步扩大,将导致设备瘫痪,整个生产线停转,产品就不能完成,而更要命的问题是,工业化生产是规模化的,缺一个零件,整个产品就出不了厂,例如某汽车配件企业产品出现问题,汽车总装厂停线两天,直接造成数以亿计的损失。再从单元设备角度,工业制造过程往往伴随强大动力,一旦设备故障,将会产生人生伤害风险,安全事故时有发生。所以工业企业如何利用大数据手段提升效率,是很多企业重点考虑的问题。
第四说价值,拿设计来说,设计中会有很多方案,经过多次比选,选择了一个方案,绘制图纸,而淘汰的方案就放弃了,那么这些淘汰方案就没有价值了吗?以往由于存储成本问题,企业往往丢弃了这些东西,因此造成的结果就是知其然不知其所以然,例如某企业的零件经常出现问题,但是技术人员还是不敢改,原因就是怕改了更糟糕。也有个例子,某汽车企业引进一个车型,将长度加了10厘米,结果整个动力学性能不可同日而语。所以如何积累那些以往丢弃的过程数据,对于工业企业也是个值得深思的话题。
笔者崇尚的大数据思维,简要从数据的电子化采集、数据的视角高度、数据应用三个方面做一些描述。
数据采集的手段可以包括人工采集、电子化采集、网络化存储、平台化存储多个层次,不同的层次将带来不同的价值。一个汽车企业,油漆温度要求2个小时采集一次,而一位熟人告诉我,目前模式工程师们几天填一回,那么如果油漆出现问题,需要处理的车的范围将是管理期望的数十倍。于是我跟这位熟人建议,企业真的重视,那么可以用电子采集手段啊,把数据传到服务器,数据的产生同时包括生成时间,而这个时间是服务器时间,这样工程师就不能控制了,以往手写的,随便写。她又问我,那如果工程师不看表就乱填怎么办,我的回答是,那就只能上自动化采集设备了。而类似的,一个企业产品质量偶尔出问题,企业最终决定,上一套工控系统,在一次又出现问题时,经过分析,认为员工一定没有正常上班,否则不会出现这样的数据,最终员工交待,当时他在睡觉,而之后,该产品再没有出问题。
数据的视角高度是指生产的各个环节的数据流,例如有企业,设计部门做完三维设计、做二维图纸,发给工艺部门的是二维图纸,三维模型不给的,因为不符合管理规范,于是工艺部门再根据二维图纸进行三维建模,可想而知其效率与质量,生产误时间不说,还经常看不懂,错误频繁。这是在两个节点之间的数据处理问题,而更高的层次,是整个生产流程是否可以拿到所有的数据,数据的传递过程中,是否出现偏差,这也是个非常大的问题。某企业被客户投诉,三天之内就赔付了50万美金,内部处理开掉了一个设计师,原因就是工厂生产采用了某个国产零件,而该零件是国外客户明确指定供应商的,而追查起来,是总部设计师没有把这条信息传递到工厂。
第三说数据的应用,当我们采集了各个环节的数据,以全局性眼光、改善性眼光来看待的整体工业流程时,将会发现很多可以创新改进的机会,或者对企业的关键节点进行优化,就可以获得巨大的经济收益。例如某企业一名普通员工,提出供应商的一道工序,我们也有一道,能不能两道合一道,企业采纳了,与供应商协商执行后,一年就给企业节约200万美金的采购成本。某企业实现了客户订单有纸面传真,改成电子化,又由电子化上升到标准化,通过一个自动化转换平台(转换部分达到总订单85%),实现客户订单信息向生产指令的自动化转换,结果大幅度提升了企业的订单完成时间,原来一般一个月交期,现在7天,加急订单三天,企业的人员规模除增加两名软件开发人员以外基本没变,企业设备基本没变,而一年的时间,企业的产值从2个多亿上升到7个多亿。而从数据的应用看,一个企业通过工程机械的开工情况分析,得出经济危机将至的结论,减少了扩张,成功避免了损失。一个企业通过分析产品的最终用户,而不是仅仅象以往一样只是从渠道那里拿到一些汇总数据,经过分析,确立了一个细分市场,结果成功形成了规模化,硬生生在一般人眼里的红海中开辟了一块天地。
随着全球经济一体化、互联网、移动应用,大数据的应用,企业面临的是前所未有的竞争环境,利润空间日益变薄,拿GE的工业互联网说法,至少节约成本1%-1.5%,但是这1%-1.5%可能就是工业企业的生死线,例如某企业1500美金的产品,利润只有10块美金,而如前例,一道工序优化,就为那个年产值2.5亿美金的企业带来了0.8%的成本节约,所以笔者以为,用大数据思维分析企业,应用大数据,改进企业流程,优化工序,创新产品,改进客户关系,从而实现企业整体的优化,达到升级,是一条王道
数据分析咨询请扫描二维码
《Python数据分析极简入门》 第2节 7 Pandas分组聚合 分组聚合(group by)顾名思义就是分2步: 先分组:根据某列数据的值进行 ...
2024-11-25数据分析需要学习的内容非常广泛,涵盖了从理论知识到实际技能的多个方面。以下是数据分析所需学习的主要内容: 数学和统计学 ...
2024-11-24数据分析师需要具备一系列多方面的技能和能力,以应对复杂的数据分析任务和业务需求。以下是数据分析师所需的主要能力: 统计 ...
2024-11-24数据分析师需要学习的课程内容非常广泛,涵盖了从基础理论到实际应用的多个方面。以下是根据我搜索到的资料整理出的数据分析师需 ...
2024-11-24《Python数据分析极简入门》 第2节 6 Pandas合并连接 在pandas中,有多种方法可以合并和拼接数据。常见的方法包括append()、conc ...
2024-11-24《Python数据分析极简入门》 第2节 5 Pandas数学计算 importpandasaspdd=np.array([[81,&n ...
2024-11-23数据分析涉及多个方面的学习,包括理论知识和实践技能。以下是数据分析需要学习的主要方面: 基础知识: 数据分析的基本概念 ...
2024-11-22数据分析适合在多个单位工作,包括但不限于以下领域: 金融行业:金融行业对数据分析人才的需求非常大,数据分析师可以从事经 ...
2024-11-22数据分析是一种涉及从大量数据中提取有用信息和洞察力的过程。其工作内容主要包括以下几个方面: 数据收集与整理:数据分析师 ...
2024-11-22数据分析师需要掌握多种技能,以确保能够有效地处理和分析数据,并为业务决策提供支持。以下是数据分析师需要掌握的主要技能: ...
2024-11-22数据开发和数据分析是两个密切相关但又有所区别的领域。以下是它们的主要区别: 定义和目标: 数据开发:数据开发涉及数据的 ...
2024-11-22数据架构师是负责设计和管理企业数据架构的关键角色,其职责涵盖了多个方面,包括数据治理、数据模型设计、数据仓库构建、数据安 ...
2024-11-22数据分析师需要具备一系列技能,以确保能够有效地处理、分析和解释数据,从而支持决策制定。以下是数据分析师所需的关键技能: ...
2024-11-22数据分析师需要具备一系列技能,以确保能够有效地处理、分析和解释数据,从而支持决策制定。以下是数据分析师所需的关键技能: ...
2024-11-22数据分析师需要具备一系列的技能和能力,以确保能够有效地处理、分析和解释数据,从而支持业务决策。以下是数据分析师所需的主要 ...
2024-11-22需求持续增长 - 未来数据分析师需求将持续上升,企业对数据驱动决策的依赖加深。 - 预测到2025年,中国将需要高达220万的数据人 ...
2024-11-22《Python数据分析极简入门》 第2节 4 Pandas条件查询 在pandas中,可以使用条件筛选来选择满足特定条件的数据 importpanda ...
2024-11-22数据分析师的工作内容涉及多个方面,主要包括数据的收集、整理、分析和可视化,以支持商业决策和问题解决。以下是数据分析师的一 ...
2024-11-21数据分析师必须掌握的技能可以从多个方面进行归纳和总结。以下是数据分析师需要具备的主要技能: 统计学基础:数据分析师需要 ...
2024-11-21数据分析入门的难易程度因人而异,总体来看,入门并不算特别困难,但需要一定的学习和实践积累。 入门难度:数据分析入门相对 ...
2024-11-21