看先进分析工具将如何推动制造业创造显著业务价值?

Advanced analytics for Manufacturing

        在最近的一项由塔塔通信(Tata Communications)所做的调查显示,工业生产商报告预测从2015到2018年,物联网的技术革新将增加29%的收入,这比任何其他市场细分所贡献的增加额都要多。

        在这项研究调查所涉及的十三个行业中,工业制造业是目前为止,对于物联网技术革新可以带来的收入增加额是最为乐观的。

        一个现代化的制造环境的运营,会涉及成千上万的传感器和机器,他们都会收集大量的数据。利用所有这些数据来增加业务能力时是很明显的发展目标。

        但是,如何和在哪里开始?- 这是我们要回答的困难问题。幸运的是,新的思想和软件工具,在物联网分析的兴起之时,可以帮助制造商抓住这些机遇,以提高其经营效率和整体经营业绩。

        让我们回顾一下在物联网分析平台的一些主要应用案例,以回答“如何和在哪里开始”的问题。

 

高级分析的用例和应用

        在制造业中的数据的宽度意味着,有一个潜在领域的数据,可以利用它们获得显著的商业价值。通过对这些机会进行排序,可以用来确定客户自己需要的分析和研究。

        在《经济学人》进行的最近一项调查中,受访者表示,他们认为大量的物联网数据在使用案例和应用程序的情况下,将为他们的业务产生显著的收益:

IoT use cases data from Economist survey

图1.物联网应用案例数据(来源:《经济学人》)

        这些调研数据,导致了一些关于应用程序的讨论,当我们要利用物联网分析项目,在制造业寻求超高投资回报率的时候。

        根据制造业成熟度模型不同,合适的起始模块也是不一样的,三个最流行的和有影响力的应用包括:

 

1)预测性维护

        将高价值设备保持在最大限度的生产能力,是任何制造商的最重要的目标。预测性维护,可以确保最小的计划外停机时间,以最大限度地提高回报的设备投资。

        关键装配设备中的物联网传感器,可以提供实时的数据,使管理人员能够迅速做出决定,并引发行动,以维持生产线的最大容量。

        防止在制造过程中的任何类型的中断是至关重要的,因而如果系统能够预测潜在风险、并提出预防措施的话,以便防患未然,这是非常有价值的。

 

2)经营效率

        通过一个操作线确保最大吞吐量,是物联网分析应用程序可以给制造业增加重要价值的另一个领域。复杂的装配操作依赖于可靠的子组件和一致的供应链流程。

        物联网传感器和设备可以提供供应链失衡的早期指标。通过分析这个数据流,可以产生多点洞察力和潜在的行动能力,从而简化组件流、简化流程,以及简化应用到一个特定的生产应用的人力资源配置。

        小心地平衡组件供应与操作的吞吐量,可以减少多余的库存,加快装配过程,并降低资本要求。所有这些好处都增加了利润,提高了客户服务。

 

3)资产利用

        在今天的环境中,在一个典型的制造业生产线的设备和机器是任何制造组织的主要金融资产。他们通常是这些公司最重要的资产。

        要将这种规模的投资进行利润最大化,是一个管理层最重要的课题,也是COO和CFO之间正在进行的探讨的一个核心议题。投资回报率往往是成功与失败之间的差异,有时甚至超过产品本身的经济性。

        拥有优越的流程和资产利用率的生产商,通常会获得竞争力方面的巨大优势,其定价权和灵活性会使其效率较低的竞争对手难以招架。物联网传感器和分析平台系统是企业寻找最大限度地提高资产利用率的关键工具。

 

价值链分析,物联网分析中生成价值的关键工具

        在物联网时代具有讽刺意味的是,虽然物联网提供了巨大的潜力,即便有能力利用海量数据,也很难将这些数据与上下文背景相关联,从而采取有经济影响的实在行动。

        上述的应用系统所涵盖的都具有强大的分析潜力,但需要一种方法来对数据排序和划定项目优先级。这个博客开始时,我们就提出了询问:先进分析平台是否可以推动商业价值?

        答案是可以的。推动价值取决于有一个系统的方法和方法来驱动价值增加。它不会仅仅因为使用了“先进的分析平台”就自动发生,。

        要创造了巨大的商业价值,就有必要在实时对价值链(流分析、历史分析、预测分析,合规分析)及其相关的语境和情境性数据进行分析,这是关系到整个分析流程成功与否的关键一步。

让我们在下面的图中一步一步展开:

Analytics Value Chain for Manufacturing

图2.分析价值链

  • 数据快速摄入– 摄取数据的速度和数量,在工厂设置阶段作额外处理
  • 实时数据流分析– 实时流分析处理来自工厂环境中的传感器和设备中的数据流
  • 历史分析– 精炼后的数据,与上下文和历史数据相结合,为先进分析提供了一个基准。上下文数据可以包括这些信息 - 如工厂的物理环境或供应商的历史表现等方面的数据。
  • 预测分析– 下一步是预测故障、异常,或故障模式等,使用预测分析,基于机器对于情境数据的学习-- 如外部事件,如当前工厂的利用率或生产设备的情况等情境数据。
  • “规范分析+智能行动”– 分析价值链的最后一步是应用规范的分析,以确定未来的最佳智能行动。这下一个最佳行动可能是各种各样的行动,包括与降低风险相关的行动,解决了装配线上中断的行动,或其他及时的行动,使流水线作业更为高效

如下图所示,这是创造最大价值的最后一步。

Analytics Value Graph in Manufacturing

图3.分析价值图

        增加的价值链显示了,流程中的每一步的过程中,我们如何提炼数据,并为之增加更多的价值和上下背景。

        重要的一点是,基于对于历史和背景的深入理解而采取的特定行动,可以捕捉到该值。

 

最后思想

        物联网在制造业提供了无数的机会,但大量的数据量和复杂度使得我们很难知道从哪里开始。使用分析价值链可以作为一个指导工具,制造商可以选择那些能够迅速捕捉价值的应用软件。制造业没有时间可以浪费,而必须马上行动起来。

 

联系我们以了解更多

advanced analytics for manufacturers white paper