商業(yè)智能（BI）的概念最早可以追溯到1958年（HP Luhn提出），從此管理人員基于數(shù)據(jù)的決策能力不斷得到增強(qiáng)。但是，隨著時間的流逝，BI也開始顯示出其缺點(diǎn)。它旨在處理少量的靜態(tài)數(shù)據(jù)，且使用過程相當(dāng)耗時，更多的專注于描述已經(jīng)發(fā)生的事情，卻不能解釋發(fā)生這些事情的原因，也不具備未來預(yù)測的能力。隨著大數(shù)據(jù)、人工智能的興起，一種能夠彌補(bǔ)BI不足的理念以及相關(guān)產(chǎn)品正在被越來越多的企業(yè)所接納，有人稱之為業(yè)務(wù)分析（工業(yè)大數(shù)據(jù)分析，Business Analytics），也有人稱之為制造業(yè)數(shù)據(jù)分析（Manufacturing Analytics）……我們用工業(yè)大數(shù)據(jù)分析統(tǒng)一指代，這一類應(yīng)用被定義為類似“廣泛使用數(shù)據(jù)、統(tǒng)計(jì)和定量分析，通過解釋性和預(yù)測性模型以及基于事實(shí)的管理來驅(qū)動決策和行動”。
工業(yè)大數(shù)據(jù)分析與BI
更直觀的來講，實(shí)施工業(yè)大數(shù)據(jù)分析戰(zhàn)略或項(xiàng)目的目的是幫助企業(yè)更好地了解其業(yè)務(wù)、運(yùn)營及其所在的市場。相比BI重點(diǎn)回答“發(fā)生了什么”、“多久發(fā)生一次”和“在哪里發(fā)生”等而言，工業(yè)大數(shù)據(jù)分析更加擅長為企業(yè)解釋“為什么會發(fā)生這些事情”、“如果這種趨勢持續(xù)下去會怎樣”、“將來會發(fā)生什么”以及“理想情況是什么”等問題。當(dāng)然，工業(yè)大數(shù)據(jù)分析只是一大類應(yīng)用的統(tǒng)稱，在特定場景下它有著相應(yīng)的術(shù)語稱呼，比如統(tǒng)計(jì)分析、趨勢預(yù)測、預(yù)測建模和優(yōu)化分析等。這些應(yīng)用的部署應(yīng)該建基于業(yè)務(wù)和技術(shù)之上，并確實(shí)能夠?yàn)槠髽I(yè)提供及時、有效的業(yè)務(wù)決策支持。
目前，工業(yè)大數(shù)據(jù)分析的定義有很多種，本文第一段借用了Holsapple等人對相似應(yīng)用提出的一種籠統(tǒng)的定義。該定義還有一部分內(nèi)容“業(yè)務(wù)分析與基于證據(jù)的、在業(yè)務(wù)運(yùn)轉(zhuǎn)中發(fā)生的問題識別和解決有關(guān)”，這句話細(xì)究其實(shí)很有特點(diǎn)，其中“證據(jù)”與大家通常所提的“數(shù)據(jù)”有很大差異，因?yàn)?ldquo;證據(jù)”包括事實(shí)、可靠的度量、合理的估計(jì)、合理的近似值、無偏見、可靠的解釋和權(quán)威的建議等。它不包括任意或毫無根據(jù)的猜測、觀點(diǎn)、推測、猜想、懷疑或傳聞；“決策”被“問題識別和解決”代替，這是一個更具體、更直觀的說法。
工業(yè)大數(shù)據(jù)分析是涵蓋企業(yè)所有業(yè)務(wù)方面的生態(tài)系統(tǒng)，除了能夠直觀看到的技術(shù)之外，企業(yè)文化、業(yè)務(wù)經(jīng)驗(yàn)、數(shù)據(jù)、人員及其能力其實(shí)都在其生態(tài)之中，其最終目標(biāo)是提高組織績效并為客戶創(chuàng)造價(jià)值。從具體功能上來講，工業(yè)大數(shù)據(jù)分析與BI以及知識管理系統(tǒng)（KDD）的最大區(qū)別在于，工業(yè)大數(shù)據(jù)分析通過基于Web的非結(jié)構(gòu)化內(nèi)容以及基于移動和傳感器的內(nèi)容與結(jié)構(gòu)化數(shù)據(jù)結(jié)合使用以提取價(jià)值，它能夠充分處理非結(jié)構(gòu)化數(shù)據(jù)（例如文本、圖像、音頻和視頻）以及實(shí)時數(shù)據(jù)處理，并結(jié)合了云計(jì)算和分布式計(jì)算等技術(shù)。在工業(yè)互聯(lián)網(wǎng)的背景下，人機(jī)協(xié)作也是工業(yè)大數(shù)據(jù)分析體系中的重要一環(huán)。
工業(yè)大數(shù)據(jù)分析的應(yīng)用領(lǐng)域
研發(fā)與產(chǎn)品設(shè)計(jì)：通過提高整個供應(yīng)鏈的協(xié)同作用縮短新產(chǎn)品上市時間，通過開放式創(chuàng)新縮短產(chǎn)品開發(fā)時間，通過市場趨勢預(yù)測提高供應(yīng)鏈管理績效，通過需求預(yù)測實(shí)現(xiàn)供需匹配。
生產(chǎn)管理：傳感器、物聯(lián)網(wǎng)（IoT）的集成以及通過數(shù)字孿生使得物理和虛擬世界不斷融合，真正的“智能工廠”已經(jīng)逐漸落地。在這些智能工廠中，運(yùn)營的實(shí)時監(jiān)控可以最大化產(chǎn)量，減少浪費(fèi)，削減運(yùn)營和維護(hù)成本，優(yōu)化時間表并支持精益制造項(xiàng)目。
能耗管理：過去，能耗是根據(jù)有關(guān)特定物理過程能耗的計(jì)算得出的。通過數(shù)字化產(chǎn)線，可以輕松跟蹤每臺機(jī)床消耗的能量，進(jìn)而實(shí)現(xiàn)優(yōu)化策略來降低整體能耗。此外，異常的能耗模式可能與所生產(chǎn)零件的質(zhì)量負(fù)相關(guān)，從而有助于在生產(chǎn)線的早期發(fā)現(xiàn)不符合設(shè)計(jì)公差的產(chǎn)品。反過來，這還將有助于減少浪費(fèi)，提高對精益生產(chǎn)實(shí)踐的遵守程度。
資產(chǎn)利用率：重資產(chǎn)行業(yè)需要追求最大的資產(chǎn)回報(bào)率（RoA），這對于保證獲利能力至關(guān)重要。為了實(shí)現(xiàn)這個目標(biāo)，基于工業(yè)大數(shù)據(jù)分析的預(yù)測性維護(hù)正在解決傳統(tǒng)維護(hù)方式的弊端，它通過對實(shí)際機(jī)械狀況、運(yùn)行效率進(jìn)行定期監(jiān)控，以實(shí)現(xiàn)最大的維修間隔，并最大程度地減少由故障造成的計(jì)劃外停機(jī)次數(shù)和成本。
質(zhì)量管理：與產(chǎn)品設(shè)計(jì)和制造相關(guān)的質(zhì)量分析任務(wù)有四個，分別是分類、優(yōu)化、描述和預(yù)測，據(jù)統(tǒng)計(jì)數(shù)據(jù)顯示，企業(yè)對其中嚴(yán)重依賴于工業(yè)大數(shù)據(jù)分析的質(zhì)量改進(jìn)預(yù)測投入占據(jù)了42%的比例，眾多制造業(yè)主都對借助工業(yè)大數(shù)據(jù)分析預(yù)測提高質(zhì)量興趣濃厚。
庫存管理：企業(yè)可以借助工業(yè)大數(shù)據(jù)分析對物料交貨時間、生產(chǎn)時間、審查周期、運(yùn)輸和移動時間、質(zhì)量保證期限以及每個地點(diǎn)的成本差異等數(shù)據(jù)進(jìn)行采集建模分析，最大程度地減少安全庫存，從而減少資本投資，同時又能滿足現(xiàn)有服務(wù)策略。
員工分析：使用工業(yè)大數(shù)據(jù)分析來處理員工工作“生命周期”的各個方面，從雇用到培訓(xùn)和發(fā)展，包括保留、分配、薪酬和福利，被稱為“員工分析”。優(yōu)化的勞動力管理不僅可以降低人工成本，從而提高組織的盈利能力，而且可以改善整體運(yùn)營績效。
營銷、銷售和售后支持：工業(yè)大數(shù)據(jù)分析可以在制造業(yè)中產(chǎn)生變革性影響的另一個重要領(lǐng)域是市場營銷、銷售和售后支持領(lǐng)域。對與客戶互動的數(shù)據(jù)進(jìn)行的分析不僅限于共同創(chuàng)造和開放式創(chuàng)新計(jì)劃，還可以用于改善營銷和銷售。
報(bào)廢或逆向物流：逆向物流涉及回收和再制造以及產(chǎn)品退貨，材料的再利用，廢物處理，翻新和維修，預(yù)測產(chǎn)品的回報(bào)率及其需求將有助于設(shè)計(jì)和構(gòu)建可靠且有利可圖的反向供應(yīng)鏈。
工業(yè)大數(shù)據(jù)分析三大挑戰(zhàn)
麥肯錫全球研究所（McKinsey Glo工業(yè)大數(shù)據(jù)分析l Institute）研究了制造業(yè)中的工業(yè)大數(shù)據(jù)分析采用情況，結(jié)果表明，除了少部分?jǐn)?shù)字原生企業(yè)和一些積極采用者之外，大多數(shù)公司在利用其業(yè)務(wù)數(shù)據(jù)的潛在價(jià)值方面都不夠理想。受訪高管表示，缺乏高級管理人員的參與和適當(dāng)?shù)慕M織結(jié)構(gòu)來輔助數(shù)據(jù)和分析的使用是阻礙價(jià)值創(chuàng)造的主要障礙。此外，由于傳統(tǒng)IT基礎(chǔ)架構(gòu)無法滿足數(shù)據(jù)聚合的急速增長，也阻礙了工業(yè)大數(shù)據(jù)分析的普及。Yamila在《制造業(yè)中的工業(yè)大數(shù)據(jù)分析》中，通過TOE模型即技術(shù)（T）、組織（O）和環(huán)境（E），對影響制造業(yè)采納工業(yè)大數(shù)據(jù)分析方案的因素進(jìn)行了闡述。
首先，在工業(yè)企業(yè)中推行工業(yè)大數(shù)據(jù)分析涉及到企業(yè)管理人員對投入產(chǎn)出的考慮，同時，工業(yè)大數(shù)據(jù)分析與傳統(tǒng)BI以及其他系統(tǒng)應(yīng)用相比顯著不同在于，它對數(shù)據(jù)的需求是全局的，需要項(xiàng)目能夠跨職能部門協(xié)同，而且這種全局性、協(xié)同性的成功與否，直接決定了最終工業(yè)大數(shù)據(jù)分析項(xiàng)目的成功及其價(jià)值的體現(xiàn)，因?yàn)橛袃r(jià)值的業(yè)務(wù)洞察力是企業(yè)采用工業(yè)大數(shù)據(jù)分析的出發(fā)點(diǎn)。在這種背景之下，注定了工業(yè)大數(shù)據(jù)分析的推行必然伴隨組織內(nèi)部的文化及其對數(shù)據(jù)的處理方式變革。
也因此，“領(lǐng)導(dǎo)支持力”通常被認(rèn)為是工業(yè)大數(shù)據(jù)分析項(xiàng)目管理的最大挑戰(zhàn)。高層管理人員的支持對確保工業(yè)大數(shù)據(jù)分析項(xiàng)目獲得必要的資金，并確保企業(yè)文化支持工業(yè)大數(shù)據(jù)分析至關(guān)重要。同時，高級管理人員還應(yīng)直接領(lǐng)導(dǎo)必要的組織變革，以將工業(yè)大數(shù)據(jù)分析納入組織的核心戰(zhàn)略構(gòu)想。為了克服這個最大的挑戰(zhàn)，這就要求工業(yè)大數(shù)據(jù)分析項(xiàng)目能夠承諾并兌現(xiàn)具體的投入產(chǎn)出價(jià)值；其次，要能夠體現(xiàn)出數(shù)據(jù)驅(qū)動的決策優(yōu)于“直覺”，這是因?yàn)槟壳昂艽笠徊糠譀Q策是基于A計(jì)劃，而不是著眼于當(dāng)前某個項(xiàng)目。
第二，適當(dāng)?shù)募夹g(shù)基礎(chǔ)設(shè)施仍然是實(shí)施工業(yè)大數(shù)據(jù)分析項(xiàng)目的先決條件。畢竟，除非企業(yè)能夠先收集到足夠的數(shù)據(jù)，否則無法對其進(jìn)行分析，有收集就還有存儲、處理等整個工作流所需要的軟硬件基礎(chǔ)設(shè)施。在當(dāng)下，工業(yè)大數(shù)據(jù)分析之所以能夠替代BI，就在于現(xiàn)在已經(jīng)有了足夠的技術(shù)能夠支撐工業(yè)大數(shù)據(jù)分析的全工作流的需求。但是，我們也要看到，當(dāng)下大部分工業(yè)企業(yè)的基礎(chǔ)設(shè)施都是上一代甚至上幾代的“家底”，一方面他們不希望領(lǐng)域知識或過去的經(jīng)驗(yàn)，而不是基于數(shù)據(jù)；跨職能范圍以變革性的方式改變企業(yè)文；制定長期的B一次性大規(guī)模的投入進(jìn)行升級，另一方面，盡可能的利舊與最佳性價(jià)比的解決方案也是人之常情。
這就要求工業(yè)大數(shù)據(jù)分析相關(guān)的解決方案必須簡單易用，包含所有相關(guān)數(shù)據(jù)并使用標(biāo)準(zhǔn)化術(shù)語。此外，所選的解決方案必須強(qiáng)大且靈活，以適應(yīng)不同的制造企業(yè)，并應(yīng)使用開放標(biāo)準(zhǔn)和清晰規(guī)范接口以確保互操作性，即在確保數(shù)據(jù)、信息和知識集成的同時，支持供應(yīng)鏈上不同業(yè)務(wù)部門之間以及跨企業(yè)的信息交換。最后，由于IT解決方案和基礎(chǔ)架構(gòu)是一項(xiàng)長期投資，因此它們必須足夠滿足當(dāng)前工業(yè)大數(shù)據(jù)分析項(xiàng)目的要求，同時還能保持隨業(yè)務(wù)發(fā)展的靈活性。
最后，物聯(lián)網(wǎng)等各種數(shù)據(jù)的大量收集，正在受到人們關(guān)于數(shù)據(jù)隱私、網(wǎng)絡(luò)安全和責(zé)任的擔(dān)憂的困擾。解決方案供應(yīng)商應(yīng)從設(shè)計(jì)階段開始就考慮這些問題，并確保向客戶披露任何安全缺陷，因?yàn)椴贿@樣做將使企業(yè)承擔(dān)巨大風(fēng)險(xiǎn)。實(shí)際上，網(wǎng)絡(luò)攻擊所帶來的后果超出了事件的造成的直接財(cái)務(wù)價(jià)值，比如企業(yè)聲譽(yù)、品牌形象等都將受到不同程度的破壞。
基于大數(shù)據(jù)分析的虛擬量測
彩虹寄云智能工廠工業(yè)大數(shù)據(jù)項(xiàng)目助力知名平板顯示制造企業(yè)彩虹集團(tuán)實(shí)現(xiàn)了數(shù)據(jù)可視化、生產(chǎn)透明化、質(zhì)量可控化，并獲得了綜合良品率顯著提升，非計(jì)劃停機(jī)、運(yùn)營成本等大幅減少等多種收益。在這里我們重點(diǎn)給大家分享一下其中的虛擬量測避免翹曲的應(yīng)用。
對于電子玻璃（平板顯示產(chǎn)品）等高端精密制造來說，如果僅僅通過最終產(chǎn)品的質(zhì)檢來反向指導(dǎo)生產(chǎn)過程往往會產(chǎn)生大范圍的損失。因?yàn)檫@類制造流程繁雜、漫長，幾十上百道工序可能需要幾天才能完成一件產(chǎn)品，如果失誤發(fā)生在較早的上游，那么在發(fā)生失誤的環(huán)節(jié)往后所有的產(chǎn)品都會不可逆的成為殘次品，直到失誤被發(fā)現(xiàn)并修正。
虛擬量測可在半導(dǎo)體、顯示面板或太陽能產(chǎn)品尚未或無法進(jìn)行實(shí)際質(zhì)量量測的情況下，利用生產(chǎn)機(jī)臺參數(shù)推算其所生產(chǎn)產(chǎn)品的品質(zhì)，以進(jìn)行線上且即時的產(chǎn)品品質(zhì)預(yù)測（以達(dá)到生產(chǎn)片全檢的效果）、機(jī)臺效能監(jiān)控及生產(chǎn)制程改善，如此可即時發(fā)現(xiàn)異常，避免重大損失。因此虛擬量測是增強(qiáng)電子玻璃等產(chǎn)品質(zhì)量可控性、避免發(fā)生批量殘次品的有效方法。
項(xiàng)目面臨的生產(chǎn)、質(zhì)檢等日數(shù)據(jù)量達(dá)千萬條，限于之前的存儲、查詢等能力，這些數(shù)據(jù)沒有實(shí)現(xiàn)長期保存，同時還存在封閉數(shù)據(jù)格式難于融合等挑戰(zhàn)，使得集團(tuán)的質(zhì)量等分析處于簡單的統(tǒng)計(jì)層面，數(shù)據(jù)價(jià)值還存在巨大的挖掘潛力。項(xiàng)目采用寄云NeuSeer工業(yè)物聯(lián)網(wǎng)網(wǎng)關(guān)實(shí)現(xiàn)控制層數(shù)據(jù)的融合及云端的連接，使得海量生產(chǎn)、設(shè)備等時序數(shù)據(jù)能夠持久存儲在云端寄云時序數(shù)據(jù)庫中。
在此基礎(chǔ)上，通過寄云DAStudio工業(yè)大數(shù)據(jù)建模與分析平臺對集團(tuán)電子玻璃生產(chǎn)的冷端數(shù)據(jù)（制造過程、檢測、事件）和熱端數(shù)據(jù)（DCS/data server）進(jìn)行關(guān)聯(lián)分析；找到和某一時間段內(nèi)翹曲變化最為相關(guān)的熱端關(guān)鍵特征（比如溫差）；對影響翹曲的關(guān)鍵特征進(jìn)行SPC建模，并對特定數(shù)據(jù)段進(jìn)行離線檢測；最后對產(chǎn)線的相關(guān)環(huán)節(jié)進(jìn)行實(shí)時數(shù)據(jù)監(jiān)控，并將監(jiān)控?cái)?shù)據(jù)與模型進(jìn)行實(shí)時比對，一旦發(fā)現(xiàn)某工序參數(shù)偏離模型正常范圍，即可實(shí)時向工作人員告警并給出調(diào)整策略。
