提高流程管理分析自服务方法使工程师能够利用分析日常任务并增强自控操作者盈利能力Thomas Dholander-2017年12月20日由TrindMiner多流程自控操作者在数字转换下一阶段参与技术实验探索降低成本、实现守规和/或提高整体设备有效性的选项先进解析工具的采用仍带来某些挑战广而复杂的工具环境可能令人望而生畏,许多终端用户缺乏对流程数据解析的基本理解。加上缺乏对分析提供的实际效益的认识,这使许多工程师无法完成日常任务,使用电子表格和基本趋势分析工具进行日常分析大都文章讨论提高现代流程工程师分析认知度的必要性数据库还探索关键因素来建立这种认识和最先进自服务分析工具为流程性能优化提供能力今日工厂生成数据比任何时候都多, 组成物业互联网(IIoT), 智能工厂从最高层向最小细节可视化数据数字革命的关键是连通传感器网络 角色和机器 植物生成数万亿年样本数字革命为提高效率和实时进程管理提供了前所未有的契机 — — 但也带来了新的挑战,需要创新解决方案和新思维方式技术快速进化响应生成数据的规模,商业情报和数据湖系统现在是运营优异的重要组成部分然而,对许多工程师来说变化微乎其微无法直接存取新数据提供的真知灼见,数字革命为提高效率和实时进程管理提供前所未有的契机复杂分析选项工程师现在正面临着复杂环形,布满各种分析工具,所有工具都有望理解新数据,包括传统历史学家和制造执行系统供应商工具、泛大数据系统如Hadeop和独立分析应用这些工具处理各种商业需求,但不一定设计上满足工工工行业具体需求商业系统数目之多引出集成问题并增加依赖信息技术和大数据专家企业分析视觉常基于大数据湖获取所有数据,并启动概念证明存储金融数据、营销数据、质量数据以及有限生产数据公司常为适应大规模时间序列数据而挣扎 从过程演练响应时,许多组织创建中心解析团队解决影响盈利的最关键过程问题数据科学家创建高级算法和数据模型综合多源数据并提供洞察力优化生产过程分析专家引导时间序列数据转换为可操作信息从分析团队中获取的洞察力至关重要,但单靠这种方法还不足以使工程师在日常任务中利用分析力工程师缺少空闲时间,没有小空间学习新工具他们更关心满足工厂即时需求,而不是新技术或未经验证技术的允诺他们可能怀疑投入分析系统时间将获得实惠如果过去的解析项目达不到期望,还可能有挫折感和失望感。急切需要确保最优进程,自然他们会恢复当前系统工具,作为证明完成任务的方法。教育用户成为公民数据科学家 正像技术进化 创建连通工厂这是一项企业文化的关键转变,因为整个组织必须接受教育并了解分析在应用到作用方面的潜力与其完全依赖拥有所有分析知识的中心解析团队,不如授权进程工程师等专题专家回答自己的日常问题。这不仅会向工工流程管理提供益处,还释放数据科学家专心处理最关键业务问题赋能工程师并不意味着要求他们成为数据科学家-它意味着为他们提供获取过程数据分析的好处工序工程师不会(容易)成为数据科学家,因为教育背景不同(计算机科学比化学工程)。但它们可成为解析感知并启动通过进程工程师更深入理解分析,他们可以独立解决更多日常问题并增强自身有效性转而向组织提供基于自身工程专门知识的新洞察力向组织各级所有者操作者提供值并更有效地利用资源(人力)。组织实现现代方法需要增加自服务分析平台,面向专家用户需求并教育用户自服务解析工具设计时考虑终端用户集强算法和常识界面以尽量方便使用而无需深入数据科学知识不需要模型选择、训练验证用户可直接查询自身进程历史学家信息并获取单击结果即时访问答案会鼓励使用分析工具即时验证值:稀有时间保存和前隐式改进机会解锁自我服务分析法提高效率并更方便工程师使用分析信息,使数据科学家能够集中处理对整个组织最关键的问题,提高自控操作者盈利能力Thomas Dhol读更多