数字化精益中的高级分析方法的运用

    生产线执行系统、传感器和机器运转日志为各行企业提供了大量有关制造工艺的数据。未来十年，配有无线传输功能（通常指物联网）的智能传感器（如：检测震动、温度和湿度）的价格将从如今的几美元一个进一步降至仅几美分一个。智能传感器不仅价格下降，而且可以轻松安装在所有生产线上，使偏差追踪和行为预测更加容易。随着数据存储费用降至史上最低点，企业可以利用云存储海量数据，而无需进行固定资产投资。同样，运行智能工厂的计算能力呈指数式增长，而且可以通过网络获得，这将帮助企业根据需要执行复杂分析。

    中国一些领先的航空公司利用工业互联网搜集了大量发动机的涡轮叶片保修数据，结合远程诊断纪录和第三方数据，建立了叶片损伤分析预测模型，预测发动机的运行情况，定制科学的重复检查间隔，提升运营效率。

    但是目前大多数工厂离智能化仍然很远。在中国，实施数字化的第一个挑战是企业认为“没有数据”.而实际上，数据并不缺乏，只是一批接一批地堆在那。我们看到的一些中国制造企业只利用不到2%的数据改进生产，在很多情况下，生产线根本没有与制造执行系统相连。

    预测性分析、大数据和机器学习、数据挖掘、数据智能和神经网络等复杂的统计分析与工具开始逐渐改变企业对数据的看法，让企业更好地理解复杂的制造工艺及随后的改进方法——例如，在潜在问题实现前就能够识别出数据和问题的依赖关系并进一步提前检测问题。此外，通过深入分析历史数据，运营经理可以发现具体工艺环节与输入之间的特定模式及相互关系，然后对其进行优化，从而最大程度优化产量。

    领先企业已经开始连接所有生产线及系统，并开始大规模使用云存储数据用于分析。现在已经兴起了一种以服务为基础的数据分析行业，使分析成为运营部门可以负担得起的工作。