Kami telah menggunakan analitik untuk meningkatkan proses produksi kami di pabrik Bosch selama bertahun-tahun. Jadi, apa yang baru dalam analitik di bidang manufaktur, dan apa langkah selanjutnya?
Metodologi kami untuk analisis persyaratan membuat semua perbedaan
Ada berbagai cara untuk menjalankan dan menjalankan proyek analitik data. Titik awalnya biasanya adalah lokakarya awal di fasilitas produksi pelanggan, tempat kami bertemu dengan tim pelanggan untuk mendiskusikan dan memahami tujuan proyek dan masalah mendasar berdasarkan tayangan visual produk dan proses produksi.
Insinyur produksi cenderung untuk fokus dan mendalami langkah proses spesifik yang tampaknya menyebabkan masalah, dan menerapkan pendekatan pemecahan masalah yang umum.
Tetapi analitik data dapat memberikan banyak manfaat lebih lanjut karena tidak hanya berfokus pada satu proses atau mesin tertentu. Sebaliknya, ini juga memperhitungkan data mesin, proses, dan material dari langkah produksi hulu dan hilir sehingga dapat mengidentifikasi hubungan sebab-akibat, korelasi, dan pola yang sebelumnya tersembunyi.
Jadi selain memperkenalkan potensi dan kekuatan analitik data di bidang manufaktur di awal proyek, salah satu tujuan utama kami dalam lokakarya awal adalah untuk memahami masalah pelanggan dari perspektif bisnis. Yang lebih penting, kami mencoba melihat masalah dari segi prinsip-prinsip fisik di baliknya. Hal ini memungkinkan kami untuk fokus pada sumber data yang tepat sehingga kami dapat memanfaatkan kekuatan penuh analitik data.
Menghabiskan waktu untuk pemahaman bisnis membuahkan hasil
Di bagian pertama lokakarya, tujuannya adalah untuk mengidentifikasi masalah inti dan memastikan bahwa kami menyelaraskan pemahaman kami tentang masalah itu dan analisis data kami dengannya. Kami menyebut bagian pertama dari lokakarya ini sebagai “pemahaman bisnis”.
Mereka yang mengikuti lokakarya ditanyai pertanyaan yang ditargetkan untuk membantu mereka mencapai pemahaman yang lebih dalam tentang produk, proses, dan kondisi keseluruhan. Ini, pada gilirannya, menghasilkan tanda-tanda awal yang menunjukkan kemungkinan akar penyebab. Pertanyaan yang ditargetkan meliputi:
Apa urutan langkah proses yang tepat? Di stasiun mana masalah pertama kali muncul? Stasiun terdekat apa yang mungkin memengaruhi hal itu? Apakah ada karakteristik khusus dari aliran nilai, seperti langkah paralel, pengerjaan ulang, atau langkah berulang? Ada berapa varian produk? Berapa banyak pemasok yang terlibat? Dan seterusnya…
Pemahaman data datang berikutnya
Di bagian kedua lokakarya awal tentang menganalisis dan merekam persyaratan proyek, kita mulai berbicara tentang data:
Sumber apa yang menyediakan data? Apakah pertama-tama kita perlu mengintegrasikan, atau bahkan menghasilkan, data? Data apa dari proses lain yang penting? Kerangka waktu apa yang kita lihat? Saat bekerja dengan berbagai sumber data, apakah mungkin untuk melacak data kembali ke asalnya dengan jelas (misalnya menggunakan ID unik)?
Analisis berulang alih-alih proyek besar
Fase analitik pertama biasanya berlangsung tidak lebih dari seminggu, tergantung berapa lama waktu yang dibutuhkan untuk menyiapkan data. Setelah minggu ini, pakar analitik manufaktur kami mempresentasikan hasil awal mereka kepada tim pakar pelanggan dengan tujuan menunjukkan kelayakan pemecahan masalah pelanggan berdasarkan data yang diberikan.
Idealnya (dan pada kenyataannya, ini sangat sering terjadi), hasil analisis siklus pertama sudah memberikan ide yang dapat ditindaklanjuti tentang cara mencapai tujuan proyek (misalnya, mengurangi tingkat sisa dalam aliran nilai tertentu).
Pada saat yang sama, berdasarkan masukan pelanggan dan reaksi mereka terhadap hasil antara, dimungkinkan untuk menyesuaikan kembali strategi analisis agar sesuai dengan wawasan yang baru diperoleh. Ini sangat penting untuk keberhasilan proyek analisis data! Mengapa? Tim mengesampingkan kesimpulan yang salah, nilai tambah langsung oleh analitik data menjadi terlihat dan dapat digunakan, dan langkah selanjutnya ditentukan bersama:
Apa lagi yang diperlukan untuk memverifikasi hasil? Dan akhirnya untuk mengotomatisasi mereka? Bagaimana tepatnya kita harus mendefinisikan cakupan data yang diperluas untuk ini?
Sumber:Bosch.IO Pelanggan mendapatkan wawasan berharga tentang datanya dan proses datanya.
Pemeliharaan &dukungan untuk model prediktif setelah proyek selesai
Apakah ada yang namanya pemeliharaan dan dukungan pascaproyek? banyak pelanggan bertanya kepada kami. Jawabannya adalah YA! Aspek ini sangat penting bagi semua pelanggan yang ingin menerapkan model prediktif ke data real-time mereka, misalnya untuk menjadwalkan penggantian suku cadang aus pada titik waktu yang optimal atau untuk memprediksi hasil pengujian.
Itulah sebabnya kami tidak hanya berfokus pada penyediaan pemeliharaan dan dukungan untuk solusi perangkat lunak yang diinstal, tetapi juga pada penyediaan dukungan teknis yang sesuai untuk pelatihan dan pemantauan model prediktif.
Tingkat berikutnya:alat standar untuk masalah standar
Alat analitik berbasis web menghasilkan wawasan langsung dan menempatkan analitik data untuk digunakan dalam pekerjaan sehari-hari para insinyur tanpa harus melibatkan ilmuwan data. Tingkat selanjutnya ini menarik. Pelajari lebih lanjut di video.
Luncurkan Analisis Data dalam operasi produksi Anda.
Dalam webcast ini, Anda akan melihat kasus pengoptimalan produksi yang nyata dalam praktik dan mempelajari bagaimana lokakarya dua hari kami membantu Anda memulai inisiatif Anda.
Sumber:Bosch.IO Pelanggan mendapatkan wawasan berharga tentang datanya dan proses datanya.