Meluncurkan Proyek Analitik Data dalam Manufaktur: Panduan Praktis
Apa yang dibahas artikel ini
- Stefanie Peitzker, spesialis pemasaran yang berfokus pada solusi perangkat lunak, mengeksplorasi pertanyaan analitik data yang sering diajukan oleh profesional manufaktur.
Analitik data sering dipuji sebagai “minyak baru” dari ekonomi, namun banyak yang tetap ragu tentang keandalannya. Dalam panduan ini, kami mengumpulkan pertanyaan yang sering diajukan oleh ahli produksi dan menjawabnya dengan wawasan dari insinyur analitik manufaktur, spesialis IT, dan ilmuwan data.
1. Di mana inisiatif analitik data harus dimulai dalam organisasi?
Tidak ada titik awal yang “benar” tunggal; peluncuran bergantung pada beberapa faktor:
Apakah analitik data sudah dipahami di perusahaan Anda? Jika tidak, mulailah dengan bengkel orientasi yang memperkenalkan kemungkinan analitik dan mengungkapkan potensi use case.
Apakah manajemen memahami alur kerja teknis? Jika tidak, lakukan bengkel persyaratan dengan ahli lokasi produksi. Output biasanya adalah diagram sebab-dampak yang mengklarifikasi ruang lingkup masalah dan melibatkan kepemimpinan untuk persetujuan.
Apakah masalah konkret telah ditentukan? Misalnya, “Mengurangi upaya pengujian EoL.” Jika demikian, tim analitik dapat segera mengevaluasi apakah alat yang ada dapat diterapkan atau memerlukan adaptasi.
2. Perspektif stakeholder apa yang harus diatasi?
Penelitian oleh Bosch mengungkapkan tiga archétipe ahli pabrik yang berbeda, masing-masing membutuhkan pendekatan komunikasi yang disesuaikan:
Skeptik membutuhkan bukti ROI yang jelas dan hasil cepat dan konkret yang menunjukkan manfaat dalam output, kualitas, dan biaya.
Operator yang terbuka pikiran penasaran dengan metode optimisasi baru. Fokus pada menjelaskan algoritma yang dipilih dan bagaimana model akan beroperasi dengan data langsung.
Percaya sudah melihat nilai analitik. Mulailah dengan menerapkan kerangka CRISP-DM bersama dengan mereka dan tim mereka untuk membentuk proyek.
Dalam praktik, bengkel orientasi memfasilitasi persetujuan stakeholder. Dengan membingkai inisiatif di sekitar pertanyaan bisnis dan menjelajahi keterbatasan teknis secara iteratif, tim dapat menterjemahkan analisis regresi yang canggih menjadi wawasan yang dapat ditindaklanjuti.
3. Pengetahuan apa yang esensial untuk proyek analitik yang berhasil?
Stefanie Peitzker
Saya memiliki gelar master dalam manajemen dengan spesialisasi geografi (Universitas Augsburg, Jerman). Sejak 2003 saya telah bergabung dengan Bosch.IO, memimpin tim Marketing Solutions yang menyediakan solusi Business Rules Management System di seluruh dunia.
Untuk mengeksekusi proyek analitik manufaktur, tim Anda harus menguasai tiga domain pengetahuan:
Bisnis – Komunikasikan tujuan dan persyaratan proyek sehingga analis dapat mendefinisikan masalah dengan akurat.
Data – Pahami persiapan data, pemodelan, evaluasi, dan penerapan, dari pelaporan sederhana hingga model prediktif waktu nyata.
Proses teknis – Berikan gambaran umum yang jelas tentang rantai nilai produksi (misalnya, pengelasan, laser, pengujian, pengkencangan) untuk memungkinkan insinyur analitik menyelaraskan model dengan konteks manufaktur.
4. Dasar apa yang harus dikerjakan oleh organisasi manufaktur sebelum menerapkan analitik?
Pengumpulan dan persiapan data sering kali tampak menakutkan. Kunci adalah untuk membuat data tersedia dengan kuantitas, kualitas, dan validitas yang tepat. Pedoman kualitas data praktis dapat membantu pelanggan mengstruktur fase persiapan data secara efisien.
5. Berapa banyak data yang diperlukan untuk memulai analitik?
Aturan jempol umum adalah 15 observasi per variabel pengaruh. Dengan demikian, untuk menilai 30 parameter proses yang mempengaruhi metrik kualitas, Anda membutuhkan setidaknya 450 set data. Lebih banyak data secara umum meningkatkan keandalan model, dan dengan infrastruktur modern, beban komputasi tambahan dapat diabaikan.
Investasi dalam fase kualitas data memberikan imbalan: pedoman kami membantu pelanggan membangun kumpulan data yang kokoh tanpa waktu atau biaya yang tidak perlu.
6. Dapatkah analitik dilakukan tanpa ilmuwan data internal atau tim IT yang besar?
Tentu saja. Mitra yang terampil membawa bersama insinyur manufaktur, spesialis IT, dan ilmuwan data untuk membentuk tim analitik lean. Tim ini menangani bengkel, pengembangan model, dan validasi, memberdayakan organisasi Anda untuk menerapkan wawasan tanpa menambah staf.
