天天看點

制造企業使用資料分析的應用場景有哪些?

通常在統計學領域,我們把企業的資料都可以叫商業資料,不管這個資料是來自于市場部門、品質部門、服務部門、供應鍊部門、研發部門還是人資部門。對應的一門學科就叫商業統計學。基于如上的定義,我們來探索一下資料分析在不同場景中的應用可能是怎樣的?

① 營銷:

我們分三個主要的場景來說明。

第一個是線下營銷場景,使用到商業統計分析的主要是産品怎麼組合帶來的銷售額最大、該給哪些消費者寄禮物和卷能夠加大其消費機率、哪裡選店最合理、區域銷售因素主要是哪些因素決定的、銷售預測、折扣多少比例能達到最大銷售額/銷售利潤率、哪些産品的回報更好、應該開發哪些産品、不同産品在不同區域和人群應該怎麼投放/陳列等。

第二個是線上場景,在這裡使用商業統計分析和機器學習的組合方法較多,包含人群圈選和分類、千人千面的營銷政策、推送政策、自然語義相關的評論分析等。

第三個是營銷管理相關的場景,更多是營銷活動費用的最大化投入産出、營銷政策的好壞及效果、不同區域的營銷政策制定、銷售預算的有效性/廣告有效性、營銷團隊的分析。

在如上三個主要場景中,牽扯的算法比較多,傳統的商業統計分析方法較多,包含假設檢驗,回歸,DoE,機器學習,方差分析,時間序列分析等,使用的工具可以是Excel、Qlik、Minitab、Tableau、SPSS等,也可以結合一些BI平台的分析工具,比如慧都的商業智能BI分析工具,具體要看場景來進行選擇。

② 研發:

這裡我們分為兩個主要場景來講,即一個是偏重于研究和産品開發場景,另一個是工藝。

在研究和産品開發領域,除了學科領域内的算法,在研發過程中,實體內建/配方的開發、最優組合或參數或者配方對應某一效果/性能/成本/品質/服務/效率的最佳組合、可靠性分析和預測、公差分析、壽命預測等。

在工藝場景也類似于研發,比如工藝參數優化、工藝過程控制、工藝開發等。算法上,用到傳統的算法比較多,DoE、回歸、方差、假設檢驗等,有特殊場景尤其是比較複雜的超多因素場景,機器學習和神經網絡也會有不少應用。在這個部分,常見的資料分析工具有Excel、Qlik、Minitab、Matlab,特殊領域的仿真軟體等。

③ 供應鍊:

對于倉儲物流等場景,着重可以使用經典的供應鍊統計學,裡面有大量的算法可以使用,包含運籌學等。在這裡對于制造型企業并未有太大的突破,更多的是怎麼使用好現成的方法和算法,不再贅述。

比如對庫存控制的領域,經典的供應鍊統計學中有結合庫存邏輯和服務水準(六西格瑪)和方差來控制最大庫存、最小庫存、安全庫存的量對應銷售預測的波動,也可以做到動态安全庫存的控制。

對于物流倉儲設點,配送等可以使用運籌學方法,也可以使用機器學習的算法,最終實作的都是最短路徑/最短時間/最小成本/最XXXX。分析工具層面可以使用Excel、Qlik、SPSS以及專用的倉儲物流仿真工具和分析工具。

④ 生産制造:

除了工藝以外,品質、裝置、計劃排産、精益生産、工廠布局/物流路線、EHS、生産組織方式等方方面面其實都可以使用資料分析,這也是經典六西格瑪裡面講的比較多的。比如在品質方面,從制程控制SPC、品質提升、抽樣控制、判定好壞、識别影響品質的因素等方面在六西格瑪裡都有各種分析。

在裝置方面,這裡筆者不建議非裝置生産商去研究自己工廠裝置的預防性維護,因為裝置原理其實是不知道的,而且預防性維護偏重于長期的資料收集及學習,比較成功的更多是旋轉型裝置。

裝置領域對于重資産型公司,比如化工行業,可以使用分類算法來進行維護維修的判斷和打造專家系統,使用分類算法和其他算法來盡量提高裝置的線上率,減少MTBF和MTBR等,提高服務水準以此不影響生産效率和品質。計劃排産類的算法大多內建在APS軟體裡,比如遺傳算法。

制造企業使用資料分析的應用場景有哪些?

精益生産要更多的結合六西格瑪項目推進效果會更好。在生産組織方式可以使用很多的統計學方法來判斷不同生産方式的效率、成本、品質等。分析工具角度用的最多的就是Excel和Minitab, 也有不少是用JMP等。

在追求效率的時代,我們不止要求生産效率最佳,同時也要求企業的營運效率最佳,這樣才能提升整體的經營水準,比如在計劃排産部,如果繼續使用excel來人工排産,那麼效率就非常低了,做過計劃員或生産管理的朋友應該很清楚。建議大家可以了解慧都的APS精益生産排程系統,可以有效的提高排産效率以及資源使用率。

點選此處領取自動排産案例資料>>

⑤ 其他職能子產品:

除了如上四個大的子產品,其他職能也可以充分使用資料分析提高管理水準和效率,減少風險和成本。比如在人資,可以使用統計分析來分析人員結構,薪資結構,不同教育訓練課程的教育訓練效果,人員離職的分類及對策等。

在風控領域,更多是看資料的波動和異常,尤其是财務類,這裡方差類分析也是有用的,機器學習類比如分類算法也是常用的。甚至在經營和戰略層面,我們也可以使用回歸和方差等分析來判斷預算是否能夠産生經營效果,并對未來的銷售進行預測。

在智能制造時代,如何跟上時代步伐,快速實作制造型企業數字化轉型,已經是影響企業核心競争力的關鍵因素,而資料分析作為企業數字化轉型的基礎,應該被企業管理者所了解并合理運用。

最後,歡迎大家來了解慧都智能制造解決方案,從設計、生産、管理、決策,為您的企業提供一站式的數字化轉型解決方案。

制造企業使用資料分析的應用場景有哪些?

繼續閱讀