自助服务分析如何帮助持续改进

来自DSM Dyneema和Hunstman Corp.的案例研究示例说明了如何为每个人提供简单易用的分析工具，从而极大地改善生产和业务运营。

所有围绕工业4.0、工业物联网和数字转型的活动最终都是关于一件事——分析大量数据，以改善生产和整体商业运营。虽然大多数关于大数据和数据分析的讨论都集中在克服与运营数据汇总和分析相关的障碍上，但另一个挑战是使分析结果在不需要数据科学家的情况下为工人和管理层所接受和理解。

自助服务分析(SSA)旨在帮助企业克服这一挑战。

根据技术研究和咨询公司Gartner:自助服务分析是一种商业智能(BI)，在这种分析中，业务线专业人员可以在名义上的IT支持下执行查询并生成报告。自助式分析的特点通常是简单易用的BI工具，具有基本的分析功能，以及简化或缩小的底层数据模型，以方便理解和直接的数据访问。”

应用SSA进行持续改进

精益六西格玛是工业制造加工企业进行持续改进的常用方法。也许实现精益六西格玛的最大挑战是让公司的每个人都积极参与持续改进计划。

Nick Petrosyan, TrendMiner客户成功经理。 “大多数公司都有多个正在进行的项目，但通常只有少数经过培训的团队成员精通改进项目所需的统计方法，”他说Nick Petrosyan，客户成功经理TrendMiner(网络自助分析技术的提供商)。“由于这个领域的专家很少，瓶颈很快就会出现。此外，许多项目旨在解决生产性能问题，这需要繁忙的过程和资产专家的输入。由于持续改进专家需要依赖主题问题专家(SME)来阐述复杂的过程，许多项目由于SME有限的深度分析可用性而未完成或未解决。”

Petrosyan他说，这些问题可以在中小型企业完成前期工作后得到解决。中小型企业可以自行分析生产数据，为中央改善项目作出贡献，甚至可以自行寻找改善项目，从而减少项目数量。

他说:“允许流程和资产专家为这些项目做出贡献，将大大提高满足预期组织目标所需的操作改进。”“通过充分利用捕获的时间序列数据和更有效地利用流程专家的操作专业知识，公司为最大化组织持续改进奠定了基石。”

以下是TrendMiner提供的两个案例研究实例，展示了SSA技术是如何用于帮助工业持续改进项目的。

亨茨曼公司。

作为全球特种化学品制造商，亨茨曼公司一直将时间序列数据分析作为其数字化转型的关键方面。

台湾亨斯曼芳香族聚酯多元醇厂。来源:洪博培。 Petroysan指出，Hunstman的运营数据被保存在单独的竖井中，这增加了该公司提高运营效率的挑战。通过特别sa，洪博培克服了这一挑战。

“多年来，亨斯迈连续异氰酸盐工厂一直在历史数据库中收集和存储日常流程和离线创建的实验室分析数据，”Petroysan解释说。2016年，该公司的团队使用自助分析工具，基于操作条件构建软传感器，以预测某些异氰酸酯的产品质量。工艺专家使用这些传感器对工艺设定值进行微调整，以主动减少杂质水平。例如，其中一个监测器预测了最终产品中不符合规格的水解氯化物水平。通过调整真空压力条件，保证了产品质量。此外，还设置了监控器，以发出早期警告，提醒操作人员不要装载卡车，从而防止不规范的材料流向客户。”

在SSA的帮助下，亨茨曼工艺专家建立了24/7的质量控制，而实验室分析的质量控制以前只在正常的工作日工作时间进行。

Petroysan说:“随着卡车每周7天都被运送出去，软传感器消除了75%发生在周末的昂贵的非常规运输事故。”他说:“由于消除了不合格产品不必要的等待时间，平均交期缩短了数小时，因此对交货时间产生了显著的积极影响。”最后，对产品质量的额外见解也减少了对实验室资源的需求，因为这个特定产品的不确定情况的数量减少了多达10%。”

DSM Dyneema

Dyneema是由DSM Dyneema发明制造的超高分子量聚乙烯，该公司声称Dyneema是世界上最强的纤维。

采用Dyneema XBO制造的轻量化绳索，其弯曲性能超过或超过特种钢丝绳。来源:Dyneema Petrosyan表示DSM Dyneema专注于使用六西格玛和DMAIC (定义、测量、分析、改进、控制)循环作为他们的“改进项目的首选方法”。公司设定了增加六西格玛项目数量的目标，六西格玛项目的平均持续时间为5-6个月。