众所周知，“数据孤岛”是制造业企业经常会遇到的问题。多年以来，大家都在说“数据中台”，但是最核心的数据孤岛问题却一直没有非常有效的解决方法。一些比较有钱的企业，比如地产商、大型电子商务平台，他们可以做数据中台，花很多钱和精力、人力去构建起来很庞大的团队。但是在制造业却很难有这样的资源做这样的事情。当我们说制造业数字化转型未来的时候，这个问题一直存在。
(相关资料图)
举个例子，如果需要优化品质、提高良品率，必须把不同的信息化系统串联在一起，包括MES、CRM、ERP、WMS等。如果产品良率不好，需要赶快追溯到核心原因——是机台参数出现了问题？还是哪一批来料有问题？不管是提高品质，还是优化公司的生产情况、减少库存，都必须要形成完整的决策流程，在不同的信息化系统里实现各种分析——而这些在传统的制造业非常难实现。
近日，维科网受邀参加迅能集思媒体沟通会，据悉，迅能集思为帮助企业完成数字化转型提出了“零IT”架构。希望通过一站式设备管理软硬件整合方案，赋能IT薄弱与数据分析薄弱的企业，实现数字化转型升级。迅能集思强调的是，“零IT”并不是否定IT部门的价值，而是希望将IT团队从重复性工作中解放出来，专注于更有价值的事情。
事实上，很多制造业企业的IT技术团队或者IT部门建制不完整，没有很强的信息化团队或者专门的数据分析团队。在这样的情况下，如何帮助他们一步一步成长为精密制造业、高附加值的高端制造业企业，助力工业制造业企业突破所谓的“人才困境”、“技术困境”，是值得思考的事情。换句话说，对于这些IT资源薄弱的企业，要用怎样的框架协助他们进行转型，帮助企业做到除了初步的降本增效，到未来也许可以做到商业模式的转型或者产品竞争力的转型？于是讯能集思提出了“零IT”的架构。
数字化转型战略蓝图
目前市场上存在着多种多样的制造业数字化转型方案，然而到底该怎么样选择对的数字化转型的战略蓝图，能够帮企业在两到三年的时间之内变成颠覆性的制造企业，提高市场占有率和竞争力？
讯能集思为制造业企业绘制的数字化转型战略蓝图
据悉，迅能集思先从“智能经管”着手，可以理解为智能经管就像电脑，读取了ERP、MES、WMS数据以后，帮忙把销管研、料工费数据串联在一起。串联在一起的价值有多大？每一个企业，都有许多不同的管理软件，这些管理软件如果是分散的，很多决策没有办法真正做到很好。以迅能集思来讲，如果其项目管理软件跟财务系统是脱钩的，就根本不知道公司现在做的客户到底是不是对的客户，项目执行方法是不是对的，是不是亏了很多钱或者做得没有效率？
制造业企业是讲究效率的企业，如果这些数据没有被串联在一起，就发挥不了真正的价值。在这个情况下，企业虽然会产生出成百上千种报表，但是很难获得真正有价值的结论。而数据分析平台可以辅助企业管理者读报表，告诉他们什么是重要的事，同时做实时差异分析，以及实时帮助企业做“健康监测”，诊断“身体现在是什么问题，需要吃什么药”。综合所有的因子和因素里，迅能集思能够帮企业绘制出一条数字化转型的战略蓝图，比如先从物联网（IoT）设备着手，还是从排程、排产、良品率、报价等方面着手，或者要先解决交期问题。整条路径可以一步步被有效的、具有最好投资效益的方法描绘出来。
数据分析全流程
一般业界会把“数据分析全流程”分为四种分析方式，包括描述型分析、诊断型分析、预测型分析和指示型分析。“描述型分析”告诉我们销售状况怎么样、良品率怎么样；“诊断型分析”告诉我们上个月销售状况为什么不好；“预测型分析”提示下个月可能会卖的怎么样；而“指示型分析”告诉我们要怎么样让下个月可以卖得更好，下个季可以卖得更好。
完成这四种分析通常是需要不同的软件，比如BI来做描述性分析，统计分析软件帮忙做统计诊断，AutoML（自动化机器学习）可以实现预测型分析。当你掌握好的分析以后，就能够知道今天要调整什么因子，比如机台参数做怎样的调整，良品率才能提升；以及为了让下一季销量提升，必须让交期缩短，必须减少哪几个供应商的交期，或者找到替代供应商。
值得一提的是，迅能集思现在把这四种数据分析全部打通，目前已经应用在包括富士康在内的许多大型制造企业。当这些东西被打通以后，电脑实时帮助企业读成千上万的报表，甚至提出优化方案的时候，导出来的结果是非常的惊人和可观的，能够帮助企业大幅提升毛利，减少人力的成本投入。或者加快从问题到答案到优化建议的整条链路，提升了10倍甚至到百倍以上的效率。这些就是讯能集思JarviX 2．0在做的事情。
JarviX 3.0
JarviX2.0主要实现的是数据分析流程，包括描述、诊断、预测和指示。但根据Gartner的报告，分析流程只占数据生命周期的30％，而另外的30％则是数据治理，也被称为“数据清洗”。大量数据中台公司之前一直在强调，如果你把数据作为最好的决策依据，需要把数据清干净才行。怎么清干净？需要做到三件事情——标准化、清洗、特征工程。
“标准化”在做的事情，就是将不同的软件系统，不同格式记录的数据，做到标准化。第二是数据的清洗和整理。第三，在整理的过程变成“特征工程”的方式，让我们之后做分析的时候可以直接拿来用。之前数据科学家需要花大量的时间来做“数据治理”，但是迅能集思通过推出JarviX 3．0，让大家用“拖拉点拽”的方式，就能够做到数据治理和数据结构的优化。
传统的数据治理模式，是ETL（Extraction提取，Transformation转换，loading载入）。之前的操作流程，是拿到数据之后，先进行第一次的转换，转换完了以后，把数据给到分析人员或业务人员，用于分析良品率、减少交期的方法等。在这个过程中，可能也会遇到很多数据的阻碍，要求这些数据必须重新被清洗或者转化，于是请IT人员再做一次前面的提取和转换。做了一段再碰到问题，又要再来一次。这个过程来来回回，往复循环，可以想象两个团队要进行这样密集的工作，失败率是非常高的。而事实上不用数据做决策，“拍脑袋凭直觉”，这是现在许多工业企业做事的方法。数据操作既然这么困难，不能把数据用起来，谈何数字化转型、数字化决策。
讯能集思解决的问题是把ETL变成ELT，把这两个顺序做一个调换，也就是数据进来以后，普通人员或者OT分析人员就能够自行做转换，或者进行数据清洗和治理，这种情况下，由两个人的工作变成一个人的工作，可以快速地实现迭代。当数据没有经过正确清洗和治理情况下，往往会导向错误的决策。讯能集思希望通过JarviX 3．0，帮助大家用“拖拉点拽”的方式就能做正确的数据清理，得到正确的答案。
JarviX3.0的核心功能，叫“分析树”，它可以用来做动态知识的积累、建立、传递。这样的工具可以完整记录整个分析架构，自动化推荐分析建议，从而快速获得优化解。同时它也可以把所有分析流程建立成知识库的形式，在企业内部不同部门做共享分享，甚至在上面做迭代。
运用JarviX，普通销售人员帮助铸造企业降低70％的不良率
据维科网了解，讯能集思公司内部的一位销售人员，通过成功交付数据分析的项目，帮一家铸造业企业客户减少了70％的不良率。
铸造工艺的四个核心步骤——混砂、造型、熔炼和浇注，都受到机器和人的共同影响。传统的工艺参数优化方式，来自于现场的试错方案加上工程师的日常经验。
“我们的销售同事所负责的一个铸造业客户遇到了产品良品率问题，依靠传统方式找不到优化方式。我们同事向客户收集了各生产流程环节的数据，将工艺数据化及建模。通过拖拉拽、打字的方法，他实现了JarviX根因分析与参数优化功能分析，找到了影响良品率的关键因子原来跟所谓‘紧实率’有关，而紧实率跟含水量有关，含水量跟加水量有关。”
换言之，通过数据分析，该同事发现加水量居然跟不良率有这么高的关系。为什么？原来是因为最近天气太热，工厂以前加的水量一直是固定的，而最近天气那么热，蒸发率很高，在这个情况下水要多加一点。
这个结论听起来非常简单，结论就是多加水，但影响良品率的关键因子是用数据找出来的。而将工艺优化路径导入后，这个工厂两到三周内不良率就下降了70％，大幅提升了公司的竞争力。不良率问题对这家企业来讲，每年造成的是几千万人民币的损失，而这个问题能够被妥善解决，所以带给他的是上千万的效益。
“减少不良品和缩短交期，之前需要数据科学家和技术人员来做，但是技术人员却不了解产线问题，导致两方面的信息脱钩。而我们现在可以用销售人员都能够解决问题的方法，赋能这些制造业企业。如果公司里有产线专家，则更能加速解决这个问题。”为此，迅能集思表示，希望把这样的平台推广给每一个制造业企业，帮助他们解决问题，进一步降本增效，实现数字化转型升级。
