제조 분석 실행

우리는 수년 동안 Bosch 공장의 생산 프로세스를 개선하기 위해 분석을 사용해 왔습니다. 그렇다면 제조 분석의 새로운 기능은 무엇이며 다음 단계는 무엇입니까?

요구사항 분석을 위한 우리의 방법론이 모든 것을 변화시킵니다

데이터 분석 프로젝트를 시작하고 실행하는 방법에는 여러 가지가 있습니다. 출발점은 일반적으로 고객의 생산 시설에서 시작되는 워크샵으로, 여기서 고객 팀과 만나 제품 및 생산 프로세스의 시각적 인상을 기반으로 프로젝트 목표와 근본적인 문제를 논의하고 이해합니다.

생산 엔지니어는 문제를 일으키는 것으로 보이는 특정 프로세스 단계에 집중하고 심층적으로 파고들어 일반적인 문제 해결 접근 방식을 적용하는 경향이 있습니다.

그러나 데이터 분석은 하나의 특정 프로세스나 기계에만 집중하지 않기 때문에 더 많은 이점을 제공할 수 있습니다. 대신 이전에 숨겨진 인과 관계, 상관 관계 및 패턴을 식별할 수 있도록 업스트림 및 다운스트림 생산 단계의 기계, 프로세스 및 재료 데이터도 고려합니다.

따라서 프로젝트 초기에 제조 분야에서 데이터 분석의 잠재력과 힘을 소개하는 것 외에도 시작 워크숍의 주요 목표 중 하나는 비즈니스 관점에서 고객의 문제를 이해하는 것입니다. 더 중요한 것은, 우리는 문제를 이면에 있는 물리적 원리의 관점에서 보려고 노력합니다. 이를 통해 올바른 데이터 소스에 집중할 수 있으므로 데이터 분석의 모든 기능을 활용할 수 있습니다.

비즈니스 이해에 시간을 할애하면 효과를 볼 수 있습니다.

워크숍의 첫 번째 부분에서 목표는 핵심 문제를 식별하고 해당 문제에 대한 이해와 데이터 분석을 모두 일치시키는 것입니다. 워크숍의 이 첫 번째 부분을 "비즈니스 이해"라고 합니다.

워크숍에 참석한 사람들은 제품, 프로세스 및 전반적인 조건에 대해 더 깊이 이해할 수 있도록 특정 질문을 받습니다. 이것은 차례로 가능한 근본 원인을 가리키는 초기 징후를 산출합니다. 대상 질문은 다음과 같습니다.

공정 단계의 정확한 순서는 무엇입니까? 어느 스테이션에서 문제가 먼저 발생합니까? 어떤 주변 역이 영향을 미칠 수 있습니까? 병렬 단계, 재작업 또는 반복 단계와 같은 가치 흐름의 특별한 특성이 있습니까? 얼마나 많은 제품 변형이 있습니까? 얼마나 많은 공급업체가 관련되어 있습니까? 등등...

데이터 이해가 그 다음입니다

프로젝트 요구 사항 분석 및 기록에 대한 시작 워크숍의 두 번째 부분에서는 데이터에 대해 이야기하기 시작합니다.

어떤 소스에서 데이터를 제공하고 있습니까? 먼저 데이터를 통합하거나 생성해야 합니까? 다른 프로세스의 어떤 데이터가 중요합니까? 우리는 어떤 시간 프레임을 보고 있습니까? 다양한 데이터 소스로 작업할 때 데이터의 출처를 명확하게 추적할 수 있습니까(예:고유 ID 사용)?

대규모 프로젝트 대신 반복적인 분석

첫 번째 분석 단계는 일반적으로 데이터를 준비하는 데 걸리는 시간에 따라 일주일 이상 지속되지 않습니다. 이번 주가 지나면 당사의 제조 분석 전문가가 주어진 데이터를 기반으로 고객의 문제를 해결할 가능성을 입증하기 위해 초기 결과를 고객의 전문가 팀에 발표합니다.

이상적으로는(사실 이것은 매우 자주 발생함) 첫 번째 분석 주기의 결과는 이미 프로젝트 목표를 달성하는 방법에 대한 실행 가능한 아이디어를 제공합니다(예:특정 가치 흐름에서 스크랩 비율 감소).

동시에 고객 입력과 중간 결과에 대한 반응을 기반으로 새로 얻은 통찰력에 맞게 분석 전략을 재조정할 수 있습니다. 이것은 데이터 분석 프로젝트의 성공에 매우 중요합니다! 왜요? 팀은 잘못된 결론을 배제하고 데이터 분석에 의해 추가된 즉각적인 가치가 가시적이고 사용 가능하게 되며 다음 단계가 공동으로 정의됩니다.

결과를 확인하기 위해 무엇이 더 필요합니까? 그리고 궁극적으로 자동화할 것인가? 이를 위해 확장된 데이터 범위를 정확히 어떻게 정의해야 하나요?

출처:Bosch.IO 고객은 자신의 데이터와 데이터 프로세스에 대한 귀중한 통찰력을 얻고 있습니다.

프로젝트 종료 후 예측 모델 유지 관리 및 지원

프로젝트 후 유지 관리 및 지원과 같은 것이 있습니까? 많은 고객들이 저희에게 묻습니다. 대답은 확고한 YES입니다! 이 측면은 예를 들어 최적의 시점에 마모 부품 교체 일정을 잡거나 테스트 결과를 예측하기 위해 예측 모델을 실시간 데이터에 적용하려는 모든 고객에게 중요합니다.

그렇기 때문에 설치된 소프트웨어 솔루션에 대한 유지 관리 및 지원 제공에만 집중하지 않고 예측 모델 교육 및 모니터링을 위한 적절한 기술 지원도 제공합니다.

다음 단계:표준 문제를 위한 표준화된 도구

웹 기반 분석 도구는 즉각적인 통찰력을 제공하고 데이터 과학자를 고용하지 않고도 엔지니어의 일상적인 작업에 사용할 데이터 분석을 제공합니다. 이 다음 레벨은 흥미진진합니다. 동영상에서 자세히 알아보세요.

프로덕션 작업에서 데이터 분석을 시작합니다.

이 웹캐스트에서는 실제 생산 최적화 사례를 확인하고 이니셔티브를 시작하는 데 2일 간의 워크샵이 어떻게 도움이 되는지 배울 수 있습니다.