舉個例子，如果需要優化品質、提高良品率，必須把不同的信息化系統串聯在一起，包括MES、CRM、ERP、WMS等。如果產品良率不好，需要趕快追溯到核心原因——是機臺參數出現了問題?還是哪一批來料有問題?不管是提高品質，還是優化公司的生產情況、減少庫存，都必須要形成完整的決策流程，在不同的信息化系統里實現各種分析——而這些在傳統的制造業非常難實現。

　　近日，維科網受邀參加迅能集思媒體溝通會，據悉，迅能集思為幫助企業完成數字化轉型提出了“零IT”架構。希望通過一站式設備管理軟硬件整合方案，賦能IT薄弱與數據分析薄弱的企業，實現數字化轉型升級。迅能集思強調的是，“零IT”并不是否定IT部門的價值，而是希望將IT團隊從重復性工作中解放出來，專注于更有價值的事情。

　　事實上，很多制造業企業的IT技術團隊或者IT部門建制不完整，沒有很強的信息化團隊或者專門的數據分析團隊。在這樣的情況下，如何幫助他們一步一步成長為精密制造業、高附加值的高端制造業企業，助力工業制造業企業突破所謂的“人才困境”、“技術困境”，是值得思考的事情。換句話說，對于這些IT資源薄弱的企業，要用怎樣的框架協助他們進行轉型，幫助企業做到除了初步的降本增效，到未來也許可以做到商業模式的轉型或者產品競爭力的轉型?于是訊能集思提出了“零IT”的架構。

　　數字化轉型戰略藍圖

　　目前市場上存在著多種多樣的制造業數字化轉型方案，然而到底該怎么樣選擇對的數字化轉型的戰略藍圖，能夠幫企業在兩到三年的時間之內變成顛覆性的制造企業，提高市場占有率和競爭力?

　　據悉，迅能集思先從“智能經管”著手，可以理解為智能經管就像電腦，讀取了ERP、MES、WMS數據以后，幫忙把銷管研、料工費數據串聯在一起。串聯在一起的價值有多大?每一個企業，都有許多不同的管理軟件，這些管理軟件如果是分散的，很多決策沒有辦法真正做到很好。以迅能集思來講，如果其項目管理軟件跟財務系統是脫鉤的，就根本不知道公司現在做的客戶到底是不是對的客戶，項目執行方法是不是對的，是不是虧了很多錢或者做得沒有效率?

　　制造業企業是講究效率的企業，如果這些數據沒有被串聯在一起，就發揮不了真正的價值。在這個情況下，企業雖然會產生出成百上千種報表，但是很難獲得真正有價值的結論。而數據分析平臺可以輔助企業管理者讀報表，告訴他們什么是重要的事，同時做實時差異分析，以及實時幫助企業做“健康監測”，診斷“身體現在是什么問題，需要吃什么藥”。綜合所有的因子和因素里，迅能集思能夠幫企業繪制出一條數字化轉型的戰略藍圖，比如先從物聯網(IoT)設備著手，還是從排程、排產、良品率、報價等方面著手，或者要先解決交期問題。整條路徑可以一步步被有效的、具有最好投資效益的方法描繪出來。

　　數據分析全流程

　　一般業界會把“數據分析全流程”分為四種分析方式，包括描述型分析、診斷型分析、預測型分析和指示型分析。“描述型分析”告訴我們銷售狀況怎么樣、良品率怎么樣;“診斷型分析”告訴我們上個月銷售狀況為什么不好;“預測型分析”提示下個月可能會賣的怎么樣;而“指示型分析”告訴我們要怎么樣讓下個月可以賣得更好，下個季可以賣得更好。

　　完成這四種分析通常是需要不同的軟件，比如BI來做描述性分析，統計分析軟件幫忙做統計診斷，AutoML(自動化機器學習)可以實現預測型分析。當你掌握好的分析以后，就能夠知道今天要調整什么因子，比如機臺參數做怎樣的調整，良品率才能提升;以及為了讓下一季銷量提升，必須讓交期縮短，必須減少哪幾個供應商的交期，或者找到替代供應商。

　　值得一提的是，迅能集思現在把這四種數據分析全部打通，目前已經應用在包括富士康在內的許多大型制造企業。當這些東西被打通以后，電腦實時幫助企業讀成千上萬的報表，甚至提出優化方案的時候，導出來的結果是非常的驚人和可觀的，能夠幫助企業大幅提升毛利，減少人力的成本投入。或者加快從問題到答案到優化建議的整條鏈路，提升了10倍甚至到百倍以上的效率。這些就是訊能集思JarviX 2.0在做的事情。

　　JarviX 3.0

　　JarviX2.0主要實現的是數據分析流程，包括描述、診斷、預測和指示。但根據Gartner的報告，分析流程只占數據生命周期的30%，而另外的30%則是數據治理，也被稱為“數據清洗”。大量數據中臺公司之前一直在強調，如果你把數據作為最好的決策依據，需要把數據清干凈才行。怎么清干凈?需要做到三件事情——標準化、清洗、特征工程。

　　“標準化”在做的事情，就是將不同的軟件系統，不同格式記錄的數據，做到標準化。第二是數據的清洗和整理。第三，在整理的過程變成“特征工程”的方式，讓我們之后做分析的時候可以直接拿來用。之前數據科學家需要花大量的時間來做“數據治理”，但是迅能集思通過推出JarviX 3.0，讓大家用“拖拉點拽”的方式，就能夠做到數據治理和數據結構的優化。

　　傳統的數據治理模式，是ETL(Extraction提取，Transformation轉換，loading載入)。之前的操作流程，是拿到數據之后，先進行第一次的轉換，轉換完了以后，把數據給到分析人員或業務人員，用于分析良品率、減少交期的方法等。在這個過程中，可能也會遇到很多數據的阻礙，要求這些數據必須重新被清洗或者轉化，于是請IT人員再做一次前面的提取和轉換。做了一段再碰到問題，又要再來一次。這個過程來來回回，往復循環，可以想象兩個團隊要進行這樣密集的工作，失敗率是非常高的。而事實上不用數據做決策，“拍腦袋憑直覺”，這是現在許多工業企業做事的方法。數據操作既然這么困難，不能把數據用起來，談何數字化轉型、數字化決策。

　　訊能集思解決的問題是把ETL變成ELT，把這兩個順序做一個調換，也就是數據進來以后，普通人員或者OT分析人員就能夠自行做轉換，或者進行數據清洗和治理，這種情況下，由兩個人的工作變成一個人的工作，可以快速地實現迭代。當數據沒有經過正確清洗和治理情況下，往往會導向錯誤的決策。訊能集思希望通過JarviX 3.0，幫助大家用“拖拉點拽”的方式就能做正確的數據清理，得到正確的答案。

　　JarviX3.0的核心功能，叫“分析樹”，它可以用來做動態知識的積累、建立、傳遞。這樣的工具可以完整記錄整個分析架構，自動化推薦分析建議，從而快速獲得優化解。同時它也可以把所有分析流程建立成知識庫的形式，在企業內部不同部門做共享分享，甚至在上面做迭代。

　　運用JarviX，普通銷售人員幫助鑄造企業降低70%的不良率

　　據維科網了解，訊能集思公司內部的一位銷售人員，通過成功交付數據分析的項目，幫一家鑄造業企業客戶減少了70%的不良率。

　　鑄造工藝的四個核心步驟——混砂、造型、熔煉和澆注，都受到機器和人的共同影響。傳統的工藝參數優化方式，來自于現場的試錯方案加上工程師的日常經驗。

　　“我們的銷售同事所負責的一個鑄造業客戶遇到了產品良品率問題，依靠傳統方式找不到優化方式。我們同事向客戶收集了各生產流程環節的數據，將工藝數據化及建模。通過拖拉拽、打字的方法，他實現了JarviX根因分析與參數優化功能分析，找到了影響良品率的關鍵因子原來跟所謂‘緊實率’有關，而緊實率跟含水量有關，含水量跟加水量有關。”

　　換言之，通過數據分析，該同事發現加水量居然跟不良率有這么高的關系。為什么?原來是因為最近天氣太熱，工廠以前加的水量一直是固定的，而最近天氣那么熱，蒸發率很高，在這個情況下水要多加一點。

　　這個結論聽起來非常簡單，結論就是多加水，但影響良品率的關鍵因子是用數據找出來的。而將工藝優化路徑導入后，這個工廠兩到三周內不良率就下降了70%，大幅提升了公司的競爭力。不良率問題對這家企業來講，每年造成的是幾千萬人民幣的損失，而這個問題能夠被妥善解決，所以帶給他的是上千萬的效益。

　　“減少不良品和縮短交期，之前需要數據科學家和技術人員來做，但是技術人員卻不了解產線問題，導致兩方面的信息脫鉤。而我們現在可以用銷售人員都能夠解決問題的方法，賦能這些制造業企業。如果公司里有產線專家，則更能加速解決這個問題。”為此，迅能集思表示，希望把這樣的平臺推廣給每一個制造業企業，幫助他們解決問題，進一步降本增效，實現數字化轉型升級。