元鼎音訊
訂報優惠

大數據分析技術可發掘問題成因、提升營運智慧

  • 陳明陽
大數據分析可發掘問題成因,並對未來情況進行演繹推理或提供深入見解。OPC Foundation

營運智慧(Operational Intelligence)在大數據(Big Data)解決方案及先進分析學(Analytics)工具驅動下,已達到史無前例的深入程度,透過演繹推理(Deductive Reasoning)可為未來的行動提供深入見解,而這些能力也是預測分析(Predictive Analytics)及規範分析(Prescriptive Analytics)的強大推動力。

據EE Times報導,以往認為不可能找到答案,如今運用可處理巨量資料聚集(Aggregation)與複雜的機器學習分析工具,將讓組織有能力辨識隱藏未知的模式(Pattern)、發現極難找出的關聯性(Correlation)及其他隱密的後勤(Logistical)資訊,提供前所未有的知識庫,為從前無法處理的問題提供解答。

分析(Analysis)主要是觀察過去,而分析學則進一步嘗試預測未來。行銷及業務人員運用分析學,分析銷售的歷史資料,據以擬定未來的銷售策略及預測未來的銷售狀況。工程師則經常進行各種分析,如找出產品瑕疵原因,但也可善用分析學來進行製程改善、可靠度提升等計畫。

分析及分析學均將對工業4.0領域發揮顯著的影響力。無論是單一資料集或多個資料集,分析均是根據已經存在或過去所產生的現有資料進行深入檢視及整理,明確揭露究竟發生過甚麼情況,可對許多決策情境(Decision-making Scenario)提供充分的評估。

例如分析故障LED的測量資料,顯示脈衝功率(Pulse Power)增加會導致較短的故障前時間(Time To Failure)。又如汽車品牌商分析製造資料,可判斷那些款式及地理區域的車輛必須進行召回。

分析師指出,分析學在描述統計及數學資料分析的運用日益普遍,透過聚集(Cluster)、分割(Segment)、計分(Score),可預測哪些情境最可能發生。除了運用資料分析(Data Analytics)回答過去問題的發生原因,同時也為未來將發生的情況進行演繹推理或提供深入見解。

例如製造業運用分析學分析製造資料,可預測產品在實地使用時,哪些零件會發生故障,並導致退貨授權(RMA)。

又如車商以先進的機器學習演算法,針對已召回車輛及未召回車輛包括製造日期及使用的零件等大量資料進行比對、運用深度分析學,將不僅能透過歷史性回顧,找出過去車輛召回發生的原因,還可預測未來可能導致車輛召回的情況,如此便能採取必要行動以極小化召回所導致的負面影響。

運用先進的即時分析(Real-time Analytics)處理全球供應鏈所收集的資料,不僅讓組織有能力與知識以預測分析及規範分析預測即將發生的問題,還可研擬具體的應對與解決方案,以避免昂貴的低效率或錯誤重複發生的措施,修正導致產品發生問題的根本原因,這對生產良率及品質有顯著助益。

雖然至今分析學多數應用於程序改善,不過以大數據分析學進行預測分析及規範分析半導體產品時,會擷取每一部裝置的完整世系(Genealogy),可確保將產品瑕疵減至最少;而運用以產品為中心(Product-centric)的資料,還可分析並追蹤所有採用同一半導體元件的下游電子裝置產生瑕疵的根本原因。

更多關鍵字報導: 大數據(big data)