Üretimde Veri Analizi Projesi Nasıl Başlatılır?
Bulut veya başka bir platformda tutulan verilerin anlamlı olması için veri analizi gerekmektedir. Özellikle üreticiler için fazla sayıda olan veri setleri için veri analizi projesi geçirilmelidir. Bu yazımızda 6 soru ile bir veri analizi projesinin planlanmasını inceledik.
Mevcut üretim verilerini etkili bir şekilde kullanmak için öncelikle uygun veri madenciliği yöntemleri kullanılarak, veriler analiz edilebilecek şekilde entegre edilmeli ve görselleştirilmelidir. Bir adım daha ileri gidersek, oluşturulan tahmini modeller müşterinin BT ortamına entegre edilebilir ve tahmini bakım gibi gerçek zamanlı verilere uygulanabilir.
1) Veri analizi projemiz hangi kuruluş düzeyinde başlamalı?
Bir projeye nereden başlanılabileceği çeşitli faktörlere bağlıdır:
Veri analizi kavramı zaten şirketinizde iyi anlaşılmış mı? Değilse, başlamak için en iyi yol hem uzman hem de yönetim için bir veri analizi yönlendirme çalıştayı düzenlemektir. Bu atölye çalışmasının amacı, analitik imkanları hakkında temel bir anlayış kazandırmak ve potansiyel kullanım durumlarını belirlemektir.
Yönetim, teknik süreç hakkında (derin) bir anlayışa sahip mi? Değilse, üretim yeri uzmanlarıyla bir gereksinim atölyesi ilk tercihiniz olabilir. Çıktı genellikle aşağıdaki gibi neden-sonuç tablosudur.
Veri analizinin çözmesi beklenen problem somut olarak tanımlandı mı? Eğer öyleyse, öncelikle bir analiz aracı seçebilirsiniz.
2) Bir veri analizi projesinde hangi perspektifleri yönetmemiz gerekiyor?
Şüpheci tip; veri analizinin sağlayacağı faydalara dair kanıtlara ihtiyaç duyar. Şüphecileri ikna etmek için ROI mekanizmalarının mükemmel bir şekilde anlaşılmasına ihtiyaç duyulur ve bu mekanizmaları sonuçlara, çıktıya, kaliteye ve maliyetlere odaklanarak hızla doğrulamak gerekir.
Açık görüşlü; optimizasyon için yeni yollarla ilgilenir. Hangi yöntemlerin kullanıldığını, bazı algoritmaların neden seçildiğini açıklamak ve sonuçta ortaya çıkan tahmini model, canlı veri uygulaması için hazırdır.
Destekçi; iş için bir fark yaratabileceğine inanır. Başlamak için en iyi yol, veri analizi projesi için kendisi ve ekibi ile CRISP-DM'yi (veri madenciliği için çapraz endüstri standardı) hemen uygulamaktır.
3) Veri analizi projesi yürütmek için ne gibi bilgilere ihtiyacımız var?
Veri analizi ekibinin üç alanda temel bir anlayışa sahip olması gerekir:
İş: Müşteri olarak, bu bilgiyi veri analizi probleminin bir tanımına dönüştürebilmeleri için onlara proje hedefleri ve gereksinimlerini bir iş perspektifinden anlatmalısınız.
Veri: Veri hazırlama, modelleme, değerlendirme ve dağıtım - basit rapor oluşturma modundan tahmini modellerin anlık analizine kadar her şey. Kusursuz veri anlayışı, birçok endüstride sağlam bir temele sahiptir.
Teknik proses: Müşterinin, cevaplaması gereken sorudan ötürü genel üretim değer zincirinin temel bir açıklamasını sağlamanız gerekir. Analitik ekibin üretim analitiği mühendisine ihtiyacı olduğu yer burasıdır.
4) Üretim organizasyonu Manufacturing Analytics'i dağıtmadan önce yapmam gereken nedir?
İlk bakışta, veri toplama ve hazırlama birçok üretim uzmanı için zor gibi gözükmektedir. Onların görevi, verileri ihtiyaca göre kullanılabilir hale getirmektir. Bu nedenle "Verilere sahip değiliz" geçerli bir yanıt değildir.
 Nedir.jpg)
5) Analitik uygulama için gereken minimum veri miktarı nedir?
Değişkeni etkileyen başına en az 15 gözlem veya veri seti, başka bir deyişle; 30 proses parametrenin bir kalite göstergesi üzerindeki etkisini analiz etmek için en az 30 * 15 = 450 veri seti gerekecektir.
Genel olarak, ne kadar çok veri seti o kadar iyidir. Genel kanının aksine daha fazla veri seti manuel iş miktarını önemli ölçüde artırmaz. Hesaplama süreleri üzerinde, genellikle doğru veri analizi BT altyapısı ile ihmal edilebilir olan küçük bir etkisi vardır.
6) Şirketimde herhangi bir veri bilimcisi veya büyük bir BT ekibi yoksa, yine de veri analizini kullanabilir miyim?
İşte tam olarak profesyonel analitik ortağınızın projenizi ve çözümünüzü anlamanıza yardımcı olmak konusunda katkısı budur. Yetenekli bir ekip bir dizi imalat mühendisleri, BT uzmanları ve veri bilimcilerinden oluşur. Analitik tabanlı çözümünüz, iş, veri ve teknik süreci anlamayı gerektirir.
Kaynak:
► blog-bosch
