制造企業(yè)的數(shù)據(jù)分析之路

經(jīng)過(guò)這幾年各種層面的宣傳，制造型企業(yè)（銷(xiāo)產(chǎn)研供）的負(fù)責(zé)人已經(jīng)熟知很多熱詞，比如工業(yè)互聯(lián)網(wǎng)，產(chǎn)業(yè)互聯(lián)網(wǎng)，數(shù)字化工廠，工業(yè)4.0，智能制造，智慧營(yíng)銷(xiāo)，數(shù)字化供應(yīng)鏈，大數(shù)據(jù)，人工智能(AI)等，在每天被各種熱詞灌輸?shù)臅r(shí)候，總是不禁想到：我的企業(yè)應(yīng)該怎么干？有效果嗎？能否改善經(jīng)營(yíng)情況？能否增加銷(xiāo)量？能否改善庫(kù)存情況？能否提高質(zhì)量？能否降低成本？等...種種問(wèn)題在腦海里翻騰。隨著很多公司推出的咨詢(xún)類(lèi)、軟件類(lèi)、硬件類(lèi)、系統(tǒng)集成類(lèi)的產(chǎn)品和服務(wù)，林林總總，讓人眼花繚亂，在這些產(chǎn)品和服務(wù)里，總是會(huì)強(qiáng)調(diào)數(shù)據(jù)分析，大數(shù)據(jù)，機(jī)器學(xué)習(xí)，人工智能這些熱點(diǎn)提高企業(yè)管理人員的興趣，企業(yè)管理人員也對(duì)此寄于較高的期望值，有些人會(huì)覺(jué)得這些數(shù)據(jù)分析的技術(shù)能夠馬上改變企業(yè)的現(xiàn)狀，解決很多年的頑疾。那么，制造型企業(yè)的數(shù)據(jù)分析之路應(yīng)該怎么走，怎么做，怎么辨識(shí)這些熱點(diǎn)技術(shù)的適用性，接下來(lái)我們會(huì)進(jìn)行討論和分析。01怎樣區(qū)分熱點(diǎn)詞匯和技術(shù)對(duì)企業(yè)的適用性①?lài)?guó)家宏觀戰(zhàn)略和企業(yè)落地戰(zhàn)略的差異制造型企業(yè)主要是以產(chǎn)銷(xiāo)研供為主開(kāi)展經(jīng)營(yíng)和管理的工作，因此消費(fèi)者放心開(kāi)心省心、盈利能力、成本下降、高效運(yùn)營(yíng)、質(zhì)量?jī)?yōu)良、合法合規(guī)等是企業(yè)落地戰(zhàn)略的核心。國(guó)家宏觀層面戰(zhàn)略宣傳的熱點(diǎn)，很多時(shí)候偏重于一個(gè)長(zhǎng)周期的戰(zhàn)略布局且?guī)в衅渌芏嘁蛩?，包括?guó)家競(jìng)爭(zhēng)層面的布局，行業(yè)和產(chǎn)業(yè)的長(zhǎng)期發(fā)展等，而制造型企業(yè)落地戰(zhàn)略在時(shí)下的情況更多需要著重在中短期的盈利，一部分會(huì)兼顧到長(zhǎng)期的發(fā)展，所以企業(yè)在選擇戰(zhàn)略的路上，要分清長(zhǎng)期和國(guó)家宏觀戰(zhàn)略的匹配，同時(shí)短期怎樣突破變局和僵局進(jìn)行對(duì)應(yīng)布局。同樣，對(duì)于數(shù)據(jù)分析類(lèi)的技術(shù)，也要看短期怎樣看齊發(fā)達(dá)國(guó)家企業(yè)過(guò)去幾十年積累的數(shù)據(jù)分析體系、模型和應(yīng)用，夯實(shí)基礎(chǔ)，結(jié)合管理和經(jīng)營(yíng)進(jìn)行有效的變革。長(zhǎng)期要看怎樣在有了這些基礎(chǔ)之后，在利用更前沿的數(shù)據(jù)分析技術(shù)進(jìn)行布局，比如大數(shù)據(jù)，人工智能等技術(shù)。當(dāng)然，對(duì)于本來(lái)可以一步到位的場(chǎng)景，可以直接采用，但是對(duì)于制造型企業(yè)，往往這種場(chǎng)景會(huì)比較少。對(duì)于銷(xiāo)售面對(duì)電商場(chǎng)景和線下大量門(mén)店的消費(fèi)品制造型企業(yè)，往往在營(yíng)銷(xiāo)端短期就要盡快布局云、中臺(tái)、大數(shù)據(jù)分析等技術(shù)實(shí)現(xiàn)快速變現(xiàn)和應(yīng)對(duì)競(jìng)爭(zhēng)，但是產(chǎn)研供更多依賴(lài)中長(zhǎng)期的積累和基礎(chǔ)才有可能使用更多的前沿?cái)?shù)據(jù)分析技術(shù)，產(chǎn)生投資回報(bào)較高的收益。②工業(yè)產(chǎn)品和互聯(lián)網(wǎng)IT產(chǎn)品的差異第二產(chǎn)業(yè)制造出來(lái)的工業(yè)產(chǎn)品，不管是屬于消費(fèi)類(lèi)產(chǎn)品還是裝備產(chǎn)品、原材料產(chǎn)品、半成品等，和互聯(lián)網(wǎng)IT產(chǎn)品存在物理本質(zhì)上的差別，工業(yè)產(chǎn)品多是聲、光、熱、力、電、磁、數(shù)據(jù)、材料等多學(xué)科混合的物理產(chǎn)品，背后蘊(yùn)藏著復(fù)雜的技術(shù)，其在產(chǎn)生過(guò)程中的數(shù)據(jù)分析是多種多樣的，也有很多的成熟體系存在，比如DoE（實(shí)驗(yàn)設(shè)計(jì)）在研發(fā)、工藝、質(zhì)量甚至市場(chǎng)層面都有成熟的應(yīng)用，并未因?yàn)闀r(shí)下熱點(diǎn)的數(shù)據(jù)分析技術(shù)發(fā)生本質(zhì)的變化，也是眾多全球業(yè)界領(lǐng)先的企業(yè)長(zhǎng)久以來(lái)使用的，其中除了統(tǒng)計(jì)學(xué)的知識(shí)外，還蘊(yùn)藏著大量的行業(yè)知識(shí)和多學(xué)科知識(shí)。IT產(chǎn)品更多是以代碼的形式存在，傳統(tǒng)的工業(yè)類(lèi)/行業(yè)類(lèi)IT產(chǎn)品本身蘊(yùn)含著大量的行業(yè)和多學(xué)科知識(shí)，互聯(lián)網(wǎng)IT產(chǎn)品本身對(duì)制造業(yè)和多學(xué)科知識(shí)缺乏認(rèn)知和積累，所以就造成了傳統(tǒng)的工業(yè)類(lèi)/行業(yè)類(lèi)IT產(chǎn)品在國(guó)內(nèi)的應(yīng)用并未普及，大家就被新興熱點(diǎn)來(lái)自于互聯(lián)網(wǎng)類(lèi)的IT產(chǎn)品沖昏了頭腦，而著急使用大數(shù)據(jù)、機(jī)器學(xué)習(xí)、人工智能等技術(shù)，想一步登天（當(dāng)然很多人其實(shí)也不知道要多少步才算是登天）。另外，傳統(tǒng)的工業(yè)產(chǎn)品和互聯(lián)網(wǎng)類(lèi)IT產(chǎn)品發(fā)展的速度快慢不一。所以要區(qū)分工業(yè)產(chǎn)品的實(shí)質(zhì)，適用于工業(yè)產(chǎn)品的IT類(lèi)產(chǎn)品，和適用于互聯(lián)網(wǎng)類(lèi)的IT產(chǎn)品之間的差異，避免脫實(shí)向虛和投資回報(bào)過(guò)長(zhǎng)甚至倒掛。③

互聯(lián)網(wǎng)型企業(yè)和制造型企業(yè)的差異一部分電商類(lèi)型企業(yè)或互聯(lián)網(wǎng)企業(yè)從組織上、經(jīng)營(yíng)目的上、數(shù)據(jù)本身和分析方法以及分析工具和數(shù)據(jù)分析的基礎(chǔ)上來(lái)看可能存在如下的差異。*內(nèi)容有些夸張，只為說(shuō)明差異。所以，不管從數(shù)據(jù)分析的種種維度上和組織上來(lái)看，其實(shí)兩者差異較大，那么，在有這些差異的情況下，我們就需要挑三揀四，找到有用的部分來(lái)補(bǔ)足制造型企業(yè)的不足。筆者認(rèn)為最大可借鑒互聯(lián)網(wǎng)企業(yè)的來(lái)自于其對(duì)C端營(yíng)銷(xiāo)的數(shù)據(jù)分析技術(shù)和經(jīng)驗(yàn)，以及其信息化系統(tǒng)，其他在銷(xiāo)產(chǎn)研供方面更應(yīng)該借鑒本行業(yè)/相鄰行業(yè)的業(yè)界最佳實(shí)踐為主。④甲方企業(yè)和乙方企業(yè)的差異雖然這是個(gè)老掉牙的話題，但是筆者認(rèn)為還是有必要講一下。乙方企業(yè)在大談各種熱點(diǎn)技術(shù)尤其是數(shù)據(jù)分析技術(shù)及相關(guān)技術(shù)的時(shí)候，總是會(huì)描繪很好的結(jié)果和場(chǎng)景，但是在商言商，簽單子是最重要的。甲方在選擇技術(shù)的時(shí)候要慎重考慮其實(shí)用性、適用性和經(jīng)濟(jì)性。實(shí)用性和適用性就是這個(gè)數(shù)據(jù)分析技術(shù)在本領(lǐng)域到底有沒(méi)有實(shí)用價(jià)值，適合不適合，還是大牛拉小車(chē)？或者大牛拉火車(chē)？或者本來(lái)就不應(yīng)該牛來(lái)拉車(chē)？本來(lái)通過(guò)更簡(jiǎn)單的統(tǒng)計(jì)分析在excel/Minitab里三分鐘能解決的問(wèn)題，非要使用更復(fù)雜的算法花幾個(gè)月去琢磨，加一個(gè)千萬(wàn)的平臺(tái)，實(shí)在是沒(méi)有必要。比如，能通過(guò)六西格瑪解決的質(zhì)量分析問(wèn)題、工藝優(yōu)化問(wèn)題等，招一個(gè)六西格瑪黑帶做項(xiàng)目可能很快就可以解決，沒(méi)有必要讓互聯(lián)網(wǎng)企業(yè)搭建一個(gè)系統(tǒng)，讓大數(shù)據(jù)科學(xué)家來(lái)解決，效果可能適得其反，大數(shù)據(jù)科學(xué)家也有不能觸及的聲、光、熱、力、電、磁、數(shù)據(jù)、材料、企業(yè)管理等多學(xué)科的經(jīng)驗(yàn)和知識(shí)。各位企業(yè)家可以思考一下，那些跨國(guó)老牌制造型企業(yè)，為什么在沒(méi)有大數(shù)據(jù)、云的時(shí)代一樣可以把產(chǎn)品做好、質(zhì)量做好、經(jīng)營(yíng)管理做好、銷(xiāo)售和市場(chǎng)做好？他們這幾十年是通過(guò)哪些數(shù)據(jù)分析方法、哪些數(shù)據(jù)分析工具、哪些體系和組織保障建立這么深厚的基礎(chǔ)的？他們現(xiàn)在還在用這些嗎？我的企業(yè)通過(guò)熱點(diǎn)的大數(shù)據(jù)技術(shù)能夠超越他們嗎？⑤熱點(diǎn)數(shù)據(jù)分析技術(shù)和細(xì)分市場(chǎng)的數(shù)據(jù)分析技術(shù)的差異機(jī)器學(xué)習(xí)、人工智能、神經(jīng)網(wǎng)絡(luò)這些詞匯總是在找熱點(diǎn)，吊住大家的胃口又不讓你真正體會(huì)到其美味。這里我們要注意其實(shí)在很多細(xì)分的領(lǐng)域是有成熟的數(shù)據(jù)分析技術(shù)、分析軟件以及方法論體系支撐。比如制造型企業(yè)中的供應(yīng)鏈這個(gè)模塊，不管從選開(kāi)店地址、分倉(cāng)選址、配送路徑、倉(cāng)儲(chǔ)操作及庫(kù)存控制、銷(xiāo)售預(yù)測(cè)、需求管理、計(jì)劃與排產(chǎn)等，都有成熟的方法論、體系和最佳實(shí)踐，比如供應(yīng)鏈統(tǒng)計(jì)學(xué)、六西格瑪體系等，分析工具也有很多這里不再列舉。當(dāng)然，我們也不能說(shuō)這些熱點(diǎn)的技術(shù)是沒(méi)有用的，在現(xiàn)在數(shù)據(jù)分析工具里，也開(kāi)始大量的集成了這些技術(shù)，只是這些技術(shù)是有一定的適用場(chǎng)景的，但筆者認(rèn)為其中大多數(shù)對(duì)普通的制造型企業(yè)應(yīng)用以及效果是及其有限的，而且某些情況下是投資回報(bào)很難收回的。02制造型企業(yè)使用數(shù)據(jù)分析的本質(zhì)數(shù)據(jù)分析在制造型企業(yè)其實(shí)主要就是兩個(gè)目的：判斷和預(yù)測(cè)。如果按照層次來(lái)分，我們可以分為三個(gè)層次：第一個(gè)層次:描述過(guò)去已經(jīng)發(fā)生的。比如使用常規(guī)excel報(bào)表,說(shuō)明產(chǎn)銷(xiāo)研供各個(gè)層面發(fā)生了什么。然后通過(guò)查詢(xún)和匯總描述數(shù)量、頻率和地點(diǎn)等關(guān)鍵因素。在通過(guò)BI工具，比如PowerBI,Tableau等進(jìn)行多維度的透視分析，尋找更多維度的因素。這一層次，是所有制造型企業(yè)應(yīng)該具備的，不幸的是，這一層次中多維度分析透視很多企業(yè)還懵懵懂懂，Excel和BI工具的使用還不夠深度，對(duì)業(yè)務(wù)和經(jīng)營(yíng)管理的理解也欠缺。在這個(gè)層次，我們還只是停留在描述統(tǒng)計(jì)的領(lǐng)域，并未做更高一些的數(shù)據(jù)分析。第二個(gè)層次：了解現(xiàn)在正在發(fā)生的或短期即將發(fā)生的。在這個(gè)層次，我們進(jìn)入了高一級(jí)的數(shù)據(jù)分析領(lǐng)域，會(huì)采用大量的統(tǒng)計(jì)分析方法和工具，數(shù)據(jù)的實(shí)時(shí)性也要求較高，即對(duì)信息化系統(tǒng)也有一定的要求。比如通過(guò)六西格瑪中的SPC（制程穩(wěn)定性控制）來(lái)實(shí)時(shí)采樣判斷生產(chǎn)制程中的穩(wěn)定性，以便采取及時(shí)的措施控制不良品；比如通過(guò)采集多種工藝參數(shù)來(lái)及時(shí)調(diào)整原材料的成分或規(guī)格波動(dòng)帶來(lái)的產(chǎn)量減少；比如通過(guò)DOE、田口正交可以判斷接下來(lái)要做的事情是否合理，不管是配方，效果，工藝參數(shù)，營(yíng)銷(xiāo)效果等。這里面即可以根據(jù)實(shí)時(shí)采集的數(shù)據(jù)進(jìn)行描述性分析，并結(jié)合經(jīng)驗(yàn)或?qū)嶒?yàn)數(shù)據(jù)進(jìn)行判讀和控制，也可以通過(guò)統(tǒng)計(jì)分析方法建立數(shù)學(xué)模型進(jìn)行自動(dòng)或半自動(dòng)判斷，比如常見(jiàn)的線性和非線性回歸方程、PID、傳導(dǎo)方程、矩陣參數(shù)調(diào)用等。這些方法論即可以使用在生產(chǎn)制造過(guò)程中，也可以使用在營(yíng)銷(xiāo)和其他職能體系中，當(dāng)然，我們也可以使用互聯(lián)網(wǎng)企業(yè)常用的推薦算法，比如對(duì)全網(wǎng)銷(xiāo)售數(shù)據(jù)的實(shí)時(shí)分析，對(duì)目標(biāo)人群的實(shí)時(shí)動(dòng)態(tài)劃分到推送。在這個(gè)領(lǐng)域，數(shù)據(jù)分析工具就非常的多了，除了常見(jiàn)的Excel,PowerBI,Tableau等工具的深度使用，還有專(zhuān)用的數(shù)據(jù)分析工具，比如Minitab,JMP,SPSS,SAS等，這些可以使用在傳統(tǒng)的統(tǒng)計(jì)分析領(lǐng)域和特定的行業(yè)（比如生物制藥領(lǐng)域），也可以使用在營(yíng)銷(xiāo)等場(chǎng)景下的機(jī)器學(xué)習(xí)應(yīng)用。除了這些分析工具，很多的工業(yè)軟件和硬件本身也具有統(tǒng)計(jì)分析甚至機(jī)器學(xué)習(xí)的能力，最常見(jiàn)的就是視覺(jué)系統(tǒng)，比如Intel的OpenVINO所支持的深度學(xué)習(xí)算法系統(tǒng)，比如某些MES里集成了SPC的工具。所以，怎樣使用現(xiàn)成的領(lǐng)域里的數(shù)據(jù)分析工具也是一門(mén)學(xué)問(wèn)?；旧纤兄圃煨推髽I(yè)需要進(jìn)行的數(shù)據(jù)分析場(chǎng)景在現(xiàn)成的各種軟件和硬件產(chǎn)品里都有，并不需要重新開(kāi)發(fā)大量的平臺(tái)和新算法。筆者認(rèn)為，絕大數(shù)企業(yè)應(yīng)該突破的就是第二個(gè)層次，在組織、人才、體系和工具上在中短期著重建設(shè)這個(gè)部分，趕上發(fā)達(dá)國(guó)家的龍頭企業(yè)。這塊也是發(fā)達(dá)國(guó)家龍頭企業(yè)在過(guò)去幾十年數(shù)據(jù)分析領(lǐng)域著重建設(shè)的，并形成了其各個(gè)模塊的核心競(jìng)爭(zhēng)力。第三個(gè)層次：預(yù)測(cè)未來(lái)的情況。這里我們要說(shuō)明一下，在第二個(gè)層次中其實(shí)我們已經(jīng)建立了很多模型和算法對(duì)未來(lái)進(jìn)行預(yù)測(cè)。因此，在第三個(gè)層次中，我們更加強(qiáng)調(diào)除了預(yù)測(cè)未來(lái)的情況還會(huì)預(yù)測(cè)可能出現(xiàn)的不同情況的概率，以及其最好的解決應(yīng)對(duì)方案，以及解決方案會(huì)帶來(lái)的可能的結(jié)果。這就更多涉及了AI這個(gè)層面，筆者在制造型企業(yè)見(jiàn)到這種應(yīng)用場(chǎng)景偏少（常見(jiàn)的銷(xiāo)售預(yù)測(cè)、質(zhì)量CPK、研發(fā)和工藝的實(shí)驗(yàn)設(shè)計(jì)、可靠性設(shè)計(jì)及預(yù)測(cè)、仿真模擬類(lèi)的、機(jī)器學(xué)習(xí)類(lèi)的包括預(yù)防性維護(hù)等都列入第二層次），所以這里不再贅述。也許，這個(gè)部分，更多是要借用真正的大數(shù)據(jù)平臺(tái)，結(jié)合企業(yè)內(nèi)的數(shù)據(jù)，社會(huì)數(shù)據(jù)，第三方數(shù)據(jù)等進(jìn)行深度的學(xué)習(xí)。03制造型企業(yè)使用數(shù)據(jù)分析的場(chǎng)景通常在統(tǒng)計(jì)學(xué)領(lǐng)域，我們把企業(yè)的數(shù)據(jù)都可以叫商業(yè)數(shù)據(jù)，不管這個(gè)數(shù)據(jù)是來(lái)自于市場(chǎng)部門(mén)、質(zhì)量部門(mén)、服務(wù)部門(mén)、供應(yīng)鏈部門(mén)、研發(fā)部門(mén)還是人資部門(mén)。對(duì)應(yīng)的一門(mén)學(xué)科就叫商業(yè)統(tǒng)計(jì)學(xué)?；谌缟系亩x，我們來(lái)探索一下數(shù)據(jù)分析和數(shù)據(jù)分析體系在不同場(chǎng)景中的應(yīng)用可能是怎樣的？（本文限于篇幅不介紹具體案例，只涉及場(chǎng)景）①營(yíng)銷(xiāo)：我們分三個(gè)主要的場(chǎng)景來(lái)說(shuō)明。第一個(gè)是線下?tīng)I(yíng)銷(xiāo)場(chǎng)景，使用到商業(yè)統(tǒng)計(jì)分析的主要是產(chǎn)品怎么組合帶來(lái)的銷(xiāo)售額最大、該給哪些消費(fèi)者寄禮物和卷能夠加大其消費(fèi)概率、哪里選店最合理、區(qū)域銷(xiāo)售因素主要是哪些因素決定的、銷(xiāo)售預(yù)測(cè)、折扣多少比例能達(dá)到最大銷(xiāo)售額/銷(xiāo)售利潤(rùn)率、哪些產(chǎn)品的反饋更好、應(yīng)該開(kāi)發(fā)哪些產(chǎn)品、不同產(chǎn)品在不同區(qū)域和人群應(yīng)該怎么投放/陳列等。第二個(gè)是線上場(chǎng)景，在這里使用商業(yè)統(tǒng)計(jì)分析和機(jī)器學(xué)習(xí)的組合方法較多，包含人群圈選和分類(lèi)、千人千面的營(yíng)銷(xiāo)策略、推送策略、自然語(yǔ)義相關(guān)的評(píng)論分析等。第三個(gè)是營(yíng)銷(xiāo)管理相關(guān)的場(chǎng)景，更多是營(yíng)銷(xiāo)活動(dòng)費(fèi)用的最大化投入產(chǎn)出、營(yíng)銷(xiāo)策略的好壞及效果、不同區(qū)域的營(yíng)銷(xiāo)策略制定、銷(xiāo)售預(yù)算的有效性/廣告有效性、營(yíng)銷(xiāo)團(tuán)隊(duì)的分析。在如上三個(gè)主要場(chǎng)景中，牽扯的算法比較多，傳統(tǒng)的商業(yè)統(tǒng)計(jì)分析方法較多，包含假設(shè)檢驗(yàn)，回歸，DoE，機(jī)器學(xué)習(xí)，方差分析，時(shí)間序列分析等，使用的工具可以是Excel,JMP,Minitab,Tableau,SPSS,AdobeAnalytics等，也可以結(jié)合一些SAAS平臺(tái)的集成工具，比如SAPIBP和CX兩個(gè)套件里的分析工具，阿里的PAI。具體使用場(chǎng)景要看場(chǎng)景來(lái)進(jìn)行選擇。數(shù)據(jù)分析體系建議主要借用CRISP-DM體系，但是要對(duì)商業(yè)數(shù)據(jù)分析建模要有經(jīng)驗(yàn)，才可以構(gòu)建出清晰的業(yè)務(wù)需求。②研發(fā)：這里我們分為兩個(gè)主要場(chǎng)景來(lái)講，即一個(gè)是偏重于研究和產(chǎn)品開(kāi)發(fā)場(chǎng)景，一個(gè)是工藝。在研究和產(chǎn)品開(kāi)發(fā)領(lǐng)域，除了學(xué)科領(lǐng)域內(nèi)的算法，在研發(fā)過(guò)程中，物理集成/配方的開(kāi)發(fā)、最優(yōu)組合或參數(shù)或者配方對(duì)應(yīng)某一效果/性能/成本/質(zhì)量/服務(wù)/效率的最佳組合、可靠性分析和預(yù)測(cè)、公差分析、壽命預(yù)測(cè)等。在工藝場(chǎng)景也類(lèi)似于研發(fā)，比如工藝參數(shù)優(yōu)化、工藝過(guò)程控制、工藝開(kāi)發(fā)等。算法上，用到傳統(tǒng)的算法比較多，DoE、回歸、方差、假設(shè)檢驗(yàn)等，有特殊場(chǎng)景尤其是比較復(fù)雜的超多因素場(chǎng)景，機(jī)器學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)也會(huì)有不少應(yīng)用。在這個(gè)部分，常見(jiàn)的數(shù)據(jù)分析工具有Excel,JMP,Minitab,Matlab,特殊領(lǐng)域的仿真軟件等。數(shù)據(jù)分析體系建議主要是六西格瑪類(lèi)的體系，在研發(fā)端可以使用SPSS體系，在工藝端可以使用經(jīng)典六西格瑪(DMAIC)。③供應(yīng)鏈：對(duì)于倉(cāng)儲(chǔ)物流、計(jì)劃體系等場(chǎng)景，著重可以使用經(jīng)典的供應(yīng)鏈統(tǒng)計(jì)學(xué)，里面有大量的算法可以使用，包含運(yùn)籌學(xué)等。在這里對(duì)于制造型企業(yè)并未有太大的突破，更多的是怎么使用好現(xiàn)成的方法和算法，不再贅述。比如對(duì)庫(kù)存控制的領(lǐng)域，經(jīng)典的供應(yīng)鏈統(tǒng)計(jì)學(xué)中有結(jié)合庫(kù)存邏輯和服務(wù)水平（六西格瑪）和方差來(lái)控制最大庫(kù)存、最小庫(kù)存、安全庫(kù)存的量對(duì)應(yīng)銷(xiāo)售預(yù)測(cè)的波動(dòng)，也可以做到動(dòng)態(tài)安全庫(kù)存的控制。對(duì)于物流倉(cāng)儲(chǔ)設(shè)點(diǎn)，配送等可以使用運(yùn)籌學(xué)方法，也可以使用機(jī)器學(xué)習(xí)的算法，最終實(shí)現(xiàn)的都是最短路徑/最短時(shí)間/最小成本/最XXXX。分析工具層面可以使用Excel,JMP,SPSS以及專(zhuān)用的倉(cāng)儲(chǔ)物流仿真工具和分析工具。在數(shù)據(jù)分析體系上建議使用六西格瑪體系。④生產(chǎn)制造：除了工藝以外，質(zhì)量、設(shè)備、計(jì)劃排產(chǎn)、精益生產(chǎn)技術(shù)、shopfloor層面、工廠布局/物流路線、EHS、生產(chǎn)組織方式等方方面面其實(shí)都可以使用數(shù)據(jù)分析，這也是經(jīng)典六西格瑪里面講的比較多的。比如在質(zhì)量方面，從制程控制SPC、質(zhì)量提升、抽樣控制、判定好壞、識(shí)別影響質(zhì)量的因素等方面在六西格瑪里都有各種分析。在設(shè)備方面，這里筆者不建議非設(shè)備生產(chǎn)商去研究自己工廠設(shè)備的預(yù)防性維護(hù)，因?yàn)樵O(shè)備原理其實(shí)是不知道的，而且預(yù)防性維護(hù)偏重于長(zhǎng)期的數(shù)據(jù)收集及學(xué)習(xí)，比較成功的更多是旋轉(zhuǎn)型設(shè)備。設(shè)備領(lǐng)域?qū)τ谥刭Y產(chǎn)型公司，比如化工行業(yè)，可以使用分類(lèi)算法來(lái)進(jìn)行維護(hù)維修的判斷和打造專(zhuān)家系統(tǒng)，使用分類(lèi)算法和其他算法來(lái)盡量提高設(shè)備的在線率，減少M(fèi)TBF和MTBR等，提高服務(wù)水平以此不影響生產(chǎn)效率和質(zhì)量。計(jì)劃排產(chǎn)類(lèi)的算法大多集成在APS軟件里，比如遺傳算法。精益生產(chǎn)要跟多的結(jié)合六西格瑪項(xiàng)目推進(jìn)效果會(huì)更好。在生產(chǎn)組織方式可以使用很多的統(tǒng)計(jì)學(xué)方法來(lái)判斷不同生產(chǎn)方式的效率、成本、質(zhì)量等。分析工具角度用的最多的就是Excel和Minitab,也有不