智能创新方法论与实践 | 基于某汽车零部件企业的真实案例

2020年的魔幻开局让人猝不及防,悄悄地把这个世界引入 VUCA 时代。病毒传播途径如何?社交距离是2米还是20米?口罩什么标准?检测试剂盒准不准?在喧嚣的信息流中,闪现一些神秘的数据法师,只见他们左手擎着算法盘,右手掐着海量大数据,眉头紧锁,口中默念。忽而微睁双目,抖出一套清奇剑法,看似数理统计又带着机器学习,一篇篇专业数据分析徐徐展开。如星星之火,在黑洞洞的山谷中带来几点光明。

 

而于企业,站历史的拐点,全球化商务环境陡然切换成 HARD 模式。迷雾后的世界隐藏着什么?危机将于何时何处、以何种方式怎样的力道出现,当端倪初现能否敏捷应变,能否化解冲击并转化升级,如何利用新技术、抓住新机会、转化新动能、建立新模式,这个战场变得越来越刺激了。

 

01 思无界

近两年,以 5G、人工智能、区块链、云技术、大数据、数字孪生为代表的 5ABCDT 新动能逐渐积累,并在一些领先企业已经得到了应用,实践智能创新。这些宝贵的经验,对于落实「上云、用数、赋智」的行动方案来说,值得每位企业负责人审慎的分析研究、总结经验、指引方向。智能创新工作需要在研发、生产、供应、销售、服务、采购、人力、财务、集团管控和 IT 治理等方面寻找发力点,驱动生产经营的场景重塑。

优化和扩展现有流程的价值

02 行有方

然而,我们发现真正摸准业务的脉搏,将数字化技术应用到业务环节中发挥价值,实现提质降本增效,并不会简单,这是用数赋能的关键环节。在流程业务软件领域,SAP 沉淀了深厚的体系化系统开发能力,及基于科学方法论的落地交付能力,可以帮助客户更快、更好、更经济地享受到新技术创新带来的价值。

 

03 初问道

在2019年第一季度,SAP 和某发动机企业联合开展了一次基于大数据的创新项目。该企业的大数据部门成立于2018年初,最迫切的诉求是建立大数据能力和价值转化能力,对新平台产品是存在抵触的。确立了联合创新、客户可控的合作方式后,3月底顾问进场从生产车间、发动机盒子、营销服务等三个条线开展了业务场景梳理,同时对数据、算法和人员进行初步准备。在随后的全球案例分析、标杆客户走访过程中,项目组逐步确立了创新项目的实施范围和方法论,规划了项目准备、场景重塑、模型创建、验证发布、迭代扩展等五个阶段的具体工作内容。

04 拓思维

在业务场景梳理过程中,项目组和研究院、采购部、物流部、质量部、市场部、客户服务部、后市场部的领导和业务骨干一起,采用设计思维的方式,推演业务过程中的工作步骤,并发散地设想未来的远景。在此过程中,项目组收集整理了大量业务提升场景。

 

05 塑场景

在随后的场景分析和评估过程中,联合项目组从场景价值和可行性方面两个维度展开分析,综合成本节约、效率提升、战略利益、关键优势、数据、方法、人员等方面的评价,对创新场景进行优先级评估。筛选优先突破的创新点。比如在质量场景的价值矩阵中(见下图),场景二:质量预警应用;场景三:文本分析应用扩展;场景五:付费延保业务应用被确定为最高优先级。有些场景价值很高,但由于数据不完整、算法不适合或者业务可操作性低,而没有作为重点;或者反之,技术方面就绪但目前分析价值影响较低,同样也没有作为初步的重点场景。

质量部场景价值矩阵分析

随后针对高优先级的创新场景,以数据、算法和业务为核心开展场景重塑工作。比如针对场景五,业务要求基于三包期内的返修记录,量化三包期和服务成本关系,从而建立发动机配件付费延保的分析模型,并实现自主迭代的能力。在功能方面要求按维度选取零部件,或直接按名称及订货号选取零部件。通过现场讨论对业务和功能要求进行确认和修正,结合数据定义数据结构,明确场景定义的输出结果。

付费延保场景定义

06 建模型

根据创新场景中的数据特征,数据科学模型的选择是关键和复杂的过程,本项目通过对维修档案和销售档案的贯彻,探索了 Gamma,指数分布、正态分布、威布尔分布、对数正态分布等分布来评估故障失效数据的拟合度。基于对摇臂总成,空压机、垫片、尿素泵、活塞等2015年至2018年的数据观察,针对上述算法进行验证,取得了不同分布的拟合优度评分,决定算法选择(分别为:K-S, Cramer-von, AIC 等),其中计算值越小表示拟合优度越好。

模型验证

同时,通过直方图和 QQ-Plot 图对真实数据和概率密度进行对比。通过综合分析,决定采用威布尔曲线来拟合失效数据。

histogram and theoretical densities

Q-Q 图

07 搭应用

 

在数据科学专家组对模型进行探索的同时,技术专家开始了技术平台环境的搭建工作。首先,将贴源数据抽取进 HANA 大数据平台。基于贴源数据,通过 HANA View 上的加工逻辑,按照预测模型的要求进行数据预处理,做为预测模型的输入。利用 SAP HANA 大规模并行计算的性能和 HANA PAL 预测分析库,提高预测算法运行的效率。

UX展示

最后,通过 HANA View 上的加工逻辑对预测模型的输出进行再加工,将预测值与历史值、主数据、或者其他数据关联在一起,充分挖掘数据的价值,实现数据的360°视图。最后通过 Fiori 技术,实现上层应用消费层。比如根据零部件选择的输入,输出时间与费用曲线的预测模型。

ux设计说明

08 赋智能

实施项目本身是快速而清晰的,一个季度的时间完成了从大数据平台搭建、数据工程、算法构建、训练和调整,应用搭建、知识传递等工作。在紧凑的项目管理方法论指导下,有序地推进、稳稳地卡住每个交付节点。经过对本项目的回顾,在项目中使用的创新路线图、项目管理方法论得到了业务方负责人的赞赏,并明确了后续算法研究、应用延伸的建设思路。

 

09 回头望

复盘智能企业转型项目中的场景价值分析阶段,我们发现头部企业确实在产品质量改进、车联网、后市场竞争力提升等方面格外重视,这也印证了对于离散制造行业客户来说,服务化转型是当前重要发展趋势之一。

全面质量管理架构

「思无界,行有方」,SAP 智能创新方法论可以帮助企业有效利用智能制造专项政策,布局自身新基础设施;同时,系统性地应用创新举措,拓展智能创新思维、建立价值模型、快速实现数据价值变现、转化数字生产力,推动企业从传统的「制造驱动的产品」模式向「数据驱动的服务」的数字化智慧化模式转变;提高工厂和供应链柔韧性、应对 VUCA 的不确定性;保值增值,达成产业升级的目标。