【工业4.0案例分析之六二】IBM预测性分析提高奔驰气缸盖生产效率

戴姆勒股份公司在机组设备生产中，早就已将生产过程中的详细信息存储在一个生命周期报告当中。通过引入违规行为的静态分析方法，戴姆勒能很快找到过程中出现误差的原因，并推导出相应的解决方案。因此戴姆勒能提前对生产中的故障做出反应。

戴姆勒是世界领先的汽车制造企业，它的名字就意味着拥有最高品质的品牌。对生产过程中偏差的早期分析是确保品质的最安全也是最经济的做法。通过新方法和新工具（预测分析和大数据等）的使用，戴姆勒能很快的发现并纠正生产中的违规行为。

通过生产生命周期报告的引入，戴姆勒在很早就建立了统计方法的基础。戴姆勒与IBM一起在生产试运行条件下对IBM SPSS数据挖掘技术（或说是预测分析解决方案）进行检测。长期积累的经验使戴姆勒确信，这个解决方案现在已经是一个可以投入使用的应用。

在这个方案中，值得一提的是IBM SPSS 建模器，它是一个预测分析平台，从桌面部署扩展到业务系统的集成，为个人、群体、系统和企业做出的决策提供预测智能。用户可以使用SPSS 建模器进行分析，而无需考虑数据的位置和规模，也不用担心数据是结构化还是非结构化。IBM SPSS 建模器可扩展的客户端-服务器架构使用户可以在大数据环境中访问一切数据。分析被回推至数据源执行，尽量减少数据移动，并提高效率。

SPSS 建模器可以帮助用户解决各种业务问题。它提供分析技术，从描述性分析到先进的算法，包括自动建模、文本分析、实体分析、社会网络分析、决策管理和优化。无论是非技术性业务用户，还是分析专业用户，SPSS建模器为广泛用户设计了一个直观界面。SPSS 建模器的短期学习曲线是其对用户的吸引力所在，这使他们可以快速地发现见解和实现真实的商业效果。

戴姆勒的数字化转型

自1900年12月22日戴姆勒发动机工厂（Daimler-Motoren-Gesellschaft，DMG）生产出世界上第一辆以梅赛德斯（Mercedes）为品牌的轿车开始，奔驰汽车就成为汽车工业的楷模。100多年来，奔驰品牌一直是汽车技术创新的先驱者。“在梅赛德斯奔驰，我们用‘工业4.0’来概括整条价值链的数字化，从理念起源的设计和生产研发到销售和服务。”梅赛德斯奔驰汽车分部董事会成员兼制造和供应链管理副总裁Markus Schäfer解释道，“在戴姆勒，数字化转型将毫无疑问地彻底改变汽车行业。对于我们开发，规划和生产车辆的方法而言，甚至对于我们联系客户的方式而言，同样如此。这些可以从我们的产品中体会。”

当人、机器和工业流程智能地连接在一起时，就可以更快地创造出高品质的独特产品，并且在成本方面更具竞争力。灵活性是奔驰数字化转型的另一个原因：全球对客车、商用车和移动工具概念的需求正在不断扩大。同时，世界各地客户的需求正变得越来越多样化。20世纪70年代，梅赛德斯奔驰能够用三个基本车型满足大多数客户的需求；但现在车型数量已增长了10倍左右。如今，我们实际上再也看不到辛德芬根工厂流水线会生产出两款相同的S级轿车。另外，动力传动系统变体越来越多：混合动力和电动驱动系统与汽油机和柴油机并排。戴姆勒股份公司梅赛德斯汽车技术工厂负责人Andreas Friedrich说道：“我们已连接整个生产组织，并且正在辛德芬根技术工厂测试新的生产概念和思路。许多应用已经通过测试阶段，从概念进入批量生产。”

戴姆勒的奔驰气缸盖生产率提高了25%

戴姆勒公司及其旗下有梅赛德斯-奔驰汽车、戴姆勒载重车、梅赛德斯-奔驰轻型商用车、戴姆勒客车和戴姆勒金融服务等业务单元，它是全球最成功的商用车制造商之一。

海量数据增加了问题识别的难度

戴姆勒位于德国斯图加特的轻金属铸造厂每天需要生产大约10000个汽车气缸盖。从模具制造、铸造直到精加工全天候运作的生产制造链非常复杂。每一个气缸盖都配置了数据记录，使所有站点生产工序细致地分析的进行成为了可能。公司持续收集500多个自动化数据特征，包括涉及生产过程的量度、时间、温度、预设工具等等。如果成品气缸盖未完全达到公差内允许的要求，将会立即被融掉。

由于成品质量涉及太多影响因素，关键工艺参数的识别成为了一大挑战。尽管有海量自动测试数据可用于模式识别，但就连经验丰富的专家们有时候也需要整天的工作才能提取重要信息。以此，需要通过发现影响质量的因素和理想的工艺参数，持续增加直接可用的气缸盖的产量。

IBM SPSS提高生产的透明度和生产率

戴姆勒公司决定把针对生产过程监控的数据挖掘解决方案交给IBM SPAA预测性分析软件来实施，这样一来，戴姆勒的员工便可将注意力放在每天需要生产将近3000个气缸盖的生产线上。在数据挖掘技术（Data Mining）和预测分析（Predictive Analytics）充分发挥其作用前，所有生产过程相关测量数据必须得到准确地收集和保存，按时间和内容进行归类和筛选处理，为数据分析做好准备。

IBM公司在六个月的内部准备工作之后，给戴姆勒公司安装了SPSS预测性分析软件，在数据连接、复杂数据处理和升级更新上提供专家咨询服务，三个月之后戴姆勒公司就通过了第一次可用性评估。该预测性分析系统全天候自动对生产过程的运行进行评估，戴姆勒的系统专家们一直关注着该解决方案是否正确运行、是否得到了正确的数据或者是否提供了所需分析。六位车间主任负责定期获得相关的SPSS评估结果，在必要情况下根据结果给出相应的指导措施。

人们很快就会发现，要使制造过程稳定持续进行，就必须确定一个临界值，超过临界值时必须人为介入调整，让最终成品参数得以维持在给定公差之内。IBM SPSS系统帮助戴姆勒公司提早发现问题，明确识别问题原因，使戴姆勒公司的生产更加透明。

IBM SPSS给戴姆勒公司带来了其他直接的利益效应：现在只需要几个小时就能获得之前投入较高成本并且需要三天才能得到的信息，从而节省了大量的时间和金钱，使生产率提高25%。通过实时监控给出的全天候评估保证了生产过程的高度稳定。

IBM SPSS建模器简介

在商业环境中，分析的主要目的是提高业务绩效。这些成果包括︰

• 通过减少客户流失来增加收入；
• 通过客服中心提高交叉销售率；
• 在赔付前识别欺诈性索赔以降低成本；
• 维修生产线上的组件，尽量减少停机时间。

当用户希望通过分析来改善决策时，可能会因此得出更好的结果。数据挖掘是使用分析技术来发现数据模式的一个过程。描述性分析、预测建模、文本分析、地理空间分析、实体分析、决策管理和优化，这些都被用于识别模式，并把预测模型部署到业务系统中去。系统和用户可以使用这些模式和模型推导出有用信息，从而能够始终如一地做出正确的决定。基于隐藏在数据庞大规模和复杂性背后的预测智能，可以使绩效最大化。

IBM SPSS建模器是一个强大的预测分析平台，它被设计用于向个人、团体、系统和企业用户所作的决策提供预测智能。SPSS建模器从桌面部署扩展到与业务系统集成一体，为用户提供一系列先进的算法和技术。借助这些技术来做出决策，可能会更快地产生投资回报，还可以使组织能够主动并多次降低成本，同时提高生产率。SPSS建模器的四个版本（专业版、顶配版、完成版、预测性分析企业版）基本上可以满足任何分析的需要。

IBM SPSS建模器的关键功能

• 访问各种数据源，如平面文件、数据库、数据仓库、Hadpoon分布，找到数据中的隐藏模式；
• 执行特地为高效处理和建模大数据而设计的机器学习算法，与Apache Spark集成用于快速内存计算；
• 在影响点瞬时提供预测性决策、资源意识决策以及战略性匹配决策；
• 使用被设计用于处理简单描述分析至最复杂优化问题的单一平台来解决用户的业务问题；
• 在短时间内分析海量数据的同时，利用数据库性能充分使用用户现有的IT投资，并尽量减少数据移动；
• 充分利用可被部署于各种环境的开放平台，与IBM解决方案集成以弥合分析和行动之间的差距。

IBM SPSS建模器可以挖掘所有类型的数据

数据正以指数级的速度生成，并且来源越来越多样化，从而为一些组织带来新信息和未开发的机会，这些组织能够利用它并实现自身的价值。这些数据存储在各种系统和格式中，所以要把它们放在一起将会是一个挑战。数据量是如此之大，以致用户不能手动对其进行分析，也不可以通过查看报表找到“为什么有些事可能会发生而有些可能不会”的原因。分析过程还面临另一个挑战：缺乏可以分析数据并提取其值的技能娴熟的分析师。

有了SPSS 建模器，用户可以使用可用的数据发现潜在的机会和新信息，从中提取价值。有了对数据的新见解，你可以预测有可能会发生什么，得出预见性的优化成果，而不是只能视当前情况而做出反应。

SPSS 建模器使用户能够使用各种分析技术来访问数据源，例如平面文件、数据库、数据仓库和 Hadoop分布式系统。这些统计技术使用历史数据来对当前条件或未来的事件做出的预测。此外，还包括了数据访问、数据准备、数据建模和交互式可视化效果的能力。有了制备和建模的自动化程序，其分析能力适用范围很广泛。

SPSS 建模器的直观图形界面使用户能够将数据挖掘过程的每一步可视化，这使数据挖掘过程成为企业中各种"流"的一部分。通过数据挖掘过程与各种“流”相互作用，分析师和企业用户就可以进行协作，在数据挖掘过程中加入业务知识和专有知识。用户可以注重于发现深度信息，而不是技术性任务，如编写代码。他们也可以进行"思维训练式"的分析，更深入地探讨数据，这两方面都可以揭示对用户有意义的其他关系。

IBM SPSS建模器借助一系列技术扩大分析范围

分析技术正在不断发展，为分析师解决他们所面临的问题提供了大量选择。此外，随着技术的发展和新数据类型的可用性（例如，来自手机的基于位置的数据），更关键的问题是利用这些数据的最佳方法。因此，创新技术是必要的。

SPSS 建模器这个单一平台可用来处理简单的描述性分析、最复杂的优化问题以及介乎两者之间的一切问题，用户的分析师借助SPSS建模器可以解决他们的业务问题。SPSS 建模器的功能应付如今分析师对标准分析的需求已卓卓有余。对SPSS建模器的具体功能描述如下：

自动数据建模：有了SPSS 建模器自动建模的功能，不具备专门技能的非分析师人员也可以速准确地生成模型。此外，先进的预测建模能力使专业分析师可以创建最复杂的流程。用户可以使用自动建模功能比较多个建模方法。通过设置每个模型类型的特定选项（或使用默认设置），用户可以探究大量的模型组合和选项。然后基于指定方法将生成的模型排序，保存最佳的模型用于记载或是进一步的分析。

一系列模型：SPSS 建模器提供建模技术的数组，包括以下所有算法︰

• 分类算法。例子包括决策树、随机树、类神经网络、逻辑回归分析、支持向量机，、Cox 回归分析、广义线性混合模型(GLMM)等。将自动分类建模用于二进制结果和数值结果来简化模型创建或自学响应建模(SLRM)，从而构建一个模型，用户可以不断更新或重新估计而无需重新生成模型。
• 分段算法。使用诸如自动聚类、异常检测和聚类神经网络等技术将人员聚集起来或检测异常模式。
• 关联算法。使用先验算法、滑动平均模型和序贯关联，发现关联、链接或序列。
• 时间序列和预测。使用统计建模技术生成一个或多个随着时间推移的预测。
• R语言和Python编程语言的可扩展性。应用转换，使用脚本来进行分析、总结或生成文本和图形输出。有了自定义对话框生成器，用户可以与那些选择不使用编程进行分析的人共享和重用R语言、Python语言以及Python代码。
• 蒙特卡罗模拟。向预测模型解释输入的不确定性。模型的不确定性输入基于历史数据或具有概率分布，可以生成模拟的值，然后在预测模型使用这些值来生成结果。其结果是一个结果分布，可以为基于现实生成数据的问题提供答案。
• 实体分析。确定关系，并通过解决记录自身的身份冲突来提高当前数据的连贯性和一致性。在大量的字段中，确定这些关系极为重要，包括客户关系管理、欺诈检测、反洗钱和安全。
• 社会网络分析。发现社会实体与这些关系对个体行为影响之间的关系。这些功能可以把涉及“关系”的信息变成关键性能指标，展示个人和群体的社会行为。

地理空间分析：使用SPSS 建模器，用户可以探某个固定位置的相关数据的关系，并对用户的数据执行地理空间分析，以揭示不能通过图表显现的关系。通过对空间的挖掘，用户可以使用ESRIshapefile文件，轻松获取地理空间数据。通过对空间和非空间数据的分析，可以整体提高模型精度，而且用户将能够获得对人和事件更深层次关系的理解。通过发掘空间和非空间属性间的关联规则，用户可以在分析中添加一个新维度。使用空间-时间预测，用户可以使线性模型适应测量，接替二维空间的位置，这使用户能够轻松地预测"热点"地区，以及这些地区将如何随着时间的推移而改变。用户可以将此技术应用于发掘地理空间数据犯罪模式分析、疫情监测等领域，建立管理以及分支性能分析。

文本分析：SPSS 建模器使用高级语言技术和自然语言处理(NLP)构建交互式视觉环境，以迅速处理非结构化的文本数据。它会从文本中提取并组织关键概念。可自定义的、针对特定领域的文本分析软件包使用户能够分析有关的术语和短语以及首字母缩略词、表情符号和正确背景下的俚语。交互图可以帮助用户探索和显示用于即时分析的文本数据和模式。用户可以创建分层分类结构，且包含其作为预测模型的输入，从而产出更好和更具重点性的决策和结果。预定义类别，如层次结构、注释和关键字描述符，可以被导入以分类初始非结构化数据，因此，用户可以更有逻辑性地、更详细地组织概念。

IBM SPSS建模器通过灵活部署适应用户的需求

在用户的组织中部署分析能力的将取决于很多环境因素。这些因素包括：亟待解决的业务问题、用户对操作系统和平台的选择，以及用户设施设备中的其他技术和数据源。因此，所采用的技术软件应该要有足够的灵活性，能适应各种排列组合，且还能达到预期的业绩和成果。

SPSS 建模器架构是一个支持各种平台和语言的开放架构。用户可以在本地部署SPSS 建模器，也可以在云端甚至混合云部署。开发人员可以使用嵌入式预测建模(EPM)Java应用程序编程接口，将SPSS 建模器流嵌入到Java应用程序。用户可以将其与管理决策或其他预测应用一起部署。

决策管理

决策管理将SPSS建模器的预测功能延伸至日常业务流程中，授权给一线员工和系统。它把预测模型、简单规则和评分集成到用户的系统，实现对高容量决策的自动化、管理和优化。然后当人们需要时，它会推荐行动方案，如与一位客户在电话中进行交叉销售、决定针对某个具体情况的最佳赔付方案、使用公共设施分配带宽或在自助服务站提出报价。用户可以在业务层级上做出数以千计的决策，且这些决策与组织的目标和战略保持完全一致。

SPSS 建模器的决策管理功能包括：

• 预测模型可以预见到最有可能的结果并查明导致这一结果的因素，如客户对于一个给定报价的倾向反应，或给定的欺诈性索赔的风险。
• 业务规则会使参数自动化，这些参数是由商业策略、法律以及合规性等要素确定的。SPSS 建模器直接提供了基本的规则支持。同时，SPSS建模器支持可扩展的、用以满足企业级需求的稳健规则，还支持与IBM业务决策管理的集成。
• 综合评分可以向合适的人员或系统提供实时的建议行动，这些人员或系统可以做出资源意识决策以及战略一致决策。

优化

企业在现实世界的限制下运作，受限于现有员工、设备和投资。通过优化措施，可以确定一个最能满足特定目标的解决方案，使组织能够得到最稀缺的资源。例如使营销收益的最大化，或是将欺诈和损失的风险降至最低。

数据库

SPSS 建模器提供了大量功能，尽量减少了数据移动，并将分析过程推回至企业的数据库进行，比如：

• SQL pushback。有了SPSS 建模器服务器，不一定要从大型的数据库或IBM公司的Systemz和IBM PureSystems 环境下移动数据，因为可以在用户的数据库中进行分析和挖掘。SQL pushback可以实现数据库中的数据转换和制备，而无需编写任何结构查询语言或做任何编程。其结果是能明显改善分析性能。
• 数据库评分。数据库特有评分适配器，zEnterprise、IBM DB2、IBM PureData分析系统（由Netezza支持）和Teradata解决方案的评分适配器可用于IBM SPSS 建模器。
• 数据库函数。SPSS建模器几乎可以使用任意用户定义函数(UDFs)，数据库聚合和窗口聚合函数由数据库提供。这些都由SPSS 建模器工作台提供，从而扩展可用的本地功能，确保SQL Pushback的功能。
• 数据库挖掘。SPSS 建模器服务器支持：集成的数据挖掘功能和建模工具，在IBM DB2 分析加速器（IDAA）Z“Hytap”（混合事务和解析处理）上可用的本地数据库算法分析，用于分析的PureDataSystem、甲骨文Data Miner、微软分析服务和其他。用户可以在SPSS 建模器工作台的所有数据库内建立和存储模型，并对其进行评分。

与 IBM 技术集成

SPSS 建模器含有向IBM Cognos商业智能和Cognos TM1软件导出数据的功能。当需要进一步分析时，SPSS建模器也可以将分析结果作为数据源访问，这意味着分析过程可以循环，将结果反馈到问题开始的地方。

IBM SPSS统计软件具备执行进一步统计分析和数据管理的能力，提供了节点的专用截面以补充SPSS建模器及其数据挖掘能力。

SPSS 建模器与Apache Spark通过SPSS分析服务器集成，提供了广泛的大数据算法和内存处理能力，能创建快速高效的机器学习模型。