nextionbi|在nextionBI线上发布会上，传统企业展示了对于数据分析的深度理解( 二 ) 企业|余能|电池|回收|动力电池

在接触nextionBI之前，该企业也早就开始针对这一问题探索解决方案，但是遇到几个现实的困难。首先，造纸过程相关的数据量极大，种类繁多。有的来自于自动化设备，有的来自于软件系统，有的靠人员手工记录，还有部分非结构化数据。这其中还包含大量的脏数据，存在诸如标准不统一、空值比例高、数据乱码等问题。在数据分析之前需要先完成复杂的数据清洗、数据标准化、数据关联等工作。企业研发部的人员虽然了解纸张生产数据的正确格式、知道不同字段的标准度量、能够将编码代号翻译成文本，但是他们大多不懂SQL语句，无法完成批量的数据加工处理工作。其次，经过材料研发人员对于大量历史数据的整理，生产制造过程中影响纸张克重的因素超过140种。但是具体是哪个因素对于克重有影响，是正相关还是负相关，这都需要一一测试。按照控制变量法的理论要求，至少要测试140次，每次都需要设计实验，调整参数，统计结果，这显然不具备可操作性。最后，难以定位影响因素对最终质量的影响值，不知道如何进行优化，针对某个因素具体优化值是多少？明确相关性只是第一步，下一步需要明确是线性相关还是指数相关，要有具体的相关函数才能形成量化可落地的操作建议。
对于数字化生产，企业认为不能简单的只是通过大屏展示生产结果数据现状，然后靠老师傅的经验决定优化方式，再通过一段时间的数据反馈判断优化效果，这种模式周期长，风险高。合理的方式应该是基于生产过程的数据分析，给出精准的操作建议，再通过生产测试进行验证，敲定生产优化措施。这就需要用到nextionBI的数据融合能力与增强分析中的主因子分析和根因定位能力。

文章插图
针对第一个痛点，nextionBI对接生产数据，通过强大的数据交换机能力，完成复杂的数据处理流程，实现接入数据的清洗加工，排除异常数据对于分析结果的影响。这个过程不用写任何技术代码，一个纸材料的研发人员经过简单的培训，自己就可以通过拖拽数据加工算子的方式，配置加工流程，完成大量原始数据的加工处理。如上图所示是将三个来自不同系统的数据表经过加工处理，最终融合形成了一个数据资产。整个过程清晰可见，每个步骤对应的模块都可以动态调整，大大提升了数据处理过程的灵活度。这样就解决了数据分析基础素材的问题，为后续的分析打好了基础。

文章插图
针对第二个痛点，利用nextionBI增强分析中的主因子分析能力，帮助客户从140多个影响因子中，快速定位影响纸张克重的主要影响因子，并提供主因子对结果的影响分析，并提供每个因子的影响值分析。如上图所示，影响因子的影响值排名从高到低分别显示的是2号浆液流量、车速、1号浆液流量、冲浆流量这四个因子，并且给出了具体的影响值，这就为下一步的分析工作提供了量化的参考依据。
针对第三个痛点，采用根因分析，通过根因定位分析能力，对影响纸张克重的可能进行根因组合，列出组合排名。提取主因子，将每种组合的具体值列出，提供系数调整优化值建议，直接提供量化的指导。

文章插图
如上图中所示，为不同因子分配不同的参数选择，形成多种组合。针对不同的组合分析其可能性的占比。比如图中的组合三就代表了2号纸浆流量小于等于14.25，1号纸浆流量小于等于32.05，车速小于 33.156这种参数组合形式，但是这种组合方式相较于组合一的可能性占比是偏低的，为了达到优化目标，最终应该选择组合一对应的参数设计。基于这些分析，进行了多次实验，研发部门给出了具体操作建议，帮助生产部门快速改善生产过程，稳定生产质量。