公司機密。 不要透露。
工廠中的勞斯萊斯
一家長期以來與質量同義的公司通過內置的質量和可靠性分析將網絡物理系統集成提升到一個新的水平
_____________________________________________________________________________________
挑戰：通過採用國際標准進行改進，降低勞斯萊斯全球製造工廠的成本並提高產量。 從供應鏈中消除單點故障並產生知識產權。
解決方案：在得知 Rolls-Royce 的發動機健康監測小組使用 JMP® 開發一項改進後，該改進每年為公司節省了 100 萬英鎊，製造工程系統主管 Dan Middleton 決定在製造中獲得該軟件的許可。 以內部黑客馬拉鬆的形式直接比較可用工具是概念證明：JMP 可以在 8 小時內完成使用 Python 的工程師需要 3 天而使用 Minitab 的工程師需要 6 天才能完成的工作。
結果：羅爾斯·羅伊斯能夠通過 JMP 更快地做出更多數據驅動的決策，從而帶來了廣泛的增值服務和成本效率。 在短短 9 個月內，一名工程師使用 JMP 為不同地區的勞斯萊斯工廠的 15 項獨特製造挑戰開發了解決方案。 該公司現在正在積極努力擴大這些改進。
_____________________________________________________________________________________
工業 4.0 為製造業的未來提供了變革性的願景：網絡物理系統集成將生成連續、自由流動的數據流。 雲計算將提供訪問和分析數據的新方法。 機器學習將使數據更具創造性、更準確和更高效。 毫無疑問，這是一個非常有吸引力的提議。 但是，儘管大多數公司將智能製造視為一種令人興奮的可能性，但很少有人成功地將理論付諸實踐。
很少，也就是說，除了勞斯萊斯。
2018 年，勞斯萊斯僅在一家製造工廠就投資了超過 6000 萬英鎊；其中 700 萬英鎊專門用於 IT 集成。 這是一項重大投資，該公司的製造工程系統主管 Dan Middleton 稱其為“不費吹灰之力”，因為他說，“商業案例是[集成] 為自己付出代價。”
羅爾斯·羅伊斯能夠通過 JMP 更快地做出更多數據驅動的決策，從而帶來了廣泛的增值服務和成本效率。
這個估計不遠了。 米德爾頓說，勞斯萊斯已經看到了其投資的回報。 事實上，經過翻新的場地現在的產量提高了 35% 到 45%。 當然，這種好處的一部分可以歸因於升級的機器，但毫無疑問，分析集成正在產生巨大的影響。 Middleton 說，擁有合適的軟件是 ROI 來得如此之快的部分原因。
從另一個部門每年 100 萬英鎊的成功中學習
就在升級後的設施於 2018 年上線時，米德爾頓開始對公司的工具前景進行審計。 他試圖評估勞斯萊斯已經廣泛的軟件組合，以確定可以幫助工程團隊利用新數據流的一站式工具。 最後，解決方案就在羅爾斯·羅伊斯的發動機健康監測 (EHM) 部門的校園內。
2018 年初，EHM 宣布召開非正式分析研討會，米德爾頓和同事羅素貝葉斯（Russell Bayes，來自英國德比勞斯萊斯高級葉片鑄造廠 (ABCF) 的製造系統工程師）決定參加。 他們所看到的令人興奮： EHM 團隊使用名為 JMP® 的統計軟件開發了一種新的監控方法，該方法可能每年為公司節省超過 100 萬英鎊。
米德爾頓解釋說，這是勞斯萊斯製造部門第一個對 JMP 給予很多考慮的人。 “實際上，我們對它感到震驚——該工具的功能。 我們認為可以，讓我們試試 JMP，看看它到底能做什麼，”他說。 “起初我們有點懷疑。 然而，在大約 4 個月內，我們就確定了這個工具的某些方面。 我們還不確定它是什麼，但它讓我們能夠做一些非常聰明的數學運算。”
Middleton 聘請了一位新工程師 Aman Datta，專門專注於學習 JMP 並確定它可以在勞斯萊斯的製造業務中扮演什麼角色。“這就是我們在 [JMP] 中看到的重要性，”米德爾頓說，“我們已經有效地解放了一名工程師，讓他們可以用一年時間來開發一款軟件。”有了新工具，Datta、Middleton 和 Bayes 共同努力對困擾 ABCF 多年的一些問題進行分類。 這是 JMP 的測試案例，他們並沒有失望。
行政領導注意到：“我們如何才能做得更多？”
與勞斯萊斯的其他智能工廠站點一樣，ABCF 可以創建通過工廠價值流的每個發動機組件生命週期的詳細數據圖。 有了足夠強大的軟件，工程師就可以使用這些數據簽名來構建動態統計模型，幫助確定哪些組件最有可能發生故障或不合格。 這些信息反過來又使他們能夠就哪些零件應該推進到下一步以及哪些零件應該報廢或取消優先級做出戰略決策。
在生產週期的早期消除不符合規格的零件，使像米德爾頓和他的同事這樣的製造工程師能夠減少他們在需要返工的非質量組件上投入的時間和資源。 累積起來，這些節省會對底線成本產生巨大影響。
Middleton 解釋說，在與 JMP 的初步試驗中，該團隊解決了四個關鍵問題，並帶來了顯著的收益。 “我們 [取得了] 如此多的成就，以至於我們的執行副總裁問道，'我們怎樣才能做得更多？'因此，我們又購買了 41 個 JMP 許可證——我們在 9 個月內從一份 [JMP 副本] 增加到 41 個。”該集團現在還有 30 名製造工程師使用 JMP Pro。
自從意識到這些改進的可擴展性後，Rolls-Royce 重新定位了 Middleton 和 Datta，以便在其全球設施中利用他們的專業知識。 Datta 花時間在工廠車間了解他的同事面臨的任何特定於現場的問題，然後使用 JMP 找到解決方案。 米德爾頓解釋說，這個提議是這樣的：“我有這個邪惡的軟件、一台超級計算機和一個我可以鏈接的云網絡。 讓我為您解決[您的問題]。”
在短短 9 個月內，Datta 為全球不同地點的勞斯萊斯工廠的 15 項獨特製造挑戰開發了解決方案。 而且，米德爾頓說，每一個新挑戰都是勞斯萊斯運營大局中的一個數據點。
他補充說，他們看到的問題往往相似多於不同。 “這是文化轉變的一部分：將福利從一個設施推廣到另一個。”隨著越來越多的羅爾斯·羅伊斯工廠配備數字集成分析系統，製造工程方面的主動性和預測性將變得更加容易； “你必須改變心態，說，不要浪費我們的時間或資源。”
擁抱快速失敗的理念，通過雲計算進行擴展
文化轉變的表現方式之一是接受快速失敗的哲學。 像勞斯萊斯這樣備受推崇的組織認為失敗是可以接受的——甚至受到鼓勵，這似乎很奇怪。 但該公司了解到，當項目缺乏希望時，最好儘早放棄。 （例如，米德爾頓說，隨著團隊繼續調查更有希望的趨勢，任何 R 值小於 0.5 的探索性分析都可能被擱置）。
為幫助確定優先級，勞斯萊斯每週舉辦一次治理會議。 那些在他們的項目中看不到希望的工程師會將他們從議程中刪除並繼續前進。 “這是一種非常成熟的做事方式，”米德爾頓說。 以前，工程師可能對項目非常保護，但快速失敗的精神使他們能夠放棄不太可能產生結果的改進想法。 這意味著增加容量和更多改進項目。
“[智能工廠系統] 的問題是我們現在發現東西太快了，”米德爾頓說。 “這就是我們現在使用雲技術的地方。 人類只能工作這麼長時間。 但是機器——我們可以將它們設置為創建模型的任務。
“JMP 加快了所有這些進程。 實際上，我們已經從一周內分析數據轉變為兩天內完成。”將大量數據上傳到雲端並同時運行多個模型。 看到有趣的東西，並在短時間內調整或重新運行任何分析。
“在某種程度上，我們不再需要自己動手，”米德爾頓解釋道。 “我們自己創建模型，但建模變得非常容易。 您可以讓它在周末運行，然後在星期一回來，它會攝取所有這些數據並為您提供答案或新方向。 那個方向可能是去做一個不同的調查或做一個 DOE（實驗設計）。”
基於雲的技術，結合 JMP 中的建模，促進問題解決和支持；米德爾頓說，工程師可以通過“使勞斯萊斯作為一個組織無縫流動”的方式訪問數據。
“我們的整個文化在一夜之間發生了變化”
工業 4.0 轉型通常不會那麼快進行。 但在勞斯萊斯，越來越多的證據促使組織所有梯隊的統計思維發生翻天覆地的變化，米德爾頓解釋說。 最直接的例子之一來自 2018 年的公司黑客馬拉松，來自勞斯萊斯不同部門的團隊競相解決以前無法解決的製造挑戰。 在這樣做的過程中，他們最終對可用的軟件選項進行了直接比較。
此案相當複雜，涉及一系列流程和互動。 一個團隊使用 Minitab，一個使用 Python，另一個使用 R。 米德爾頓的團隊使用了 JMP。 “我們決定以不同的方式解決這個問題，因為從輸出的角度來看它很敏感，所以我們的團隊使用了 JMP，”他說。 “我們在 8 小時內解決了問題。”
當 Middleton 的團隊找到解決方案時，他說：“使用 Python 的人才剛剛開始創建模型。 使用 Minitab 的人甚至還沒有對數據進行結構化。”
最終，使用開源軟件的團隊在 3 天內找到了解決方案。 使用 Minitab 的團隊花了 6 天時間。 而使用 JMP 的團隊只需要 8 小時。 米德爾頓說，這是一個引人注目的結果，勞斯萊斯的領導層注意到了這一點。 “我們的整個文化在一夜之間發生了變化。”
羅爾斯·羅伊斯現在正在擴大黑客馬拉松模型，以便世界各地的主題專家和數據科學家團隊可以共同解決公司最具挑戰性的一些問題，並提出偉大的想法。 “[hack-a-thon 模型] 使我們能夠更好地了解我們的工程挑戰，並進一步推動物理學的發展，”米德爾頓說，並補充說，全球方法將幫助勞斯萊斯採用國際標準並消除單一-來自供應鏈的點故障。
創造知識產權
除了標準化運營之外，該公司還認識到：通過如此有效地使用分析，Rolls-Royce 實際上是創造知識產權（IP）。 米德爾頓認為，然後可以利用該知識產權在傳統的持續改進之上產生新的資金流。 “我們從來沒有想過。 剛開始時，我們只是想使用分析來解決當今的問題，改進我們的產品和流程，並為我們的客戶提供性能更好的引擎。”
以黑客馬拉松中提出的案例為例。 “通過這個問題，我們有效地生成了兩個 IP。 一個[受到高度保護]，將指導勞斯萊斯如何建立工廠。 另一個我們將與我們的供應商和客戶分享。 還有供應鏈，”米德爾頓解釋說。
“JMP 使我們能夠提出不同的問題並挑戰我們主題專家的思維...... 例如，大約 20 年來，我們一直在嘗試解決 [a] 高角邊界上的缺陷。 我們[使用 JMP] 展示的是，設備的設計存在根本性的錯誤。 主題專家以前從未想過它。 只是因為您可以為他們帶來如此多的數據，對其進行建模並隨身攜帶建模工具。
“這讓我們現在可以回到設備供應商那裡，告訴他們他們的設計存在根本性的問題。 當然，我們沒有確切地告訴他們我們發現了什麼。 因為我們已經有效地開發了 IP。”
Middleton 報告說，在公司新集成的設施上線一年後，參與其中的每個人都在做出更明智的決策，並從經驗中學到更多。 他補充說，這些決定帶來了增值服務和成本效益。 “如果我們可以讓發動機運行得更熱，那麼我們將獲得更高效的發動機。 如果我們可以更快地製造組件，那麼我們就可以供應我們的市場。 如果我們讓發動機更便宜，那麼我們就會更有競爭力。”
最終，這些改進不僅有利於勞斯萊斯及其供應鏈，也有利於其客戶。 米德爾頓解釋說，這就是最終目標； “勞斯萊斯的客戶是我們所做一切的核心。 這就是我們利用技術的原因：為我們的客戶提供更好的產品。”
