It’s important to make sure all analytic work is reviewed properly to avoid deriving any misleading conclusions.确保正确审查所有分析工作以避免得出任何误导性结论非常重要。考虑这个假设：您为一家开发和制造医疗设备的公司工作。 COVID-19 大流行造成全球呼吸机短缺。 由于贵公司最近实施了一项重大的数字化转型战略，以满足工业 4.0 标准，因此您能够预测替代装配线的操作故障，提供波峰焊工艺的在线监控，并通过自动视觉检测机器人收集装配缺陷的集中统计数据。
这种数字化转型所获得的灵活性使公司的生产线能够快速转换，以制造急需的机械呼吸机。 这种转变的一个主要因素是分析的应用，因为上述灵活性需要高级分析能力。 继续阅读以了解更多背景信息和检查基于分析的报告的清单。
工业4.0，即所谓的第四次工业革命，依赖于三个基本要素：
- 可以在线广泛测量产品和过程的传感器技术。
- 灵活的制造能力——例如 3D 打印——可以有效地生产不同大小的批次。
- 为工业引擎提供动力的分析，具有监控、诊断、预测和优化决策的能力。
一项重大的分析挑战是数据集成，因为传感器可能会在不同的时间周期内收集数据。 动态时间扭曲 (DTW) 或其他技术可能是获得整体视图的最佳方式。
最有可能的是，工业中所做的任何分析工作都意味着数据是主动或被动收集的，并且模型是用经验方法、第一原理或混合模型开发的。 工业周期提供了尝试新产品或新工艺设置的短期机会，并根据结果确定后续行动。 但重要的是确保正确审查所有分析工作，以避免得出任何误导性结论，这可能非常昂贵和/或耗时。 例如，一家锂电池制造商发现它拥有未经校准的测试设备来评估终端产品。 该公司能够通过使用工厂的控制图精确识别有问题的批次来避免重大召回。 为了避免运送不成熟的产品或有缺陷的批次，良好的诊断能力对于确定任何报告问题的原因至关重要。
系统工程和工业应用中的具体分析挑战包括：
- 工程设计
- 制造系统
- 决策支持系统
- 车间控制和布局
- 故障检测和质量改进
- 基于状态的维护
- 客户和供应商关系管理
- 能源和基础设施管理
- 网络安全和安全
这些挑战催生了更好地监控产品和流程的项目；设计新产品或改造现有产品和流程；并改进产品和流程。
为了通过使用数据来解决这些问题，必须正确访问分析方法。 审查分析工作的一种方法是使用我在布拉格 JMP 探索峰会. 信息质量取决于分析的目标、研究中使用的分析方法、与研究目标相关的数据分辨率、数据整合以及结果的交流。 （有关此主题的更多信息，包括如何建立信息质量评估研讨会，您可能有兴趣数据科学的真正工作.)
信息质量 (InfoQ)，我和 Galit Shmueli 在信息质量：数据和分析产生知识的潜力，是用于规划、跟踪和评估数据分析价值的通用框架。 InfoQ 基于四个组件和八个维度。 它被定义为“通过使用统计分析或数据挖掘来实现特定分析目标的特定数据集的效用”。 InfoQ 受分析目标 (g)、可用数据 (X)、实施的数据分析 (f) 和研究效用 (U) 的影响。 在评估分析项目时，必须检查这四个组成部分和八个信息质量维度中的每一个。
InfoQ 的八个维度是：
- 数据分辨率
- 数据结构
- 数据整合
- 时间相关性
- 泛化性
- 数据和目标的年表
- 运营化
- 沟通
数据解析需要与研究目标相匹配，因此分析结果必须在正确的时间提供给正确的决策者。 例如，一些用于评估快速运行的纸张生产过程质量的图像处理分析必须产生及时的结果，以便质量工程师能够正确行事。 如果用于识别隐藏在纸卷中的质量问题的精确成像分类器由于计算限制而延迟，则它产生的信息质量将非常低。
下面的清单可用于评估特定研究的八个信息质量维度。 一个JMP用于汇总信息质量评估的插件是在社区中可用。如何使用 JMP 生成信息质量的示例可以是在这里下载.
清单
这些是在明确目标和效用后审查分析研究时要问的八个问题。
方面
|
问题
|
数据分辨率
|
数据粒度是否足以满足预期工作？ 测量不确定度是否经过评估并认为合适？
|
数据结构
|
是否可以使用来自不同来源的数据来反映手头的问题？
|
数据整合
|
如何整合来自不同来源的数据？ 是否存在导致关键信息丢失的链接问题？
|
时间相关性
|
数据收集和分析之间的时间间隔是否会引起任何担忧？
|
数据和目标的年表
|
分析结果是否及时传达给正确的人？
|
泛化性
|
除了明确研究的内容之外，能否得出一般性结论？ 例如，可以应用于其他产品或过程的结论。
|
运营化
|
测量变量本身是否与研究目标相关？ 研究中是否有任何明确的行动项目建议？
|
沟通
|
调查结果是否正确地传达给了目标受众？
|
这些问题应该可以帮助需要评估工业 4.0 应用及其他应用中基于分析的研究的审阅者。 但是，它们并不是规定性的，需要根据具体情况进行调整。2020 年，第四次工业革命在先进制造领域继续发展，将广泛的传感器数据与灵活制造和先进分析相结合。 一本新的综合性书籍，涵盖系统工程和第四次工业革命的最先进元素，是在这里可用。
了解更多信息
通过这些了解更多JMP与工业 4.0 相关的资源：
K-means clustering analysis of seven sensors tracking possible deformation under stress, shown in the ENBIS webinar listed above.跟踪压力下可能变形的七个传感器的 K 均值聚类分析，如上面列出的 ENBIS 网络研讨会所示。
我认为，通过整合主题知识、数据管理和数据分析，更好地传达将通常与被动数据收集相关的数据混乱转化为有用信息的机会，我们获得了对数据分析的可观支持。
