在当今瞬息万变的工业环境中，运用数据分析的能力对于实现卓越运营和做出明智决策至关重要。我们的目标是提升生产人员的数据分析技能，使他们能够充分发挥数据的潜力，并改进数据驱动的决策流程。这项举措是我们数据分析和人工智能战略的重要组成部分，确保我们的员工不仅具备数据素养，而且能够有效地与驱动工厂自动化的先进技术进行协作。
本培训项目专为流程经理、资产经理及组织内其他关键利益相关者量身定制。它采用综合授课模式，包括自主学习、在职培训和课堂教学，以满足不同的学习偏好和运营需求。
参与者将使用交互式、点击式工具，重点学习实际应用，例如利用仪表盘评估投入因素的变异性，使用 Seeq 等趋势分析工具对工厂层面的过程数据进行探索性分析和趋势分析，以及利用 JMP 进行统计分析和高级建模。通过培养数据素养文化并为生产人员配备必要的分析技能，我们旨在提高运营效率，并推动整个组织做出明智的决策。
大家好，我是David Autrique，在巴斯夫安特卫普的数据分析团队工作。今天我将分享我们如何利用JMP来增强化工生产工厂的数据驱动决策。让我们一起来看看吧。
在深入探讨细节之前，我想先简要介绍一下巴斯夫安特卫普工厂。首先，让我们从巴斯夫生产基地的整体情况来看，它位于安特卫普港，正如您所见。它是巴斯夫全球第二大生产基地，占地超过6平方公里，拥有50多个世界级生产设施，每天有3000多名员工在此工作。凭借这50个生产设施，我们生产种类繁多的产品，包括基础化学品和特种化学品、合成化学品、精炼产品、无机化学品等等。正如您所想，如此庞大的生产规模为我们采用数据驱动的方法优化运营奠定了基础。
这究竟意味着什么？世界级核心化学品生产流程。让我们仔细看看我们日常运营中面临的挑战。我们的日产量超过1000吨，面临着诸多问题。这些问题在幻灯片底部的框图中有所体现，包括副产品、产量波动等等。我们的目标是在尽可能降低可变成本的前提下，生产并检验最终产品，以满足终端客户的需求。这需要尽可能减少原材料投入、能源投入等等。
我们相信，运用数据分析可以降低可变成本。通过应用数据驱动策略，我们预期能够更准确地预测结果、减少浪费、提高效率等等。我们所做的，其实就是希望充分利用我们每天产生的大量生产数据。
我们每天都会在工厂里安装多个传感器，用于测量压力、温度等等。我们希望整合这些数据，从中获取最大价值的信息。否则，最终只会造成数据堆积，这绝非我们的初衷。JMP 正好可以解决这个问题，它能够帮助我们从流程中挖掘出宝贵的洞察。
为了降低这些可变成本，例如原材料成本、能源成本等等，我们启动了一项卓越运营计划。该计划的核心是“运营应用数据分析”培训项目，旨在提升流程管理人员的效率。我们相信，通过将犹他州立大学的流程知识与数据分析相结合，我们可以释放协同效应，真正实现“一加一大于三”的效果，从而获得更深刻的洞察。换句话说，由于我们将流程知识与数据分析相结合，我们将带来可衡量的、更持久的改进，并提高用户接受度。
现在，安特卫普的数据分析团队在整个流程中扮演着催化剂的角色。实际上，正如幻灯片所示，流程经理会提出与工厂运营卓越目标图相关的难题陈述。然后，我们便开始深入研究问题。我们会量化问题，并将其转化为分析程序。
这一点在第四点中已经阐述，我们将运营问题转化为数据探索任务。然后，我们通过应用或利用简单的点击式工具来实现这一点。我们不想让流程管理人员成为开发人员，我们只是希望他们能够学会如何最大限度地利用数据。
当然，在最后一步，我们希望提出并验证改进措施，然后实施这些措施，并将相应的措施记录在运营卓越数据库中。正如您所想，正如之前提到的，面向运营的应用数据分析项目是专门为流程经理量身定制的。您可以在右侧看到一张我们正在组织的课堂培训图片，图中展示了 JMP 的各项功能，并向核心流程经理团队（20 位经过精心挑选的流程经理）讲解了如何使用 JMP，以及如何以实用、直观和分析的方式使用我们现场配备的这款数据分析工具。
我们设想的交付模式实际上结合了三个主要模块。我们采用自主学习模式，因为学员们都很忙。他们必须能够按照自己的节奏，独立操作工具、学习工具知识和最新功能。我们还提供在职咨询服务。我们会进入工厂，帮助他们解决在运营卓越项目特定阶段遇到的问题等等。
最后，我们还有课堂培训。基本上，我们遵循的工作流程是，首先教学员们如何探索和可视化数据，并识别运营中的机会。他们需要做的第一步是分析成本波动。通常，他们会使用工厂的仪表盘来跟踪每日关键绩效指标 (KPI) 的波动情况。然后，他们会开始深入挖掘。接下来，他们会深入研究底层时间序列或过程数据，例如温度读数、压力读数等等。为了实现这一点，他们通常会使用一些传统的时序分析工具，例如趋势挖掘工具等等。
最后一步，他们将初步数据探索的结果进行转换，或者说，他们从中提取出数据。他们将探索到的数据整合到一个数据表中，然后开始使用 JMP 进行分析。可以说，最后一步是使用 JMP 进行更高级的分析，通常是进行敏感性分析。他们尝试将关键流程因素与感兴趣的成本函数关联起来。我们现在发现并观察到，这种方法确实开始推动可操作的改进。我们看到它获得了认可。我们也看到，他们开始对使用 JMP 这个工具产生兴趣。他们也看到了 JMP 所提供的功能的价值等等。
最后，我们终于着手赋能运营团队，让他们能够基于数据做出决策，从而提高效率并降低巴斯夫安特卫普的成本。下一步，我们必须让整个流程全面投入运行，并切实执行。这就是我们明年的工作重点。非常感谢。
