制造业流程挖掘与传感器数据分析

访谈嘉宾介绍

• 斯蒂芬妮·拉玛尔是慕尼黑工业大学的商业流程管理主席

• 她经常在研究项目中与制造公司合作

• 对制造领域和其中的流程非常感兴趣，因为其中存在许多挑战

• 她的团队开发了一个开源流程引擎CPE

• 该引擎已经应用在16个制造场景中，涉及7家不同公司，可以很好地收集数据

访谈嘉宾介绍

数据和流程

• 流程数据主要包括执行流程时产生的事件日志，以及流程执行过程中交换的数据。

• 此外，还可以收集环境数据，比如传感器数据，以及零件的质量测量数据。

• 传感器数据的收集对于了解流程非常有价值，特别是用于监测质量问题和分析问题产生的原因。

• 不同类型的数据需要进行不同的处理和分析，因为它们所反映的信息和作用各不相同。

数据和流程

数据收集和预处理

• 数据收集包括了事件日志、事件流和传感器数据等不同类型的数据

• 传感器数据在制造领域以及物流和医疗领域都很重要，能够为流程提供更多的上下文信息

• 预处理传感器数据时，需要了解流程的上下文，对数据进行聚合、转换和变换，以便更好地与流程事件数据结合

• 决策挖掘对于了解流程中的决策规则非常重要，而传感器数据可以为制定决策规则提供更多的依据

• 部分数据仍然需要手动收集，比如制定零件质量规格时进行的手动测量，手动数据与自动收集的数据可以相互结合

数据收集和预处理

传感器数据分析的重要性

• 传感器数据分析对于发现过程中的变化以及优化生产过程至关重要。

• 通过从时间序列分析中发现数据的偏差，可以发现生产过程中的问题，比如机器磨损导致芯片产生影响。

• 传感器数据分析不仅可以解释为什么需要处理芯片，还可以帮助预测是否会发生概念转变。

• 数据分析还可以应用于业务领域的自动化过程以及改善生产效率。

传感器数据分析的重要性

自动化与编排

• 自动化与编排在制造业中的应用是一个很好的例子。编排这个术语可以更直接地引导领域专家明白我们的意思。编排还反映了集成不同机器、不同系统的过程，以逻辑方式将它们组合在一起。这比自动化更能体现出集成的意思。

• 在制造业领域，由于存在众多数据源，将不同方面有意义地整合在一起可能是一个挑战。因此，需要找到了解制程、具备领域知识并能处理数据的人员。这种能够融合两个世界，既知晓流程又擅长处理数据的人是最佳的合作伙伴。

• 除了制造业，研究团队还致力于合规监控、预测以及物流等领域的工作。这些项目将涉及到自然语言处理技术，用于从文本数据中提取约束条件。同时，也在探索如何结合优化与流程挖掘，实现现场数据与实际情况之间的有效联结。

自动化与编排

Conclusion:

在制造业中，流程挖掘和传感器数据分析可以帮助优化生产过程，发现问题并进行预测。同时，自动化与编排是整合不同数据源的关键。制造业需要关注数据处理和流程优化，以提高生产效率和质量。