上个月去东莞给客户做产线升级，翻出来三个月的运行数据，堆在服务器里快100G，客户的工程师说天天导出数据做报表，从来没挖出过东西，还浪费两个文员半天的时间。这不就是大部分工厂的现状吗？
别上来就跑大模型，先把数据脏活干完
一听说数据分析，很多人第一反应就是搞机器学习、搞故障预测，上来就搭平台招算法工程师。我三年前在苏州给一家汽车零部件厂做冲压线数据分析，踩过这辈子都忘不掉的坑。客户买了上百万的MES系统，数据全存在里头，我们拿到数据就开始跑OEE劣化预测，结果出来的结论狗屁不通，误差超过30%，连客户的车间主任都笑我们，说你们算出来的故障时间，那天我们全厂放假。
问题出在哪？数据脏啊。
换模的时候停机，压力传感器还在往系统送数值，系统默认标记成生产状态；工人临时拉肚子拉了急停，嫌开离岗单麻烦，直接在系统选了换模，状态标签直接错了；更别说还有传感器半个月没校准，飘出去十个兆帕都没人管。
实话讲，产线运行数据分析，80%的精力要花在数据清洗上。不是什么高科技，但是就是要命。按照IATF16949的要求，产线运行数据的状态标签必须和实际停线记录一一对应，我现在接项目，第一周什么都不干，拉上三个轮班的老班长，对着摄像头录的一周监控，一条一条核对停线记录，对不上的直接改标签，错一个都不往下走。
对于传感器的异常值，我们通用的做法是用3σ原则先做初步滤除，把超出三倍标准差的数值直接标记出来，再对应到当时的工艺操作记录，看看是不是换料了，是不是工装磨损了，绝对不要直接删。很多新手上来就把异常值全清了，结果把工装磨损的前兆数据全弄没了，那不就是捡了芝麻丢了西瓜？
最有价值的从来不是预测，是隐性损耗挖掘
现在很多工厂开口就要做故障预测，说实话，大部分中小产线根本没必要，也做不准。你一条一百万的组装线，花几十万做故障预测，出一次预警才省几万，算下来五六年才能回本，意义在哪？
我见过投入产出比最高的项目，就是给佛山一家家电外壳注塑厂挖隐性损耗，前后花了不到两周，做完三个月省了快八十万。
什么是隐性损耗？你算OEE的时候，整体指标看着达标，但是实际上总有零零散散的停顿，每次十几秒几十秒，没人记录，累积起来的损耗你根本看不到。这个客户原来算OEE，是按班产算的，每班要求出1200模，能出到1150，OEE算下来92%，所有人都觉得没问题，产能够。
我们把注塑机的锁模信号按分钟拉出来，做了一张散点图，你猜结果是什么？
平均每小时有12次超过10秒的停顿，要么是取料工人慢了几秒钟，要么是浇口堵了工人清一下，每次十几秒，没人当回事，累积下来每班少出70模，一个月下来，浪费的电费、原料、产能，加起来快28万。
改起来很难吗？一点都不难。把取料工位的传送带速度提高15%，再给浇口加一个压缩空气自动清料的小装置，总共花了不到三万块。改完之后，零散停顿降了70%，每个月多产四千多模，利润直接上来了。
哦对，这里提一下国标要求，GB/T 39116-2020 《智能制造 生产设备运行状态监测数据采集规范》里明确要求，停线时间要按时长分十级统计，从小于10秒到大于4小时，很多企业图省事，只记超过十分钟的停线，小停顿全归到性能损失里不拆分，自然挖不出隐性损耗。
落地的关键：小而准，别搞大而全
我见过太多烂尾的数据分析项目，清一色都是一上来就要搞全产线全工厂的数据分析平台，招标的时候要这个功能要那个模块，最后建完了，一线工程师不会用，车间主任没时间看，一堆花里胡哨的仪表盘，全是没用的指标，烂在服务器里落灰。
不过话说回来，为什么会这样？很多人被卖软件的忽悠了，觉得越大越全越厉害，其实根本不是那么回事。产线运行数据分析，你先抓一个最疼的点做就行，做出效果拿到结果，老板自然会给你加预算扩规模，上来就吃成胖子，那不撑死才怪。
之前有个朋友在长三角做光伏组件产线，刚当上主管，想做出成绩，一上来就申请了两百万预算做全产线数据分析平台，做了一年，连个成型的结论都没出，差点被开。后来听了我的建议，砍掉所有大项目，先抓最疼的串焊碎片率，把三个月的串焊压力数据和碎片率做相关性分析，不到一周就出了结果：焊带压力波动超过0.2MPa的时候，碎片率直接涨三倍，而原来设备设定的波动阈值是0.5MPa，改完阈值之后，不到一周，碎片率从1.2%降到0.35%，一个月省了四十多万，立马老板又给了五百万预算扩项目。
这里还有个选型的坑，很多人觉得一定要上云端平台，一定要用大数据框架，才够专业。其实一条普通产线一天的运行数据，撑死了几个G，你就在本地用Python加MySQL就能跑，验证想法的成本不到一千块，对吧？干嘛一开始就上百万的系统，试错成本太高，错了连回头的余地都没有。
结论
产线运行数据从来不是放在服务器里给客户看、给审核看的摆设，是真真切切能帮你省钱赚钱的工具。不要赶时髦追概念，把基础的脏活干好，从小问题切入解决，积少成多，收益比什么花里胡哨的大项目都实在。
