Datafangst, kvalitet og visualisering

Datafangst

datafangstI dag er det tilgang til uendelige mengder data; men hvilke data er interessante? Hvilke data er viktig å følge opp i forhold til målene som er satt?

Ved implementering av nye produksjonslinjer og datafangst; ikke tenk «nice to have». Bruk ressurser på å innhente kun de dataene som du mener du har bruk for. Er du usikker på hvilke data som er viktig er det bedre å bruke ressurser først på å bestemme dette. Spørsmål som kan være til hjelp her er; Hvilke mål har produksjonen? Hvilke data er nødvendige for å følge opp disse målene? Vil andre måltall være aktuelle i fremtiden? Hvilke? Hvorfor? Jeg har sett bedrifter implementere så omfattende datafangst at det har resultert i produksjonsstans når datafangst systemene ikke har klart oppgaven. «Make it simpel» gjelder her også!

Datakvalitet

datakvalitetBedrifter bruker mye ressurser på datainnsamling, datavarehus, rapportering og visualisering av data. Men hva med datakvaliteten? Stemmer dataene overens med kilden?

Bedrifter som ikke har brukt nok ressurser på å kvalitetssikre dataene sine stoler gjerne ikke på dataene dersom de ikke stemmer med deres forventninger. De slutter da å bruke dataene, eller de bruker dataene kun når de opplever at det passer med deres forventninger. Det er interessant å vite hvorfor dataene ikke er som forventet!

Data kan kvalitetssikres gjennom å overvåke produksjonen en gitt tid og registrere aktuelle hendelser manuelt, for så å kontrollere at datafangsten stemmer overens. En utfordring ved kvalitetssikring av data er å avdekke problemer som oppstår av og til. Jeg opplevde eksempelvis hos en bedrift hvor det ble logget en stor mengde data at dette forårsaket ustabil datainnsamling og manglende data. I slike tilfeller er det viktig å innhente så mye informasjon som mulig om situasjonen som forårsaket ustabiliteten.

Data visualisering

datavisualiseringVed å visualisere data ved hjelp av statistiske programmer som eksempelvis JMP, er det lettere å se sammenhenger og trender mellom ulike datasett. Multivariat analyse viser hvor god korrelasjon det er mellom de ulike faktorene. Er det sammenhenger mellom datasett? Hvor god sammenheng er det mellom prosesskontrollene underveis i produksjonen og kvalitet på sluttproduktet? Klarer prosesskontrollene å fange opp avvik på et tidlig tidspunkt?

Hvis du har datasettet hvor du ønsker å analysere trender og korrelasjon kan du kontakte Lean Tech. Visualisering av data gjør det også lettere når du skal kvalitetssikre data fordi det er raskt å finne "uteliggere" i datasett og analysere årsaken til disse.