实施概述
住友精工化学有限公司生产高吸水性聚合物、功能性化学品，工业气体和其他用于生产消费品、医疗设备、药品、电子产品和汽车的产品。该公司以其采用聚合和微粒子专利技术生产的高品质产品而享誉全球。公司的主要产品是高吸水性聚合物，具有粒径均匀、流动性强的优点，可生产一次性尿布、卫生巾等高舒适度的终端产品。
该公司位于日本姬路的主要工厂利用聚合和乳化专利技术生产功能性聚合物，乳胶和乳液。 作为总厂，姬路工厂设有实验室，研究提高产品质量和性能的方法，其研究成果应用于世界各地的公司生产设施。
挑战和解决方案
用于提高品质和技术采集的过程数据分析解决方案
姬路工厂生产特种聚合物等功能性化学品，这些聚合物采用自由基聚合批量工艺生产。有时在特种聚合物产品的各种配方中，一种特定配方的质量会有波动。为了找到这个问题的根源，住友精工求助于横河的过程数据分析解决方案。
姬路工厂总经理兼住友精工执行官Kazuhisa Uemura决定采用横河电机的解决方案，他说：
“我们公司已根据其数据分析进行了各种改进，并取得了一定的成果。但是，通过与工厂操作员的讨论，我开始了解针对这种特种聚合物产品的生产流程的复杂性，他们广泛的专业知识对于获得高质量的结果有多重要。很明显，收集和组织有关这一生产过程的所有信息需要付出大量的努力。这就是为什么我决定使用横河的过程数据分析解决方案来提高产品质量和组织每个人都拥有的隐性知识。此外，由于我们公司一直致力于消除组织之间的障碍，我希望项目团队的成员能够积极地跨部门合作。”
在姬路工厂，我们组建了一个项目团队，包括来自生产部门的人员，他们在实际中处理相关流程，对工艺方面非常了解，开发部门的人员在化学工程方面知识渊博， 而来自研究实验室的人员负责开发新配方和产品，以及对工厂运营有全面了解的行政办公室人员。横河的一位工程师也加入了这个项目组。
分析项目团队的专业领域
项目成员创建观察项目列表
在涉及化学反应的过程中，通常存在不止一个异常因子，并且这些因素之间的相关性通常很复杂，还必须考虑温度和杂质等干扰的影响。姬路工厂的工艺特别复杂，在升高温度期间加入添加剂时反应过程很快。
项目团队在会议室详细讨论了这个问题，收集了大量有关现场操作员掌握的生产技术知识的信息，以及开发部门和研究实验室人员的意见。他们探讨了整个生产过程中可能出现的异常原因，并根据4M（材料、机器、人类、方法）对其进行了分类，然后对可能的物理原因做出了假设。最后，在此基础上他们编制了一份观察项目列表，作为分析的指导方针。
过程数据分析的工作流程
1. 过程数据的分层
横河电机工程师不仅分析了工厂信息管理系统（PIMS）收集的过程数据，还分析了管理产品质量和操作条件的代表值，以及操作员日志中的条目。
在采用批量生产工艺的工厂中，可以通过改变配方来生产不同的产品。如果先前配方中的材料稍微残留在生产设备中，就可能会影响产品质量。生产时间不同，生产条件也会有所不同，例如原材料储存的时间长度以及设备内部发生的结垢量。此外，与姬路工厂的情况一样，操作人员有时依靠他们的工艺专有技术对操作条件进行手动调整，例如根据生产设备的规模进行缩放。
当在不同条件下生产不同批次的配方时，对有助于隔离生产问题原因的过程数据很难进行任何比较。因此，横河电机的工程师将他的分析重点放在那些与生产异常批次条件相同的生产批次上。
2. 干扰
通过分析涉及化学反应的间歇过程，杂质是需要考虑的干扰类型之一。项目团队确定了抑制反应的杂质等因素和物质。由于很难仅仅通过检查收集的过程数据来验证这些杂质对反应的影响，所以他们在实验室中对此进行了检查。在实验室中获得的数据有助于提出解决方案。
观察项目列表
3. 特征提取
通过提取隐藏在数据中的特征过程行为来分析批处理过程，并将其量化为特征提取，对显示化学反应的进展很有帮助。
为了提取一个特征，不仅需要使用数据，还需要使用物理量，例如根据多种数据计算出的热值，或者使用某种转换处理，例如集成或标准化。通过转换处理更改数据可以帮助识别以前未注意到的过程行为差异。特征提取是发现异常原因的有效手段。
横河电机的过程数据分析工具可以提取特征，有助于理解提取特征之间的关系，并有效地识别异常因素。
过程数据分析界面
4. 各反应阶段特征提取
即使可以提取特征，也不可能仅仅通过分析质量值和提取特征之间的关系来确定异常的真正原因。为了做到这一点，需要在反应过程中进行分析数据。项目团队将反应阶段分为早期、中期和后期，确定每个阶段的提取特征，并分析产品质量与各个提取特征之间的关系。
为了进一步说明，我们进行了以下分析：
项目团队注意到：随着反应的进行，聚合物沉积在聚合罐中，搅拌负荷增加导致功耗增加。他们将耗电量达到峰值的时间点定义为后一个反应阶段的提取特征。提取的特征值、质量值和添加剂总量之间具有很强的相关性。然而，为了保持产品的高质量，运营商需要在功耗达到峰值之前采取措施。项目团队继续在整个生产过程中寻找其他特征，发现反应开始后在中间反应阶段产生的热值对后一阶段的特征（搅拌耗电）有决定性影响。他们得出的结论是，可以根据反应开始后产生的热值的水平，通过调整添加剂的量来控制质量值。
为了以这种方式解决问题，当然有必要使用数据发现质量值和提取特征之间的相关性以及提取特征之间的关系。此外，通过考虑生产、化学反应、化学工程和4M等因素从更广泛的角度检查这些分析的结果，并且解释这些分析的结果也很重要。将工艺知识和分析技术结合起来是必不可少的。
5. 通过机器学习验证特征抽取
在反应的每个阶段提取特征的变化或多或少地影响产品质量。机器学习使得识别主要提取特征并验证这个结论的确定性成为可能。机器学习还能够降低实施产品质量稳定行动计划的风险。
项目团队使用逐步回归（一种统计分析方法）验证了提取特征的确定性。从提取的特征中选择有助于反应的三个解释变量，包括反应开始后产生的热值。根据估计结果，通过使用这些解释变量可以可靠地估计质量值。项目团队认为，通过控制三个提取特征，可以正确地控制质量值。
逐步回归建模结果
结果
在确定了导致产品质量波动的因素后，项目团队开发了新的操作程序，包括根据可显示反应进程的提取特征调整添加剂量。他们还设计了一个显示器，将当前提取的特征与过去的批次进行比较。该系统使现场操作员能够在监控反应进度的同时履行其职责。 预计用质量值控制质量波动的新操作程序将使每年的成本降低数百万日元。
在该分析项目中，团队创建了一个需要观察的项目列表，做出了假设，并用数据验证了假设。此外，在分析和验证数据期间有时会发现新的观察项目。通过这些任务，他们能够全面了解工厂的问题，发现异常的真正根源，并制定对策。还有一些附加的成果，例如寻找需要解决的新挑战以提高产品质量。
观察项目列表的修订是通过项目所有成员的综合知识来实现的，这是一项已被数据证明的资产，可作为技术标准来推动姬路工程技术创新的。姬路的目标是通过促进数据分析的使用以及过程知识和数据分析技术的融合，进一步提高产品质量和竞争力。
客户评价
上村先生：
“最初，我觉得如果我们可以通过横河电机的过程数据分析解决方案来收集每个人所拥有的隐性知识，那就可以了。但没想到我们在产品质量改进方面也取得了一定的成效。此外，我们还能够改善运营、提高现场能力、加强各部门的内部合作。最重要的是，观察项目列表的创建有助于将隐性知识转化为显性知识。这超出了我的期望，我非常满意。为了继续向市场提供高质量的化学产品，我们希望利用该分析项目将获得的知识和经验进行进一步改进。”
项目成员：
问：当您被选中参与该项目时，您是抱着什么样的想法？
“改进这个配方是很有必要的，所以我认为我们应该继续进行过程数据分析。”
“因为我没有数据分析的经验，所以我一开始就不知道该怎么做。我知道我们的工厂已经尝试了传统的方法来进行改进，但是他们还没有通过这个方法达到要求的改进。所以我对横河的分析结果期望很高。”
“很荣幸被选中。我在行政办公室从事会计工作，并没有参与生产，所以我想知道当我开始这个项目的工作时应该如何做。”
问：你从这个项目中获得了什么？
“我们发现了不同于传统知识的新观点，并且我们所掌握的传统知识也得到了数据的证明。”
“我很喜欢与其他部门人员进行自由、积极的讨论。过去，我们根据自己的经验模糊地知道产品在特定条件下生产时会有什么特性。但在完成分析项目后，我想我现在可以看到这个过程中发生了什么。我想将分析方法与其他产品配方一起结合使用。”
“我知道横河电机会使用复杂的分析方法，但为了了解我们的操作，他们认真听取了我们的意见，工作做得非常周到。我认识到，如果你希望工作取得顺利进展，收集大量数据是至关重要的。”
“我们经常受到经验法则的束缚，每个部门的隐性知识都与其他部门隔绝开了。我们通过这个项目成功地收集并可视化了这些信息。从人力资源的角度来看，跨部门共享知识和想法也是非常好的。”
问：根据您对这个项目的经验，现在有什么变化吗？
“当我意识到累积数据的价值时，我对数据的处理方式就发生了变化。我现在考虑的是如何从大量数据中提取知识，因此我对如何利用数据有不同的看法。”
“我现在更频繁地使用电子表格软件。我曾经认为数据之间没有相关性，但现在知道通过仔细分析使用分层和其他功能可以发现数据之间的关系。”
“我开始要求现场操作人员尽可能提供确实数据来解释工厂发生的事情。以前只使用‘热’或‘冷‘等描述字眼的操作人员开始使用数字数据做支撑提供更多具体的解释。”
“非生产性任务被取消，大大减少了操作员的工作负荷。”
问：您以后还想尝试分析吗？
“我们已经分析了另一个配方。与其他部门人员讨论的机会也在增加。”
“以观察项目列表为参考，我们一直在使用实验室和实际生产设备测试各种物品。多亏了这份列表，我们能够顺利地进行分析，而且没有什么偏差。”
“研究实验室又开发了一个复杂的新配方！这个事情很艰巨，也很难完成，但是铜鼓偶利用这个分析项目获得的知识，我们将能够继续生产高质量的产品。”
“尽管在现场检索生产数据的工作很麻烦，但我喜欢这个项目。很有意思！”
横河电机工程师Tomotaka Maki：
“关于住友精工的分析解决方案，我是负责从最初的促销阶段到项目完成的所有事情，并进行了实际的分析工作。
如果客户没有改善的强烈愿望，并且没有发挥领导作用，那么过程数据分析就不会有很好的效果。在我们开始一个项目之前，很难预测以后会怎么样。从一开始，上村先生就花了很多时间来了解横河的活动，并从不同的部门指派了知识渊博的人员来负责该项目。我真的很感激他的良好合作。
我希望分析理念能在住友精工取得成功。过程知识和数据分析技术的融合有助于提高质量和操作效率。希望项目成员继续积极创新。我也相信，他们获得的数据分析经验是非常有益的，并且他们对改进的地方也会很有成就感。”
后排（左起）
Mr. Takenaka (Administrative Office)
Mr. Matsuura (Functional Polymers Section)
Mr. Maki (Yokogawa)
Mr. Yamaguchi (Functional Polymers Section, project leader)
Mr. Murakami (Functional Chemicals Research Laboratory)
前排（左起）
Mr. Endo (Technical Office)
Mr. Masui (Functional Polymers Section)
Mr. Tatsumi (Technical Office)
