我们正处于数据——大数据时代，这应该是好事。但我们收集的数据量之大可能会令人难以承受；它的意义和用途可能会成为负担，有时只会成为更多的干扰信息。在所有数据转变为可操作信息之前都是干扰信息。从这个角度来看，收集数据的目标应该是减少干扰信息，以产生有意义信息的方式组织数据，这些信息可以用来改进工艺。随着制造业朝着工业4.0的未来进一步发展，本文提供了一个测验，可以衡量公司在利用数据产生有意义的影响方面所处的水平。每个答案都有分值；在测验结束时，可将所得的分数加起来。
1.如何收集检验数据？人工（1），自动（2）
人工收集数据可能会很麻烦且耗时。自动化收集数据的效率要高得多，但必须注意，如果无选择性地收集数据，数据量可能会产生大量干扰信息。
2.是否使用统计工艺控制（SPC）？否（1），是（2）
SPC是很好的方法，可以未雨绸缪地应对制造问题，并在问题出现时及时加以解决。实施SPC的公司出现的返工和废品更少。
3.SPC是在线还是离线？无SPC（0），离线（1），在线（2）
在线SPC可以更快地响应潜在问题。尽早解决问题可以减少浪费。
4.你的生产线的所有数据都可以在一个中心位置得到吗？否（1），是（2）
集中数据收集是高效的，有助于识别设备之间的数据关联性。
5.数据目前是否用于诊断生产线中的问题？否（1），是（2）
这就是数据的真正力量。同样，当数据被收集和过滤，目的是产生影响过程的可操作信息时，它产生了效率，否则只能通过运气来实现，众所周知这是非常危险的策略。
6.生产线诊断是自动完成还是人工完成？人工（1）、自动（2）
“时间就是金钱”这句格言的最好体现是及早发现制造问题并立即解决问题。
7.数据分析导致的制造工艺调整是自动完成还是人工完成？人工（1）、自动（2）
自动化数据收集、分析、决策和实施可实现最大效率和最小浪费。
8.从清洁到最终检验，在线收集的所有数据是否都可以在易于阅读的操作面板上获得？否（1），是（2）
将操作面板上的数据可视化是识别生产线上设备之间有意义关系的另一佳机。
9.其他部门的数据是否与制造数据集成？否（1），是（2）
结合销售和采购等其他部门的数据，可以进一步支持决策和效率。
10.数据展示是否适合其预期受众？否（1），是（2）
例如，与经理相关的数据可能与最高管理层相关的数据不同。为接收数据者量身定制的数据是减少干扰信息和改进决策的好方法。
给测验打分很简单。如果你还没有猜到，每个回答后有“（1）”的得1分，每个回答后有“（2）”的得2分。
10-13：不要自责，但也许可以以此作为警钟。
14-16：公司已走在正确的轨道上，但仍有一些效率有待提高。
17-20：公司在最佳实践方面处于行业领先地位。非常棒！
收集和组织数据既有益又令人生畏。对数据进行战略性思考，重点是使其具有意义和可操作性，这对于在现代制造业中保持竞争力非常重要。在最近与Philip Stoten的一次谈话中，他谈到了“有数据者和无数据者”的未来。希望这个测验能帮助确保贵公司成为前者而不是后者。
Bill Cardoso博士任Creative Electron公司CEO。
