塔塔鋼鐵公司（Tata Steel）的印度卡林迦納加工廠將鋼水鑄成固體鋼材之前，一線操作人員會使金屬進入一個稱為過熱處理的流程，這是將鋼水加熱至合適溫度以進行鑄造所必需的過程。過熱處理可能是一個很難正確操作的過程。鋼在過熱處理流程中會達到1600攝氏度以上，理想的溫度範圍僅為15攝氏度。如果鋼材出來的溫度過高，則裝置操作人員必須放慢鑄造流程。如果鋼材的溫度不夠高，則在其被鑄造成型之前就發生“凝固”，這會影響其質量。

二次冶金站的一線操作人員習慣於基於過去的經驗來操作該過熱處理流程。他們會參考儲存有標準公式的控制系統的提示資訊，然後決定使用哪些設定值，以使鋼材溫度最終達到目標範圍。大多數情況下，他們會將每三批鋼中的兩批加熱到最佳溫度範圍。該“成功率”使他們每天可以完成25次“加熱”，但這也留出了提升的空間。將成功率提高到85%左右，這會導致每天可加熱28到30次，足以將產量提高大約8%至12%，即每天600至900噸。

這一機會對於工廠經理來說很重要，他們已經被要求透過高階分析技術來提高工廠績效。在2017年初，他們制定了一個構建分析模型的計劃，這將幫助一線操作人員從過熱處理流程和其他幾項操作中獲得更好的結果。塔塔鋼鐵公司和麥肯錫公司（McKinsey）的資料科學家利用該工廠的歷史資訊來構建和“訓練”過熱最佳化模型，該模型會檢查實時執行資料，並會推薦有助於提高成功率的流程設定值。此外，管理人員還安排了一些員工去接受資料科學、資料工程和其他高階分析學科的課堂培訓。

最初，該過熱模型給出了可持續提高成功率的一些設定。但由於客戶的鋼鐵訂單種類開始不同於該模型的訓練資料中記錄的訂單種類，因此該模型開始產生錯誤的建議——一線操作人員不再遵循這些建議。那些參加過課堂培訓的員工試圖修復該模型，但發現問題過於複雜，而無法使用他們學到的基本技能予以解決。在該工廠中其他地方使用的該模型也遇到了類似的困難。

儘管遭遇了挫折，管理人員還是看到了高階分析模型如何降低成本和提高產量。管理人員還意識到，僅靠課堂培訓並不能使員工維持這些績效的提升。管理人員得出的結論是，公司需要進一步培養員工的分析技能，並改變他們的工作方式。他們的見解得到了回報。透過培養這些能力，該工廠使其績效提高到世界一流水平，並在2019年7月贏得了世界經濟論壇的讚譽，成為44家在採用第四次工業革命技術方面處於燈塔地位的公司之一。

為分析技術做準備，遠遠超前於時代

塔塔鋼鐵公司多年來一直致力於培養卡林迦納加工廠的分析能力，這可以追溯到高管們在2005年做出的一項決定，當時該工廠正在進行初期設計和建造。當時，分析技術距離實際應用到業務中還需要數年時間。儘管如此，塔塔鋼鐵公司的高管仍在考慮是否應該為工廠配備一些儀器和感測器來監控裝置和流程。

他們的決定還不像現在這樣明確——如今，遙感裝置已不那麼昂貴，並且先進的分析技術已被廣泛採用。但一些高管和經理已預見到，花錢購買資料收集裝置將是值得的，儘管當時還不清楚如何使用這些資料。該工廠時任電氣維護負責人阿米特·庫馬爾·查特吉（Amit Kumar Chatterjee）是推動進行早期投資的人之一，甚至他也承認，當時還不清楚高階分析技術的潛在應用。

“除了可能用於自動過程控制之外，我們沒有想過如何使用這些資料。我們生活在物理學的世界中，其中經驗和方程式最為重要。資料科學甚至還沒有出現，”查特吉說。甚至工廠裝置製造商也拒絕增加儀器。“儘管如此，我們仍然認為在那個階段應該安裝感測器，因為我們認為，當我們清楚資料的用途之後，再去安裝感測器會變得困難得多。”

到2010年代中期，卡林迦納加工廠的領導們開始仔細研究如何利用工廠感測器所收集到的資料。2015年，塔塔鋼鐵公司總經理納倫德蘭（T。 V。 Narendran）制定了一個10億美元的成本最佳化目標，並呼籲公司各工廠的負責人為實現該目標制定一個路線圖。他建議，提高績效的一種方法是利用數字技術做更多的工作。硬體和資料科學領域的進步使企業能更容易獲取大資料集，發現一些模式，並做出預測，以幫助他們提高績效。

卡林迦納加工廠的領導們對其工廠如何應用資料科學展開了自己的調查。2016年，他們前往德國，參觀了科技初創公司和大型知名企業，以進一步瞭解資料科學可以做什麼。次年年初，該工廠的領導們決定在卡林迦納加啟動一項高階分析專案。

啟動分析技術轉型

卡林迦納加的高階管理人員決定在幾個試點專案中嘗試使用高階分析技術。在為期兩天的研討會中，管理人員和運營專家與麥肯錫公司專家合作，找到了十種分析技術的可能用途，然後選擇側重於其中三個用途——其中一個涉及工廠二次冶金站的過熱處理流程。管理人員希望構建一個高階分析模型，可以評估工廠內的執行條件，然後計算出過熱處理流程中需要施加多少熱量，以使鋼材能達到目標溫度範圍。

研究過熱模型的團隊試圖找出哪些變數是鋼材最終溫度的最重要決定因素，從而瞭解操作人員該如何提高成功率。他們彙總了兩年的工作資料，這些資料是由感測器生成或在日誌中由手工記錄的。資料科學家編寫了一些演算法使關鍵因素相關聯：鋼材到達二次冶金站時的狀態測量，操作人員在過熱處理過程中要調整的裝置設定，以及在工作週期中不能進行調整，但可能會隨著時間而改變的其他設定（例如最大氧氣流量，受到已安裝的裝置限制）。

兩週後，該團隊建立了一個模型，該模型能夠以75%的準確率預測一組建議的設定值是否會使鋼水在所需溫度範圍內到達鑄造站。其他兩個試點專案團隊也建立了一些具有相似可靠性的模型。儘管這些模型尚未在工廠車間進行測試，但初步結果已使卡林迦納加工廠的領導們信服，擴大了分析工作規模，並建立了員工會實際使用的一些模型。

2017年9月，領導們提出了五個運營領域，他們希望在這幾個領域提升工廠的關鍵績效指標（能耗、生產量、質量和利潤），並認為分析技術會有所幫助。他們決定將過熱模型的工作繼續推進至專案的第一個完整階段。這五個領域有可能每年總共提高1000萬美元的利潤。

不斷提升

隨著運營團隊和分析專家建立第一階段的模型，卡林迦納加的領導們啟動了一項工作，開始對約130名員工（其中包括四分之一的管理人員）進行分析技術的培訓。透過與麥肯錫公司的合作，該工廠建立了一個入門級分析學院，配備了15名教員，併為五個崗位角色設計了50小時的課程：數字大使、專案負責人、業務轉型總監、資料科學家和資料工程師。學員們根據自己的崗位角色職責進行一些簡單的練習。

儘管第一階段的那些模型在一段時間內執行良好，但由於工廠中的執行條件與模型最初進行最佳化的條件發生變化，這些模型開始出現問題。曾在該學院學習過的員工試圖修復這些模型，但無法利用他們當時所學的基本方法來完成這一工作。他們還沒有在分析專案上做過學徒，這會給他們提供一些具有實踐經驗的再培訓模型。他們只是需要在更現實的環境中接觸分析技術。

一線操作人員在嘗試開始使用這些模型時，挑戰也隨之而來。卡林迦納加的高爐操作主管Shailendra Rai回憶道，操作人員從未對設計用於提高高爐穩定性的模型感到滿意：“大多數人要花20或30年的時間來學習如何操作高爐。他們認為該模型會是一個神奇的解決方案。但當該模型的初期產量與他們的想法不符時，他們無法理解原因。他們不相信該模型是可行的，也不給予支援。”

加倍提升能力

模型構建工作證實了卡林迦納加的領導們所期望的那樣：分析技術可以帶來顯著且有價值的績效提升。分析技術還說服領導者對員工的能力做進一步的投資，這樣他們就能夠維持績效的提升，並將分析技術應用於其他領域。在2018年年中，領導們選擇啟動該專案的第二階段，在該階段，分析專家和一線操作人員在麥肯錫公司的幫助下開發和實施一些模型，以幫助他們做出決策，並接受分析技術方面的實踐培訓。

對於構建過熱模型的團隊，塔塔鋼鐵公司的分析專家們對他們在該學院學過的技能參加了複習課程。然後，他們被指派與麥肯錫公司一些有經驗的從業者合作，執行某些開發任務——增強使用者介面功能，簡化資料庫，重新訓練模型，部署新的建模技術和方法。透過讓員工從事這些實際工作，管理人員就使他們具備自行建立分析模型的能力。

分析專家還花了更多時間與控制二次冶金站過熱處理流程的員工一起工作。他們詢問了有關該流程的更多問題，以對模型進行微調。專家們觀察了操作人員的工作，並與他們討論瞭如何使模型更易於使用。操作人員列舉了分析團隊已幫助解決的許多困難，從計算機硬體的故障到使用者介面過於複雜。分析團隊解釋了他們如何開發該模型，以及該模型如何工作，因為他們希望操作人員能夠相信模型所提供的建議。

“卡林迦納加的所有員工都接受過培訓，可以根據他們的經驗做出決定。當出現問題時，他們會嘗試使用物理方程式來解決——投入原材料和熱量，獲得一定的產出量。他們確實會檢視資料。但利用資料科學，他們能夠比我們利用物理科學將更多的資料點聯絡起來。即使他們沒有物理方程式來解釋為何會發生某些事情，他們仍然可以透過資料來弄清楚。這是一個必須建立起來的新的信念體系，”查特吉說。

大約六個月後，過熱模型團隊構建了一個能夠推薦處理流程設定值的模型，該設定值可將過熱處理流程的成功率提高到90%。現在是時候讓一線操作人員開始常態化使用該模型了。管理人員會跟蹤誰使用了該模型，誰沒有使用，併為那些最忠實的使用者所取得的業績進行慶祝。在幾個月內，員工們從遵循該模型所提供的60%的建議上升到85%。

擴充套件分析技術的規模

當第二階段結束時，工廠領導層再次提高了標準。他們呼籲開始第三階段，在該階段中，塔塔鋼鐵公司的員工將選擇、領導和交付與工廠主要領域（核心流程、電力和公用裝置）相關的分析專案。麥肯錫公司的顧問將在以員工為主導的專案團隊中擔任指導角色。為了集中精力，這些團隊為25以上的績效指標設定了改進目標，例如該廠高爐每天生產的生鐵噸數。由於其中一些指標與過熱處理流程有關，因此再次成為分析工作的優先事項。

工廠的分析專家當時已經掌握足夠多的資料科學知識了，可以負責過熱模型。他們縮小了目標溫度範圍。他們還能夠預測二次冶金站和鑄造站之間將發生多大程度的冷卻過程。這有助於操作人員更好地控制轉移過程，提高產量。一線操作人員更加嚴格地遵循了該模型的建議。因此，該過熱模型使每年的成本節省了400萬美元，這也是該分析專案最初所預估的數值。

在工廠其他地方也產生了類似的收益。對於超過25個績效指標中的每一個，團隊至少實現了80%的預定改進目標。他們的工作創造了7，000萬至8，000萬美元的價值，並使息稅折舊攤銷前利潤（EBITDA1）提升了2-3個百分點。2019年7月，世界經濟論壇宣佈，第四次工業革命的一個獨立專家小組已認定卡林迦納加工廠的數字化成就處於領先地位，並將其命名為燈塔工廠，這使其成為印度第一家這樣的工廠。

放眼未來

卡林迦納加工廠現在擁有30多名分析專家，其中包括資料科學家和業務轉型總監。最有經驗的人員已成為內部講師和教練，負責幫助其他同事學習資料科學、業務案例開發和其他關鍵領域的新技能。

分析學知識也滲透到工廠的日常工作中，改變了許多員工解決問題的方式。正如高爐操作主管Shailendra Rai所說：“如果您與五位高爐操作人員交談，他們對於如何解決問題會有五種不同的看法。在某種程度上，所有這五種看法都是正確的——每個人的說法都是基於他們自己的經驗。但是藉助分析模型，人們變得更加以資料為導向。他們無需爭論正確的答案，而是可以深入挖掘資料，然後找到答案，並建立一個分析模型來提供決策支援。”

有了這些能力，管理人員已經設計出20多個其他用例，而且正在加強那些已部署分析技術的環節的使用工作。對於塔塔鋼鐵公司的卡林迦納加工廠而言，分析技術已不僅僅是一個回答問題的工具——它已經是該工廠運營和文化不可或缺的一部分。