宝洁是如何利用JMP实现虚拟产品技术与大数据分析的有机结合

admin

宝洁创于1837年，是全球最大的日用消费品公司之一，全球员工近110,000人。宝洁在日用化学品市场上知名度相当高，其产品包括洗发、护发、护肤用品、化妆品、婴儿护理产品、妇女卫生用品、医药、食品、饮料、织物、家居护理、个人清洁用品及电池等。

作为全世界最大的日用消费品公司之一，宝洁每年都会有大量的供应商数据、渠道销售数据、库存数据、消费者的购买行为数据、产品数据等。为了达到目标——销售增长、毛利润提高、资产利用率优化，宝洁公司需要对这些数据进行分析，作出决策，以便日后采取适当的行动。

为此，宝洁公司引入高端质量管理统计分析和模拟软件JMP。JMP主要用于实现统计分析。JMP的算法源于SAS，特别强调以统计方法的实际应用为导向，交互性、可视化能力强，使用方便，尤其适合非统计专业背景的数据分析人员使用，在同类软件中有较大的优势。

那么，JMP在宝洁中有何应用？

n 建模和模拟社群

ü 铁杆建模者:统计学家、结构分析、CFD分析,化学工程、可靠性工程、生产计划

ü 激情从业者:产品研究、配方开发、包装开发、过程开发、工程、生产计划、业务分析、消费者研究

n JMP是用于建模和模拟社群中最受欢迎的软件之一

ü 宝洁公司内部网设有 JMP网站和用户论坛

ü 专用软件所有者

ü 培训和案例分享

为什么是JMP呢？

ü 图形用户界面

ü 实验设计

ü 数据可视化

ü 强大的回归和预测工具集

ü 脚本

JMP是如何帮助的？

方法	研究目标
多重比较    等效测试	方案A是否优于B/C/D？    A/B/C/D生产线的产品是否相同？    自动检验比手工检查是增加还是减少故障率？
偏最小二乘回归	如果在方案中元素A和B的X发生改变，会如何影响消费者偏好
预测分析器和模拟器	短期和长期的操作中均值和标准差有何不同的预期？

下面将分享一个案例，具体介绍JMP在宝洁中的应用

案例分享：揭示包装密封性

Ø 包装密封性高度改正消费者偏好

Ø 包装密封性受上游工序随机性的高度影响

Ø 一系列的密封性制造能够保证什么？

案例流程

Ø 挖掘历史数据

Ø 虚拟包/基本模型验证

Ø 批量模型（实验设计）

Ø 回归，预测和模拟

历史数据挖掘

假定包装的紧密性是由IBC和FBW这两个指标决定的，而影响这两个指标的变量有FPL、FPT和FPW，从历史数据中挖掘出与这些指标、变量相关的记录。

下表是三种不同包装（LVR-T1-8、lsadora-S1-18和Luna-S3-12turned）的记录个数和FPL、FPT的分布。

l 数据<>信息

从下表可以看出，在95%置信水平下，S1中FPL和FPT相关，而S2、S3中FPL和FPT 不相关。

Size	相关系数：FPT-FPL	P值（两两相关）	95%置信水平相关	90%置信水平相关
S1	-0.2863	0.0358	是	是
S2	-0.3857	0.0842	否	是
S3	-0.2438	0.1520	否	否

虚拟包

l 有限元分析

l 验证

对于第二种包装lsadora-S1-18，通过有限元分析模拟FBW与FPL的一元线性回归方程，下图是关于FBW与FPL的历史记录以及模型预测的折线图。从图中可以看出，模型拟合效果较好。

实验设计

l  完整的阶乘3x3x3

在有限元分析的前提下，设计完整的阶乘3x3x3的实验，就可以模拟在其他情况下，FBW与FPT、FPW，IBC与FPL、FPT、FPW各自的一元线性回归方程关系式。得到如下图所示的结果。

回归和预测分析器

蒙特卡罗模拟

Ø  根据IBC、FBW与FPL、FPT、FPW各自的关系式以及FPL、FPT、FPW的分布，用蒙特卡罗模拟随机产生500000条记录，运行结果显示密封性作为上游工序随机性的结果是如何分布的，下面是结果的一部分。

ü  (Package 1) 均值=15.5%, 标准差=0.932%，有 0.38%比例的IBC没有落入13%至19%的范围。

ü  (Package 2) 均值=14.2%, 标准差=1.014%，有 0.35%比例的IBC没有落入11%至17%的范围。

ü  (Package 3) 均值=11%, 标准差=1.3%，有 0.356%比例的IBC没有落入8%至15%的范围。

总结

所有建模工作的最终目标:业务决策

ü  假设和设想

ü  简单模型是vs.复杂模型

ü  模型验证

关注JMP微信公众号，了解更多：