我國制造行業(yè)的發(fā)展態(tài)勢與機(jī)會

       制造業(yè)是實體經(jīng)濟(jì)的基礎(chǔ)，是未來經(jīng)濟(jì)高質(zhì)量發(fā)展的關(guān)鍵。在面向數(shù)字經(jīng)濟(jì)時代的全球競爭中，依托數(shù)字技術(shù)發(fā)展更高水平、更有競爭力的先進(jìn)制造業(yè)，已然成為各國的戰(zhàn)略共識。近年來，德國提出了“工業(yè) 4.0”規(guī)劃，美國提出了“國家制造創(chuàng)新網(wǎng)絡(luò)”，日本提出了“創(chuàng)新產(chǎn)業(yè)結(jié)構(gòu)計劃”，中國也提出了“中國制造2025”發(fā)展規(guī)劃，其共同點是充分運(yùn)用物聯(lián)網(wǎng)、5G 通信、機(jī)器人、人工智能等技術(shù)手段提升制造行業(yè)的智能化、無人化程度。

       在此背景下，作為制造大國，我國制造業(yè)也迎來了新的發(fā)展。根據(jù)資料表明，截止到2021年，我國制造業(yè)增加值占GDP比重達(dá)到27.4%同比提高了1.1個百分點，2021年也是我國制造業(yè)增加值排名連續(xù)第12年位居世界首位。

       我國制造業(yè)蓬勃發(fā)展的同時，也出現(xiàn)了一部分制造外流的現(xiàn)象。受到部分成本優(yōu)勢削弱、政策退坡等因素的驅(qū)動，部分中低端產(chǎn)業(yè)流至越南、印尼等東南亞國家，疊加目前國內(nèi)疫情管控升級，對部分行業(yè)的供應(yīng)鏈造成一定影響。

       與此同時，我國制造業(yè)發(fā)展也遇到了一些瓶頸。目前部分產(chǎn)業(yè)仍處于全球價值鏈的中低端，產(chǎn)品附加值較低。比如我國的芯片就存在“卡脖子”的現(xiàn)象，此外在航空工業(yè)、集成電路、高端數(shù)控機(jī)床、農(nóng)業(yè) 機(jī)械、高性能醫(yī)療機(jī)械等領(lǐng)域的核心技術(shù)仍與發(fā)達(dá)國家存在一定的差距，缺乏核心競爭力。同時企業(yè)在環(huán)保上重視程度也比較低，存在“高能耗、高排放、高污染”現(xiàn)象。

制造企業(yè)數(shù)字化轉(zhuǎn)型如何去邁出第一步

       制造業(yè)數(shù)字化轉(zhuǎn)型，是戰(zhàn)略主導(dǎo)下的業(yè)務(wù)變革，是數(shù)據(jù)驅(qū)動、智能助力的研發(fā)、生產(chǎn)、運(yùn)營、服務(wù)改善，最終推進(jìn)盈利模式優(yōu)化和用戶體驗提升。它需要推動業(yè)務(wù)與系統(tǒng)雙向融合，以數(shù)字化為核心，借助網(wǎng)絡(luò)化手段，實現(xiàn)智能化賦能，保證產(chǎn)品和服務(wù)高效保質(zhì)交付，持續(xù)提升企業(yè)核心競爭力。三個核心點就是實現(xiàn)戰(zhàn)略變革，提升企業(yè)運(yùn)營的效率，提升用戶體驗。

       如何把數(shù)據(jù)利用起來，實現(xiàn)數(shù)據(jù)驅(qū)動業(yè)務(wù)，數(shù)字化轉(zhuǎn)型的第一步。但制造業(yè)在數(shù)據(jù)應(yīng)用時存在普遍的痛點：

       1、數(shù)據(jù)孤島

       制造企業(yè)由生產(chǎn)到銷售的鏈路長、環(huán)節(jié)多，數(shù)據(jù)存在分散在不同系統(tǒng)、數(shù)據(jù)口徑不一致、數(shù)據(jù)顆粒度粗、更新頻率低等問題。企業(yè)內(nèi)外部數(shù)據(jù)相互分散，數(shù)據(jù)的口徑和質(zhì)量不一致，導(dǎo)致在業(yè)務(wù)人員在對數(shù)據(jù)進(jìn)行分析時，需要耗費大量的時間對不同系統(tǒng)中的數(shù)據(jù)進(jìn)行整合與清洗，甚至出現(xiàn)數(shù)據(jù)大量缺失的問題，最終結(jié)果缺乏準(zhǔn)確性。

       2、數(shù)據(jù)應(yīng)用不足

       制造業(yè)企業(yè)數(shù)字化起步相對較晚，數(shù)據(jù)在實際業(yè)務(wù)中的應(yīng)用少，業(yè)務(wù)價值尚未被充分驗證。企業(yè)內(nèi)對數(shù)據(jù)的應(yīng)用多為簡單的數(shù)據(jù)收集、統(tǒng)計、對比，對數(shù)據(jù)進(jìn)行深挖與洞察方面仍存在大量不足，未能將數(shù)據(jù)分析方法與實際業(yè)務(wù)場景決策、流程相結(jié)合，缺乏數(shù)據(jù)應(yīng)用實踐案例。

       3、數(shù)據(jù)價值抑制

       多重因素導(dǎo)致企業(yè)的數(shù)據(jù)價值被抑制，難以用數(shù)據(jù)指導(dǎo)業(yè)務(wù)。

       針對這些問題，BI因其簡潔易用、快速變現(xiàn)等特征成為了各大企業(yè)關(guān)注的焦點。BI的優(yōu)點是可以實現(xiàn)對不同來源的數(shù)據(jù)進(jìn)行整合解決數(shù)據(jù)孤島，可以利用BI里的數(shù)據(jù)分析方法和數(shù)據(jù)處理的技術(shù)讓業(yè)務(wù)人員將業(yè)務(wù)經(jīng)驗和數(shù)據(jù)有效的結(jié)合形成數(shù)據(jù)應(yīng)用，除此之外也可通過分析和查詢的工具準(zhǔn)確快速的提供各種報表和看板，為企業(yè)提供決策支持，發(fā)揮數(shù)據(jù)的價值。

       利用BI實現(xiàn)數(shù)據(jù)驅(qū)動業(yè)務(wù)增長通常分為 4 個階段：結(jié)果監(jiān)控、問題診斷、決策支持、智能預(yù)測。

       1、結(jié)果監(jiān)控

       對當(dāng)前的業(yè)務(wù)對象及時準(zhǔn)確的監(jiān)控，對出現(xiàn)異常情況能預(yù)警提示。在這個層級里面，需要不斷去看結(jié)果指標(biāo)；幫助及時監(jiān)控業(yè)務(wù)狀況，提高監(jiān)管效率，實現(xiàn)智慧運(yùn)營。

       以一家手機(jī)制造業(yè)的可視化分析為例。通過BI對車間的生產(chǎn)進(jìn)行監(jiān)控，搭建指標(biāo)，了解計劃達(dá)成率、生產(chǎn)線是否正常、各車間工位的產(chǎn)量是否達(dá)標(biāo)，通過這樣的監(jiān)控可以直接讓工廠的領(lǐng)導(dǎo)知道生產(chǎn)的現(xiàn)狀，哪些存在問題。

       2、問題診斷

       只是看結(jié)果還不夠，還需要快速找到業(yè)務(wù)問題所在。結(jié)合場景業(yè)務(wù)邏輯，還有數(shù)據(jù)，通過多維分析方式，逐層洞察數(shù)據(jù)，快速定位業(yè)務(wù)問題。其中還能預(yù)設(shè)規(guī)則，高亮預(yù)警逾期業(yè)務(wù)環(huán)節(jié)。幫助問題快速溯源，提升問題診斷效率。

       以一家家電企業(yè)為例。產(chǎn)品交期是一家企業(yè)生產(chǎn)能力的重要體現(xiàn)，也是生產(chǎn)管理者最為關(guān)注的重要指標(biāo)，同時也因其復(fù)雜的影響因素，而讓管理者無從下手。該企業(yè)交期指標(biāo)由平均交期、交期達(dá)標(biāo)率、平均影響天數(shù)和不達(dá)標(biāo)訂單數(shù)構(gòu)成。當(dāng)平均交期不理想時，可以進(jìn)行問題的下鉆診斷，查找到是因為儀表生產(chǎn)線的原因?qū)е缕骄黄谧冮L，而儀表生產(chǎn)線則是因為在財務(wù)審核過程過長導(dǎo)致，從而追溯到影響產(chǎn)品交期的根本原因，幫助企業(yè)采取更有針對性的措施，以提高產(chǎn)品交期效率。

       3、決策支持

       找到問題還不是根本目標(biāo)，根本目標(biāo)是找到解決問題的方法，幫助決策支持。什么叫“真正的決策支持”？就是能從依托數(shù)據(jù)直接找到?jīng)Q策方法。

       以一家家居企業(yè)為例，以采購經(jīng)理為視角，每天上班最關(guān)心的問題是：

       哪些商品型號/物料今天需要下采購訂單？

       下給哪家供應(yīng)商？

       下多少數(shù)量？

       供應(yīng)商有多大可能延期交貨？

       以商品“北歐簡易布藝沙發(fā)為例”，當(dāng)點擊此類商品會進(jìn)行聯(lián)動分析。通過庫存變化趨勢發(fā)現(xiàn)，如果不予補(bǔ)給，第7天北歐簡易布藝沙發(fā)的庫存量將下降至安全庫存值以下。通過類似的方法，這就能回答“哪些商品型號/物料今天需要下采購訂單？“這個問題。

       接下來要需要看的是下給哪家供應(yīng)商？下多少數(shù)量以及供應(yīng)商有多大可能延期交貨。

       假設(shè)下單數(shù)量為500，通過供應(yīng)商信息可以發(fā)現(xiàn)，從最小下單要求來看，A/B/C三家供應(yīng)商都滿足；通過紅燈高亮預(yù)警，進(jìn)一步發(fā)現(xiàn)供應(yīng)商A當(dāng)前處于“忙“的狀態(tài)，而需要7天內(nèi)供貨，所以從供應(yīng)商交期安全角度，可排除A。

       再從供應(yīng)商歷史交貨準(zhǔn)確率角度，可以優(yōu)先選擇B。如果前提是想有更大庫存冗余，比如700的數(shù)量，那么有一部分?jǐn)?shù)量就不是那么緊迫，從供應(yīng)商平衡角度，可以考慮下500給B，將剩余的200下給C。

       從采購經(jīng)理角度，原來通過查看各類表單數(shù)據(jù)甚至打電話逐一確認(rèn)，最快也要20、30分鐘，現(xiàn)在通過BI用1分鐘就可以完成，也就意味著決策效率比以前提升了幾十倍。

       4、智能預(yù)測

       除了利用當(dāng)前或者歷史的數(shù)據(jù)幫助發(fā)現(xiàn)目前業(yè)務(wù)中的問題，找到原因，輔助領(lǐng)導(dǎo)做決策支持，還可以利用歷史數(shù)據(jù)建立AI模型對未來進(jìn)行預(yù)測，比如在制造業(yè)里預(yù)測哪些設(shè)備可能存在故障等。

       以一家風(fēng)機(jī)企業(yè)為例。一般來說，風(fēng)機(jī)的壽命是20年。大部分風(fēng)機(jī)質(zhì)保在最初運(yùn)行的兩到五年，而且風(fēng)機(jī)的維護(hù)模式多以“被動式運(yùn)維”為主，主要依靠現(xiàn)場工作人員進(jìn)行定期維護(hù)和故障檢修。單純靠人工蹲點維護(hù)，運(yùn)維成本極高，也容易出現(xiàn)由于人員水平不一導(dǎo)致的發(fā)電損失甚至運(yùn)行安全問題。

       在這種情況下就希望建立一個預(yù)測模型，幫助及時發(fā)現(xiàn)風(fēng)機(jī)的故障。首先確定需求，然后收集數(shù)據(jù)，做數(shù)據(jù)清洗、預(yù)處理、特征工程，最后利用AI算法建模，進(jìn)行模型的部署，最后模型的準(zhǔn)確率可達(dá)80% 左右。有了這樣的智能預(yù)測，就可以提前知道哪些風(fēng)機(jī)有故障，有針對的維修，減少人員和時間的成本。

來源：數(shù)字化轉(zhuǎn)型研習(xí)社