大数据颠覆传统制造的10条途径

麦肯锡咨询公司发布了《如何利用大数据改进制造业》的文章，就大数据及高级分析如何使生物制药、化工和离散制造更加合理化给出了深度分析。文章特别提到，那些身处基于过程的行业的制造商如何利用高级分析来提高产量并且降低费用。今天，制造商可以对大量来自生产和销售过程中的数据进行追踪。麦肯锡的文章通过对数个案例进行解析，以此来说明大数据以及高级分析应用和平台如何能够为经营决策提供帮助。

下面文章阐明，通过寻找决定过程效益的核心因素，大数据与在其上进行的高级分析如何厘清制造中的价值链，然后帮助管理人员采取行动，以便对制造过程进行持续改进。下面是关于大数据如何颠覆制造过程的10条途径：

在生物制药行业的生产过程中，进一步提高精确度、质量和产量。在生物制药的生产流程中，制造商通常需要对超过200种以上的变量进行监视，以便确保原料成分的纯净度，同时确保生产出的药品符合标准。让生物制药生产过程充满挑战的因素之一是：产量会在50%至100%之间变化，而且还无法马上辨别出原因。而使用高级分析，制造商能够对9个最能够影响产量变化的变量进行追踪。通过上述手段的帮助，他们将疫苗的产量提高了50%，每年在单一疫苗品种上节省的费用就达到500万至1000万美元。

加快IT、制造与营运的整合，让工业4.0的愿景更快成为现实。工业4.0是由德国政府提出，旨在通过发展智能工厂，促进制造行业自动化。根据供应商、客户、有效产能以及费用的相关约束，大数据已经被用在优化生产进度方面。那些存在高度管制的行业里的制造业价值链上的厂商得益于德国供应商和制造商的帮助，正在大踏步迈向工业4.0。同时，以此为契机，这些厂商的各个部门能够充分发挥各自功能，而大数据和高级分析对于取得成功来说至关重要。

大数据帮助提高制造绩效的3个主要方面分别是：更好的预测产品需求并调整产能（46%），跨多重指标理解工厂绩效（45%）以及更快地为消费者提供服务与支持（39%）。上述数据是根据“LNS研究与MESA国际”的近期调查得出的。

在六西格玛DMAIC（定义、测量、分析、改进及控制）框架中整合高级分析，以便持续改进。对一个由DMAIC驱动的改进计划的工作过程取得更加深入的理解，同时就该计划如何对制造绩效的所有其他领域造成的影响进行深入领会。与以往相比，这一领域的发展有望促使生产流程转向更加面向消费者驱动的方向。

与以往相比，能够更加细致地从供应商质量层面进行审视，同时能够更加精确地预测供应商的绩效。通过对大数据和高级分析的应用，制造商能够实时查看产品质量和配送准确度，对如何依据时间紧迫性在不同供应商之间分配订单生产任务进行权衡。对产品品质的管控优先于发货进度。

对产品合规性进行监测并且追溯到具体生产设备成为可能。通过在生产中心的所有设备上配备传感器，运营经理能够立即了解每一台设备的状况。通过高级分析，每台设备及其操作者的工况、绩效以及技能差异能够得以体现。对于改进生产中心的工作流程来说，这些数据非常重要。

只销售利润率最大的定制产品型号，或者以以销定产方式生产对产能影响最小的产品型号。对于拥有许多复杂产品型号的制造商来说，定制产品或者以销定产的产品能够带来更高的毛利率，但是在生产过程没有被合理规划的情形下，同样可能导致生产费用的急剧上升。运用高级分析，制造商能够计算出合理的生产计划，以便在生产上述定制或以销定产的产品时，对目前的生产计划产生最小程度的影响，进而将规划分析具体到设备运行计划、人员以及店面级别。

将质量管理和合规体系综合考虑并给予两者企业层面优先级。对于制造商来说，是时候针对产品质量和合规性给予更具战略性的眼光了。麦肯锡的文章给出了数个应用大数据和分析的制造商的例子，指出如何通过大数据以及分析手段，针对那些与产品质量管理和合规性最相关的参数进行分析，以便帮助管理人员获得更加深刻的理解。这些参数中的大部分是企业层面的，而不仅仅存在于产品质量管理或者合规部门。

量化每日产能对企业财务状况的影响并具体到生产设备层面。通过大数据和高级分析，制造商的财务状况和每日生产活动能够直接联系起来。通过对每台生产设备进行追踪，管理者能够了解工厂的运转效率，生产规划负责人和高级管理人员能够更好地调整生产规模。

通过对产品进行监测，制造商能够主动为客户提供预防性维护建议，以便提供更好的服务。制造商开始生产更加复杂的产品，需要在产品中配备板上传感器并通过操作系统加以管理。这些传感器能够收集产品运行情况的数据，并且根据情况发出预防性维护的通知。通过大数据和高级分析，这些维护建议能够在第一时间发出，消费者也就能够从中获得更多的价值。目前，通用电气在它的引擎和钻井平台上使用了类似的手法。