精益管理沒過時制造業的成本優勢還得靠它

2017-06-13 生產管理 135 0

企業的運營環境正以前所未有的速度演變：更短的生產周期、極度劇烈的市場波動、利潤率萎縮正在逐漸破壞供應鏈平衡，并不斷變革分銷模式。

而在中國，生產的可變成本包括人工、能源、運輸等已經在逐步攀升，加上人口老化和初級勞動力不足，如果運營管理模式不發生重大改變，那么中國制造業連傳統的成本優勢都不能保持，更談不到在靈活性和質量上進行提升。

------------

數字化精益：以數字化創新來進一步推動精益

過去，精益化和六西格瑪方法曾幫助各行各業的制造商減少生產過程中的浪費和可變性，大幅提升了產品質量和產出水平。在傳統精益的全盛時期（始于豐田采用精益化生產），技能超群的制造商往往能實現10%-15%的生產率提升。而如今，2%-3%的生產率提升就已經被認為很了不起了。

傳統精益是否已經盛極而衰？

當然不是，尤其在中國。在中國的制造企業傳統上通過人力來解決問題，而且解決問題的方式往往側重于短期的“癥狀”，而不是根本原因的根除和遠期的系統建立。

傳統精益仍然是提高生產車間效率的最有力的工具，而且是很多中國企業應該進行改進的第一步工作。但是，在如今價值鏈日益復雜、聯系日益緊密，而且制造環境不斷變化的當下，傳統精益僅專注于生產車間的做法就過于狹隘了。過去五年，數字化生產線（提供實時信息并實現即時優化的可能性）和數字化分析催生了數字化精益，并因此開創了一系列全新機會領域。

傳統精益, 是指由客戶需求推動的持續流程改進方法，專注于根除生產低效性，從而實現防錯的流程，并動員整個生產團隊的參與。典型的精益工具包括：快速換模、價值流圖分析、5S、看板管理、持續改善和根本原因分析。

與之相對的數字化精益則專注通過改變工作流，質疑現有流程步驟和順序等，來進一步優化整個制造關節的運營模式。

數字化精益要回答的問題包括：

如何優化價值鏈各環節的物料流？
如何通過變革價值鏈實現額外降本？比如通過整合或分離特定的步驟？
如何打造更加穩健的制造體系？最高的故障率出現在哪個環節？如何解決故障之間的潛在關聯性？

數字化精益是通往數字化運營前沿的下一站，它幫助企業將傳統手工工具轉換成現代數字化工具，在零風險的環境下（無需進行試點測試或實際實施）全面測試假設、模擬場景和計算具體成本。這是通過融合傳統精益的分析方法和范圍，以及三大全新數字化工具（360°生產現場模擬、具備整體觀點的建模和高級分析方法）來加以實現的。

數字化精益是數字化制造的組成部分，也是新興數字化供應鏈的關鍵支柱之一。實際上，數字化精益正在開創的一整套新方法和工具將改變經濟局勢，并且不斷推進運營優化的新前沿。數字化供應鏈的其他支柱包括：數字化計劃、數字化供應和數字化物流。

數字化運營領域的很多工具和應用將克服傳統職能分離的問題，從而使得企業能夠全面掌控生產、物流、財務、營銷和銷售。

三大全新數字化工具

1.360°生產現場仿真

模擬或仿真工具從概念上對制造和生產工藝實施數字化，然后可以在數字化“環境”中一點點修補，從而找到更適合的替代設置。利用仿真工具的企業可以測試潛在解決方案的穩健性，無論系統有多復雜。更具體地說，仿真工具能夠幫助企業發現缺陷、計算資產和資源容量、優化庫存點、縮短產出時間、平衡生產線利用率。通過這些零風險的數字化仿真得到的經驗和觀察結果可以用于實際生產工藝流程中。

典型的360°生產現場仿真工具包括工作流和生產車間仿真、價值鏈過程仿真、主體仿真、蒙特卡洛模擬和生產計劃模擬。這類工具常用于設計新的工廠或優化現有工廠——例如工作流建模、最小化處理時間、瓶頸規避、資產利用率最大化。

2.基于整體觀點的建模

與“360°生產現場模擬”類似，整體建模工具可以幫助運營經理觀察且更好地理解流程流，并對生產假設進行測試。這些工具通過使用迭代算法解決高復雜性的問題，并得出可靠的結論。整體建模的方式之一就是對相互依賴要素和變量進行動態建模，衡量流程接口的特定績效指標，從而確定最高效的整體設計。

最常見的全面建模工具包括：實時建模、流程參數建模、價值建模、優化求解器及財務建模。企業常常使用這些工具來定義多層次批量大小、制定復雜的生產計劃、優化不同產品設備之間的工作流、改善生產車間物料流、以及提高整體的設備利用效率。

已經有國內企業實現了將生產現場的工藝、產能和材料需求變動等都建立在數據模型當中，而模型數據更可以直接與現場生產數據進行對接、有效地將實體的生產現場與數據模型無縫對接起來，而這極大地提高了生產線的透明度，實時地優化生產的節奏和物料的運動軌跡，從而快速地提升整線的生產效率。

3.高級分析方法

生產線執行系統、傳感器和機器運轉日志為各行企業提供了大量有關制造工藝的數據。未來十年，配有無線傳輸功能（通常指物聯網）的智能傳感器（如：檢測震動、溫度和濕度）的價格將從如今的幾美元一個進一步降至僅幾美分一個。智能傳感器不僅價格下降，而且可以輕松安裝在所有生產線上，使偏差追蹤和行為預測更加容易。隨著數據存儲費用降至史上最低點，企業可以利用云存儲海量數據，而無需進行固定資產投資。同樣，運行智能工廠的計算能力呈指數式增長，而且可以通過網絡獲得，這將幫助企業根據需要執行復雜分析。

中國一些領先的航空公司利用工業互聯網搜集了大量發動機的渦輪葉片保修數據，結合遠程診斷紀錄和第三方數據，建立了葉片損傷分析預測模型，預測發動機的運行情況，定制科學的重復檢查間隔，提升運營效率。

但是目前大多數工廠離智能化仍然很遠。在中國，實施數字化的第一個挑戰是企業認為“沒有數據”。而實際上，數據并不缺乏，只是一批接一批地堆在那。我們看到的一些中國制造企業只利用不到2%的數據改進生產，在很多情況下，生產線根本沒有與制造執行系統相連。

預測性分析、大數據和機器學習、數據挖掘、數據智能和神經網絡等復雜的統計分析與工具開始逐漸改變企業對數據的看法，讓企業更好地理解復雜的制造工藝及隨后的改進方法——例如，在潛在問題實現前就能夠識別出數據和問題的依賴關系并進一步提前檢測問題。此外，通過深入分析歷史數據，運營經理可以發現具體工藝環節與輸入之間的特定模式及相互關系，然后對其進行優化，從而最大程度優化產量。

領先企業已經開始連接所有生產線及系統，并開始大規模使用云存儲數據用于分析?，F在已經興起了一種以服務為基礎的數據分析行業，使分析成為運營部門可以負擔得起的工作。

充足數據，豐厚回報

數字化精益的財務影響巨大，能夠帶來豐厚的回報：

增加收入。數字化精益可以減少來自新品生產(如通過增材制造）、現有產品大規模定制或產品質量提升等各方面挑戰。企業因此可以增加新的收入來源或提高價格，同時又不產生常見的高復雜性成本。
降低銷貨成本。智能自動化和智能機器人有助于減少生產活動所需的人工投入，從而降低人員成本。采用數字化精益的企業產量更高，原材料消耗更低。此外，數字化精益帶來的批量和流程同步性的優化能夠進一步提高資產利用率，而生產資產和質量控制的改善則能降低質量損失和沖銷等。
降低運營資金。由于協調性和各生產環節內（以及各環節之間）的流程得以改善、場景的預測和統一的運營計劃，數字化精益的踐行者能減少安全庫存和循環庫存，降低庫存持有需求。
減少資本支出。數字化精益帶來的設備綜合效率提升高于新的控制器、傳感器和分析技術所需的投入。

一個大型醫療設備制造商計劃在亞洲建立一個新的大型生產基地，效率超過所有現有網絡中的所有工廠。在新廠的設計過程中，該企業將傳統精益理念與數字模擬、整體建模、以及高級分析方法等相結合，創建了一個“虛擬工廠”。計劃團隊采用基于求解器的模型，定義了生產參數，確定了需要優化資本支出和時間設置的設備與設施，一方面平衡了生產與質量控制，另一方面平衡了生產與精益物料流動。

數字化精益幫助了該企業實現項目凈現值翻番，降低了20%的資本預算及25%的轉換成本。