Minitab博客

制造业数字化转型:机会、挑战和经验教训 Digital Transformation of Manufacturing: Opportunities, Challenges and Lessons Learned (Clhinese)

Written by Minitab Guest Blogger | 2023-3-27 9:21:30

Greg Kinsey 是卓越运营、数字化转型和工业 4.0 领域的高级顾问,帮助工业企业制定工业 4.0 战略、实施战略、获得利益相关者支持和协调、进行现场参与并实现收益。2023 年 1 月,Greg Kinsey 以合伙人身份加入国际运营咨询公司 Argon & Co,负责数字化制造业务。 

在 2022 年 9 月 20 日于慕尼黑举行的 Minitab Exchange 活动上,Greg 在演讲中分享了制造业领导在通过日常运营数字化来提高绩效的过程中的经验和心得。  Greg 描述了公司面临的最常见挑战,并提出了解决这些挑战的建议。 

 

数字化转型将带来第 4 次工业革命   

 如果回到 19 世纪第 1 次工业革命期间的一家工厂,您会发现工匠(从事专业工作的高技能人才)的标准化程度很低。  

 第 2 次工业革命引入了标准化工作。 具有特定技能的人员重复特定任务,专门从事指定的装配业务。这是一种管理和控制过程的全新科学方法。泰罗制和福特制为制造业带来了新的工作方式。 

 第 3 次工业革命引入了持续改进、质量体系以及新型 IT 和 OT 系统的概念。 工人开始进入自动化生产的工作模式,提高自主权的同时对产品更加负责。期间引入了六西格玛方法来解决问题和控制过程变异,以及所谓的丰田生产系统或精益管理。  

 第 4 次工业革命将引入根本性变革,我们将致力于建立更多知识库。 大多数情况下,工人将不从事体力劳动,但他们会通过知识来管理体力劳动。他们创造的价值将基于他们所掌握的信息,以及他们如何通过整合数据来优化生产力、解决问题、监控过程和管理运营

制造商的数字化转型机会是什么? 

当我们谈及数字化转型时,通常与改进工作方式有关。这意味着使用数字工具彻底进行现代化改造,改善员工和经理的日常生活以及提高工厂绩效。设想一下这将是一种什么样的变革,它意味着从一种被动制造文化转变为一种更具前瞻性和可控性的数据驱动型制造文化。 

传统制造业以“救火”和不断解决问题为主。数字工厂这一愿景将让您对未来寄予更美好的憧憬。您可以更好地预测未来制造过程的发展,这意味着您可以按照更加可控的方式管理制造过程。  这还意味着从分散经营模式转变为更加一体化的模式。无论是数据孤岛、人员孤岛还是过程孤岛,我们都需要在整个过程中拥有联系更加紧密的团队和更加一致的数据定义。 

这还涉及从过去的经验(基于过去的经历开展业务)转向智能工厂(能够预测未来发生的事情)。因此,通过让过程变得智能,而不是让过程、机器和人员保持一成不变,我们提高了灵活性。  

 

数字化转型面临哪些关键挑战? 

关注问题而不是解决方案 

我发现,公司经常会犯的第一个错误便是忽视要解决的问题。解决方案往往是为了促进投资,而不是解决问题。关注要解决的问题的最佳方法之一是将数字计划与卓越运营计划联系起来。 

如果您拥有精益六西格玛黑带级项目主管和问题解决者,那么他们早已在尝试解决一系列问题。与其尝试安装一个新软件,不如想想数字技术如何助力和促进已在进行的问题解决。 

收集数据 

另一大挑战是数据采集。收集正确的数据可能是一个耗时的过程,数据可能以不同的格式分布在不同的位置。您可能既有旧机器又有新机器,有些机器有数据端口,有些却没有。如何连接所有这些可能具有不同网络和协议的各种可编程控制器?传感器不可能遍布到每一个角落,可能需要更多物联网设备才能实现愿景。  

 谈到数据,清理时间总是比我们预期的要长。我推荐建立一个数据字典,通过它可以对数据进行标记和编制目录。这将围绕数据提供描述其中内容的元数据,从而更方便地有效使用数据。  

 

 了解 Minitab Solutions Analytics 如何帮助组织的各个部门预测更好的成果并改进过程。 

没有明确的未来愿景 

公司应该关注的另一个领域是制定清晰的路线图并确定实现其目标的未来体系结构。五年或十年后的工厂会是什么样子?您可能会面临技术选择方面的困难,而且 IT 系统中的遗留问题将带来一些限制。一定要构建不会过时的可扩展体系结构。   

传统的项目管理方法 

数字转型与传统 IT 项目使用的方法不同,实际上,两种方法恰恰相反。传统 IT 是用已知的解决方案来解决已知的问题,IT 系统看起来可能与竞争对手部署的系统非常相似。数字创新是指使用灵活的过程构建数据库并开发定制解决方案,以应用机器学习、人工智能或高级分析来解决具体问题。顾名思义,这是创新,而不是现成的解决方案。 

缺乏管理层参与和协调 

最大的挑战之一是如何协调员工。通常,质量经理会制定一个日程表,但物流经理可能会面临各种不同的难点。询问工厂经理需要什么,可能会得到截然不同的答案。关键是让卓越运营职能部门与数字职能部门保持一致,让每个人都达成一致的目标和目标实现方式并参与进来。  

 忽略现场人员的感受 

经验表明,最好的想法来自在创造价值的领域(现场)工作的人。他们了解过程的运作方式和机器的运转方式。如果您询问他们如何通过应用数字工具来实现改进,他们通常会提出很多想法,因为他们希望实现工作场所现代化。如果参与构思过程,他们还会产生一种归属感。他们为贡献自己的力量感到自豪,并热心帮助推动项目完成。  

未实现收益   

]我听到的最大问题是,“我们尝试了概念验证,但没有产生任何结果。”如果您没有在速效方案中实现这些收益,您将无法继续实现数字之旅。专注于确保获得这些结果,同时在财务人员的帮助下验证这些结果。沟通项目结果及其带来价值的原因。 

关于制造业的数字化转型,您学到了什么? 

整合至关重要 

卓越运营计划必须与数字化转型计划整合在一起。数字化转型只是卓越运营的下一个阶段,精益六西格玛计划若不带入数字化世界就会过时。   

尽可能缩小切实可行的数据集 

您不必构建庞大的数据湖。首先从解决特定问题所需的最小数据集开始。关注一个用例以及为了实现此目的所需的数据 – 您可以随时添加更多数据。  

允许试错 

在敏捷工程中,您需要创新并允许进行试验。不要害怕快速失败,要从中吸取教训。不要害怕根据经验教训来改变方向。  

 保持好奇心 

您不能买一个现成的智能工厂,您必须自己去开创。如果想要在创新方面超越竞争对手,请寻找新想法,尤其是在行业外。  

预测分析在第 4 次工业革命中扮演什么角色?  

制造业有着保守的名声,人们总是“救火”并修复出现的意外故障。我认为数字化转型的承诺是创造更加主动的可控环境,让您对所发生的事情了如指掌。随身携带的手机成为您日常工作中获得有效信息的主要来源。手机会根据数据,在问题发生之前向您发出警告。这减少了“救火”工作,减轻了压力,让人们有信心地掌控局面。 

数据驱动这一术语可能已被滥用。但是,当人们需要解决问题或进行调整时,可以通过控制台和可视化来帮助其做出数据驱动型决策,这会改变其日常工作的本质。当这些人不仅是坐在办公室里的高管,还是现场的司机、机械操作员、质量经理和维护人员时,变革就出现了。当现场的员工能够从数据驱动型工作环境中获益时,也许我们就已经迎来第 4 次工业革命。 

 

 准备好控制数据并实现制造业务转型了吗? 

 

Greg Kinsey 的另外两篇访谈已经发表: 

- 实现数据科学民主化:了解预测分析的重要性数据分析对于了解您的业务如何运作至关重要,预测分析可以告知您业务需要向何方发展。行业高管 Greg Kinsey 表示,只要具备正确的工具,任何人都可以做出更好的决策,从而提高绩效并减少失误。阅读本博客以了解更多信息 > 

- 将 IT 和卓越运营团队相结合,实现成功的数字化转型对许多人来说,数字化转型就是了解新技术并询问“我能用这项技术做什么?”Greg Kinsey 表示,需要了解这种思维为何落后 >