【供应链】用好大数据，建设数字化供应链
物联网、大数据、云计算、人工智能等前沿技术的发展，推动着传统“链式”供应链向“网状”供应链转型，这给全球范围内的企业都带来了新一轮的发展机遇，要想抓住发展的契机，就必须顺势而为，改造升级传统供应链，向数字化供应链转型。
传统供应链向数字化供应链转型并非只是简单的在企业内部引入智能化、数字化的高新技术、信息系统，而是需要企业从供应链的各个环节，以及企业管理、员工管理、客户管理、市场管理等各个方面进行全方位的转型，最终实现整个商业模式的创新。
只有比竞争对手更加了解、更能满足消费者需求，企业供应链才能获得竞争优势。然而数字化时代，整个消费模式已经发生了颠覆性的改变，消费者不知道自己需要什么。
如何预测和感知消费者需求，成为传统供应链向数字化供应链转型的首要解决问题。若要解决此类问题，首先是要大量收集消费者数据并进行综合处理分析。仓库人员利用该系统分析具体销售数据，优化产品分类，将产品分配到各个销售网点;营销人员利用大数据挖掘确定顾客需求以及需求的时间地点;供应商可以利用大数据对自家的产品进行追踪，了解不同产品的销售情况，还可以对数据库信息进行查询，了解销售、装运、订单等相关信息。通过利用大数据，对全球供应链网络实施应用分析，能够更加深刻的了解客户偏好以及购物行为，占据行业领头羊的地位。
建设数字化供应链需要获取供应链中不同参与者的数据，仅靠自身供应链的运作是无法向数字化供应链转型的。
在供应链上下游的各个环节，不同企业的信息技术系统正在产生大量复杂的数据，而这些数据目前却只能存在于各个企业的信息技术系统中，致使上下游的每个企业都积累了巨大的数据量，比如制造环节的数据、销售数据、促销数据，却无法充分合理利用并挖掘。企业若想从中获益，必须将这些数据放在供应链中实现数据共享，与运营数据结合起来促进企业决策。精准的需求规划需要来自于零售商关于消费者的数据，但是很多消费数据被零售商据为己有，造成数据链断裂，单靠制造商和供应商两方的数据，无法打通供应链的上下游，数字化供应链也就无从谈起。因此企业需要依靠供应链中其他参与者的协同，转变思维，打通整个供应链，协调各个环节，共享数据，共担风险，持续发展，协作共赢。
改善库存管理。利用数字化技术结合大数据分析法进行库存管理，例如将射频识别标签贴在水果上以跟踪检测库存量、货物所在位置情况、运送货物情况，再结合销售记录、销售网点数据、顾客反馈、天气预报、季节性销售周期等不同数据，提高预测准确性，最后将这些预测与当前库存量联系起来，不断优化库存水平。较低的库存水平可以提高对消费者的服务质量，实时货物检测能够匹配供求关系，这些精确的信息会反馈到库存计算的各个关节，包括计划生产、库存水平与订单量。
改善质量管理。企业可以在产品上安装传感器等方式来实时监测产品性能。丰田是利用数字化手段进行质量管理的典范，通过安装预警系统及时发现车辆故障，避免造成巨大损失，又通过分析软件分析保修服务分类记录的汽车故障、技工的记录、客户服务中心的通话记录，通过分析多方数据来掌握规律，及时发现故障，后台系统掌握一旦发现问题，就会发出风险管理的警告。
改善员工管理。员工调度是非常重要的问题，通过合适的方式进行员工调度，不但能够缩短管理时间，还能够更好地根据员工技能匹配岗位，从而在顾客到达指定地点时提供优质服务。结合大数据分析技术，信息系统可以根据即将进行的促销活动、即将到仓的库存以及当地宏观经济数据精确预测消费者需求变化，系统自动选择生产力最高的员工，在销售高峰期调度这些员工，提高企业效率，节省成本。
供应链可靠与高效是生命科学企业数字化转型的关键
生命科学行业的变化可谓日新月异，这给制药和生物技术厂商带来越来越大的压力，改变其经营模式迫在眉睫。整个行业的价格管制迫使企业产生了优化运营预算和优先投资新产品开发的强烈需求，制造企业要不断推动持续的创新和更好地盈利，就需要更好地利用现有的数据，建立更高效的制造流程。
数字化转型的第二个驱动力是从批量生产向连续生产的转变。连续生产可以大幅降低资本投入和设备占地面积，而且灵活性更高、风险更低，帮助企业把资金投入到更为关键的研发以及临床环节当中，通过数字化解决方案的实施为传统制造业的转型提供了充分理由。
第三，数字化转型的关键是要确保供应链的可靠性与高效性。企业通过模块化和可扩展的解决方案在实验室研发、临床样品生产和商业生产中的应用，发现他们的系统更易于集成、操作和审计，这无形中就给企业带来了价值空间的提升，许多企业在资产可用性方面实现了5-10%的提高，使得生产、安全和质量方面也取得了类似的甚至更高的收益，这些转变为企业带来了竞争优势，并满足了消费者对于供应和安全方面的要求。
大多人对于数字化转型升级项目不甚了解，其实并不是所有项目都是对工厂的整体改造。许多成功的数字化转型是从装置运营状况不够理想的试点项目开始的，通过组建熟悉现场工况的工作团队，以及通过运营效能的偏差分析能够快速发现改进机会，并以此作为数字化转型的启点，从小范围的试点开始，逐步扩展，因此，在实施试点项目的过程中制定逐步发展的战略对于实现数字化转型收益最大化来说具有重要意义。
过程分析技术（PAT）的应用就是一个很好的例子。利用数字化转型方案，在整个IIoT架构中，引入新的测量技术提供的数据感知能力，数据通过数字化分析系统形成的优化模型用以提升装置的运营性能，从而让工厂在无需投资新设备的情况下，提高现有生产线的效率。
此外，通过这一技术可以增加新的预测分析用于高级决策。预测数据不仅可以缩短产品上市时间、加速技术转让、推动更高效的工艺过程，还可以为新的操作人员提供对熟悉工艺流程更为高效、安全的技术支持，以使他们更好地完成工作。
在现有装置基础上尝试进行数字化转型时，企业面临的主要的挑战是如何从众多潜在的项目中筛选出最合适的项目，其实，随着设备监测方式的多样化及其不断降低成本的形势下，工厂任何地方都可以着手实施数字化转型。
要想在数字化转型上获得成功，必须将其与业务管理高度关联。要了解企业的关键绩效指标（KPI），并依此来进行试点项目的筛选，往往精准定位的数字化转型项目对投资回报率的影响很容易量化和证明。
这些关键绩效指标和业务目标可以通过从数字化模型评估得到的差距分析来确定。通过执行数字化模型评估和相关的差距分析，企业可以清楚地看到现有工厂装置的改进机会。差距分析的结果可以确定哪些资产和流程需要提高性能，并确定具体的、可衡量的关键绩效指标。有了这些数据的支撑，将更易于确立一个实际应用来评估数字化转型的成功与否了。
评估的结果之一是确定现有遗留系统的关注点和限制。许多遗留控制系统无法连接到IIoT应用程序和云分析。作为最佳实践解决方案，这些组织通常希望集成的过程控制系统允许数字转换团队在现有设备上安装新的自动化控制器。
评估结果也能用来确定现有系统的问题和不足，许多老旧控制系统并不支持IIoT和云分析，企业通常希望通过数字化转型方案在现有设备上集成新的自动化控制器，或与带有OPC UA/DA的系统进行数据集成，以实现报警管理、高级过程控制、移动通信和其它提高决策和运行效率的技术需求。
数字双胞胎仿真技术的诞生在优化运营中的应用可谓举足轻重，可利用企业现有的数据帮助工厂提升运营性能，通过数字技术将工厂现有稳态设计模型集成到离线的实时动态仿真中，方便、准确、灵活地模拟真实场景中的事物，制药企业可以运用这项技术在正式生产前进行虚拟动态测试，根据所产生的真实操作流程的动态还原，做出改进生产的有利决策，从而在没有任何运营风险的情况下测试优化方案对流程改进造成的影响，提高工厂运营性能。
企业还可以利用数字双胞胎技术进行安全可靠的操作人员培训，操作人员可以获得与现实工厂运行配置完全一致的真实体验，却不会因为任何操作而真正影响工厂运营，从而避免过程停机带来的损失。
尽管多数工厂已经在收集大量的数据，但对于如何实现数据关联、整合与分析并没有达成一致。对于大多数制药企业，甚至是那些已经开始数字化转型的制药企业来说，找到一种方法从车间系统和传感器获取关键数据，并将其应用到具有合适分析环境的edge和云分析系统中，是至关重要的一步。
制药企业已经开始利用多种工具来克服将数据从现场传输的一些最常见障碍。从前期设计就将MES和DCS系统进行集成，以消除“自动化孤岛”，因为这种“孤岛”阻碍了技术转移流程，也限制了数据在生产装置和流程中的访问和使用。
整合数据流，对应关键场景（时间，设备，订单等）是企业新的关注焦点，以释放生产优化和设备可靠性中尚未挖掘的潜力，而模块化的、可扩展的解决方案将加快这一进程。而且，设备及过程的可靠性和可用性将是机器学习和人工智能的一个重点领域。由于这类工具的预测性和规范性非常强，因此我们可以及早发现潜在的生产和可靠性问题，并采取纠正措施以防止故障发生。通过已实施的项目证明，机器学习和人工智能可以减少40-50％的维护支出、减少停机、 减少预测性维护、维修和校准工作量，并降低运营库存。
大数据及大数据分析将在提高企业绩效中发挥越来越重要的作用，从而加快企业实现卓越运营，不同企业之间的差距也将由此拉开，越早行动则越早获益。
先进制造业+工业互联网
产业智能官 AI-CPS
加入知识星球“产业智能研究院”：先进制造业OT（自动化+机器人+工艺+精益）和工业互联网IT（云计算+大数据+物联网+区块链+人工智能）产业智能化技术深度融合，在场景中构建“状态感知-实时分析-自主决策-精准执行-学习提升”的产业智能化平台；实现产业转型升级、DT驱动业务、价值创新创造的产业互联生态链。
版权声明：产业智能官（ID：AI-CPS）推荐的文章，除非确实无法确认，我们都会注明作者和来源，涉权烦请联系协商解决，联系、投稿邮箱：erp_vip@hotmail.com。
相关内容
微信扫码咨询专知VIP会员