“大數據”助力下一輪制造工藝流程優化

“大數據”助力下一輪制造工藝流程優化

編者按

本文于2014年5月發表于麥肯錫網站。作者埃里克·奧西茲斯基（Eric Auschitzky）是麥肯錫公司里昂分公司的專家，馬庫斯·漢默（Markus Hammer）是里斯本分公司的資深專家，艾金森·拉佳格保爾（Agesan Rajagopaul）是約翰內斯堡分公司副董事，肯·薩默斯（Ken Somers）是安特衛普分公司的高級專家。本文介紹了如何在大數據時代應用高級分析法，診斷和糾正流程缺陷，管理生產流程的復雜性。

在過去的20年時間里，制造商已經可以通過實施精益生產和六西格瑪項目，減少生產工藝流程中的浪費和變化問題，并大大提高產品的質量和產量。然而，在醫藥、化工和礦業等特定的加工環境中，極端波動的變化已經成為常態，甚至運用精益技術也無法解決。在上述產業及其他產業，影響產出的因素紛繁復雜，因此，制造商需要一種更加細化的方法來診斷和糾正工藝流程缺陷，高級分析就是這樣一種方法。

高級分析是運用統計和其他數學工具對業務數據進行分析，進而評估和改進當前操作工藝流程的一種方法。在制造業，運營經理可以使用高級分析，深入了解歷史工藝流程數據，找出離散工藝步驟和投入之間的模式和關系，找出對產量影響最大的可靠因素，對其進行優化。現在，各個行業和地區的諸多全球制造商都收集了大量的實時車間數據，也有能力開展這種先進的統計評估。他們對過去彼此孤立的各類數據進行匯總和分析，從中得出深刻見解。

以生物藥品的生產為例。生物藥品是保健產品的一種，包括疫苗、激素和成分血。生物藥品的制造需要使用基因工程活細胞，生產團隊往往需要監視生產流程中的200多個變量，以確保各成分以及生產藥物的純度。使用同一種方法生產的兩批次的特殊物質，其產量的變動幅度可達50%到100%。導致這種巨大變異的原因還不明確，它會帶來產能和生產質量問題，也導致常規監督工作的增加。

一家排名前五強的生物藥品制造商使用高級分析法，顯著增加了疫苗的產量，同時沒有造成任何額外的資本支出。該公司把整個工藝流程分割為一個個集群，每個集群包含一些密切相關的生產活動。針對每一個集群，公司會廣泛收集與工藝步驟和使用材料相關的數據，并把數據儲存在中央數據庫中。然后，一個項目團隊會對數據進行各種形式的統計分析，來確定不同工藝參數（上游和下游）之間的相關性，以及參數對產量的影響。分析證明，影響最大的參數有9個，其中最重要的是細胞接種的時間和傳導性措施，這些措施與色譜法的一個步驟相關。該制造商針對與這9種參數相關的工藝流程作出調整，從而把疫苗產量增加了50%以上——相當于每種產品每年節省500萬到1000萬美元，而公司目前生產的產品有上百種。

提供意料之外的見解

即使是公認最好的制造業工藝流程，高級分析也可以對之進行一定程度的改進。歐洲有一家知名的化學品制造商，該公司為一些造紙行業、洗滌劑制造和金屬加工業等行業提供功能性和特種化學制劑。公司對工藝流程的改進始于20世紀60年代，其平均產量也一直比行業標準更高，公司以此為榮。事實上，工作人員都認為公司并沒有太大的提升空間。一位工程師指出：“別人都將這個工廠作為參照榜樣。”

然而，該公司使用神經網絡技術（一種以人類大腦的信息處理方式為基礎的高級分析方法），就不同生產投入對產量的相對影響進行衡量和比較，并有了意想不到的收獲。公司檢測的因素包括冷卻劑的壓力、溫度、數量和二氧化碳流。分析找到了一些以前不知道的敏感因子。舉例來說，二氧化碳流的變化程度會顯著減少產量。這家化學公司相應地調整了參數，成功地將原材料浪費降低了20%，將能源成本降低了15%，進而提高了整體產量。現在公司正在實施高級工藝控制，以配合基礎系統，自動調整生產。

無獨有偶，非洲的一家金礦對不甚全面的生產數據進行嚴格評估，進而增加了產量和盈利能力。當時，該金礦正處于礦石品位逐漸下降的階段，礦場維持生產水平的途徑屈指可數，其中之一就是要努力加快或以其他方式優化開采和提煉工藝。從礦石中提取黃金的流程極為復雜，一般會涉及到10到15個變量，需要15種以上的機械設備，提取處理過程包括氰化、氧化、研磨和浸出等。

這家非洲礦場運營團隊可獲得的生產和工藝數據極為分散，因此，分析團隊的第一步工作就是數據清洗。團隊使用數學方法，解決數據不一致問題，彌補缺失的信息。然后，該團隊分析了試劑、流速和密度等一系列工藝參數的數據，研究發現，溶解氧水平（浸出過程中的關鍵參數）的變化似乎是對產品影響最大的關鍵因素。這項分析還發現，根據過去的情況分析，在氧氣含量最高的日子里，礦場的績效最高。

根據這些分析結果，礦場對自己的浸出回收工藝進行了微調，在三個月的時間內，將平均產量提高了3.7%——考慮到同期礦石品位下降了約20%，這一提高水平已經相當不錯。由于產量提高，在不需要進行額外的資本投資或實施重大變革措施的情況下，礦場的年利潤增加了1000萬到2000萬美元。

充分利用大數據

對于希望使用高級分析法來提高產量的制造商來說，第一個關鍵步驟就是對現有可用數據進行整理。很多公司都收集了大量工藝流程的數據，但這些數據往往只用于跟蹤，并沒有成為改善運營操作的基礎。對于這些公司來說，他們的挑戰就是對系統和專業技能進行投資，以改善對現有信息的利用。舉例來說，公司可以將多個來源的數據進行集中，或建立索引，這樣可以降低數據分析的難度，也可以聘用訓練有素的數據分析師，去發現內在模式，對信息進行可供操作的解讀。

有些公司的數據太少，對分析師來說沒有什么統計學意義。對于這些公司的高層領導來說，他們需要對系統和運營方法進行投資，以便收集更多數據。他們可以逐漸增加投資。例如，在一系列活動中，先選擇一個特別重要或特別復雜的工藝流程，進行信息采集，然后對這部分工藝流程進行高級分析。

大數據時代才剛剛出現，但是在數學研究和科學應用領域，高級分析的應用已有多年的歷史。高級分析法是提高產出的一個重要工具，對于工藝流程復雜度高、變化大和存在容量限制的制造業來說尤其如此。事實上，如果可以成功進行定量評估，公司就可以在眾多競爭者中脫穎而出。

（趙 燦 編譯）