如何运用预测性生产系统(PPS)提升企业运营弹性，持续创值？| 麦肯锡研讨会分享

• 关键词：预测性生产系统,PPS
• 作者：天泽智云
• 摘要：我们都知道，预测性生产系统有可能改变资本生产率。它能够帮助组织做出更好的决策。不仅能优化每台机器，而且能够优化整个生产系统，从而提升运营弹性，持续地为公司创造价值。这里介绍的“预测性生产系统”(PPS)将大数据、高阶分析和物联网结合成一个“社交物联网”(social network of things)，专家们的背景经验对于此次研讨会的主题讨论具有极高的价值。

在这个快速和简单化分析的时代，客户说，他们最需要的是问题透视图，这恰恰是创新的基础，它将带来重大、持续的变化。

因此，这次麦肯锡策划的研讨会邀请到了在批量、连续和离散产品制造系统拥有几十年经验的专家，他们就这一领域分享了深刻的见解。这里介绍的“预测性生产系统”(PPS)将大数据、高阶分析和物联网结合成一个“社交物联网”(social network of things)，专家们的背景经验对于此次研讨会的主题讨论具有极高的价值。

我们都知道，预测性生产系统有可能改变资本生产率。它能够帮助组织做出更好的决策。不仅能优化每台机器，而且能够优化整个生产系统，从而提升运营弹性，持续地为公司创造价值。

此次讨论中，我们采用了经典的德尔菲(Delphi)法，这是一种系统的交互式预测方法，专家小组通过两轮或多轮对问题进行回答。这种形式鼓励与会专家根据小组其他成员的回答对先前的答复进行修正。我们发现，优秀的问题往往是那些无法立即回答的问题。所以，我们为小组成员提供了充分的时间，以便他们可以深入地思考。

麦肯锡：您认为预测性生产系统(PPS)对于产品、服务以及企业运营方面有哪些重要的意义呢？

李杰：从根本上说，PPS分析传感器数据和之前的记录，建立产品的过程参数和结果之间的价值关系。由此，它融合了数字技术，让决策更加透明，可预测并准确。所以，有许多这样的案例，比如John Deere开发了测试土壤水分传感器，通过精密农业技术帮助农民提高产量；阿尔斯通预测列车、基础设施和信号资产的剩余使用寿命；小松智能通过远程监控推土机的状态，从而更好地提供准时(Just-in-time)维修服务。

PPS还会改变公司做决策的方式，以证据为基础的方法，使用预测分析工具建立关系，评估置信度，从而更准确地确定风险和结果。随着时间的推移，PPS逐渐可以取代以往过于依赖个人经验进行决策的方式。

布莱恩·韦斯：作为政府官员，我是站在局外人角度看待PPS对非政府组织的影响。我认为，PPS能够帮助组织更灵活地应对上游供应商的挑战和下游消费者的需求。

PPS的威力在于它能在整个组织运营过程中产生及时、具有可操作性的智能。管理人员和领导者可以根据其他领导和管理人员产生的信息，实时做出更恰当的决策。所以，PPS在组织内的成功很大程度上取决于采纳它的人员数量。

约翰·弗莱明：从反应式到预测性决策的转变需要经过很多年的一个过程。最好的情况下，公司可以在既定操作限制的前提下– 设定流程的控制节点对PPS做试运行。例如，在汽车制造领域，设定的限制可以是车身制造车间的结构系统。如果要引入实时监控和反馈系统的话，我可能就会采用这种方式，用它对工具进行测试并快速得到反馈结果，日积月累就会看到成效。我相信，在这个可以预测的新世界中，基于PPS的洞察能够帮助那些精益公司减少至少30%的浪费，尤其是新成立的工厂。

麦肯锡：您认为PPS如何改变当今的竞争态势？

李杰：我认为PPS将变得越来越关键，它能够提升工厂对产线的响应速度和管理透明度。

布赖恩·韦斯一旦有些组织开始采用PPS，其他公司也会开始关注。使用PPS的公司很快能发现，在他们的供应链中可以与其他“PPS拥有者”展开更多的合作；而“非PPS拥有者”将不得不作出选择：采用PPS，或失去合作伙伴，也或许会消失。

约翰·弗莱明：随着时间的推移，越来越多的公司将会面临PPS带来的竞争压力。例如，一个预测性的经营环境可以减少基础设施建设的超支情况，工厂规模将变得更经济、更安全，同时产品质量也会得到提升。转型成功的公司会更加精简且更具竞争力。

麦肯锡：您觉得PPS对合作伙伴和合资企业未来的前景有什么影响？

布赖恩·韦斯：采用PPS的公司将更有可能与已经采用PPS的公司合作，部分原因是双方可以更好地利用PPS技术产生及时、可执行的洞察。这会形成一种集体意识，公司之间可以分享彼此的智慧，从而建立起与彼此更相关的洞察力。

或许这会导致对其他公司的依赖性变大，但是如果一家公司运用集体的智慧来开发模型，它最终仍然可以实现独立性：当智能出现不可用、损坏、不完整或者不确定时，模型就可以用来支持更好的决策。

约翰·弗莱明：懂得使用大数据的公司具有先发优势 - 但随着分析越来越重要，这种优势不一定能够持续。反而是那些制造公司由于更了解设计需求而更具优势。已经有一些汽车公司利用自己的数据来重新获得对电子设备等设计流程的控制，从而提高了产品质量并降低了生产成本。

麦肯锡：您是否预想过PPS将会成为行业的规范？

李杰：与任何新思想一样，PPS技术的发展需要有一个明确的目标，比如降低成本、提升质量或提高效率。如果没有这类目标，PPS的推行可能会处处碰壁。

布赖恩·韦斯：只有大量的制造商展现出PPS给他们带来长期的成功，就不会碰壁。

约翰·弗莱明：我们有时对工业的现状会产生误解。在一些人看来，制造业都是精益取胜，他们拥有受过良好训练的团队，用正确的方式组织起来，提供先进的生产力。有一些公司的确是这样。然而，大多数公司仍然停留在理论阶段，而缺乏实践。对于这些公司，哪怕不考虑PPS，也有巨大的可改善空间。所以在我看来，我们应当考虑将PPS转换成不同的工具和工具箱，以方便人们使用。

麦肯锡：能否例举针对PPS的三点误解，以及被低估的潜力？

李杰：对我来说，劳动力缺乏分析能力是第一位的。第二个问题是对物联网和云计算的误解，因为它们常以解决方案的形式出现。像物联网、工业4.0、工业互联网等，这些都是很好的实现智能产品和服务的路径，但他们并不是唯一的解决方案。对我来说，正确的愿景是“正确的物联网 (Internet of The Right Things)。”

第三个问题是对大数据的定义错误。许多人认为数据采集是最重要的，那是不对的。我经常说大数据有三个基本特征：低质性、碎片化和背景信息。如果不解决这三个问题，就无法通过数据获得可见的价值。

布赖恩·韦斯：从我的角度看，对PPS最大的误解是大数据的价值。反对大数据的观点是只采集那些需要和使用的数据。与之相反，推崇大数据的观点是获取尽可能多的数据，无论是否确切地知道何时或如何使用它。

这是权衡取舍之道。推崇大数据意味着你有可能在早期投入更多资金，希望有朝一日能够收获回报。反之，反对大数据派用更低的成本进行实施和维护，但在生命周期内更容易错过制造过程中的故障和停机相关的信息。而这则可能会导致更多的成本浪费。

麦肯锡：要想充分地发挥PPS的优势，企业和业务部门领导应当扮演怎样的角色？

李杰：资产生产率的两个主要目标是零停机和无忧运营。企业领导人必须建立一个意义深远的愿景，促成这两个目标的实现。这也能帮助人们更好地理解PPS的重要性。

布赖恩·韦斯：让更多的人融入到这个模式当中，特别是那些已经使用过PPS的人融入进来是非常有益的。多元化的背景、经验、技术能力可以提高整个团队的竞争优势。把应用不同语言的人（如运营技术人员和信息技术人员）混合在一起，可以帮助他们更好地理解彼此的诉求。反过来，这也让每个人深层地理解如何做才能达成整个组织的成功。

约翰·弗莱明：PPS被视为数字化战略的一部分，同时也作为数字化部门领导者的责任之一，负责指导公司制定和实施数字化战略。

麦肯锡：在您看来PPS的主要障碍是什么？那些已经成功应用的公司是如何克服这些障碍的？

李杰：许多公司在尝试上线底层技术，却没有明确的目标。

布赖恩·韦斯：有些公司过于恐惧失败。PPS可以带来根本性的改变，但PPS的初始设计和实施过程不太可能是完美的。当然，允许失败并不代表可以随意设计，依旧要保持设计过程的严谨性，并且要记录所有潜在的风险。

最后一个障碍是缺乏具体的PPS标准和指导方针。任何想要采用PPS并期望从中获益的公司，都可以通过参与支持PPS的标准设计和开发来获得更好的服务。在各类公司的共同努力支持下，标准制定过程可以产生宝贵的指导意见和通用的实践经验。

约翰·弗莱明：我认为，主要的障碍还是那些：变化管理、人才技能、网络(Cyber)安全、知识与理解以及时间。

麦肯锡：高级主管如何才能亲力亲为地分析原始数据？

李杰：在数据管理方面，IT部门和首席信息官们历来更专注于数据连接和数据采集。使用PPS，他们需要加强自己的能力，利用比统计模型更高级的分析技术，将数据转换为价值。

布莱恩·韦斯： “走动管理”是一个有效的方法，是指高管亲自去精益生产的环境中 “看”、“现场管理”，去捕捉原始数据，而不是坐在会议室里，从下属的报告中得到汇总数据。通过观察具体的生产运行，例如触发传感器读数的状况，以此可以产生具有实用价值的最新情报。

麦肯锡：企业领导如何缩小数据分析与商业机会之间的差距？

李杰：要实现这一目标，数据科学家需要具备针对实际操作环境的领域知识。核心团队应当由具有数据科学和数据价值专家共同组成以减少沟通障碍。

布莱恩·韦斯：公司应该重点培养那些会使用多种业务语言的人才，同时，还应当用统一的企业语言教导员工，传递公司的总体目标、阶段性目标和目标客户等。

组建一支能够与不同部门互动的“翻译”团队，也可以极大地改善沟通。有些组织提倡轮岗，以此来加强这些能力，也培养出了许多能够在组织中解决不同挑战的翻译人员。

麦肯锡：不断变化的技术，如视觉认知和自然语言处理，如何改变短期的发展前景？

李杰：与增强现实和虚拟现实相结合，预测分析可以让现在的试错操作变得更加精确。例如，用预测分析补充自动光学检测，能够帮助人们挖掘故障的根本原因，进一步确定故障区域并进行校正或改进。

布莱恩·韦斯：先进的视觉认知，在理想的情况下，能够从相同的视觉系统中收集多个信息流。这个单一的视觉系统可以用来感知世界：用于设备监控、诊断和预测，操作员安全和质量检查。尽管这样的系统可能开始有些贵，但成本-收益比可能会足够高，会随着实施的进程逐渐实现盈利。

麦肯锡：列出2025将会出现的三个新职位，他们分别做什么？

李杰：数据技术专家(Data Technologist)将具备数据连接、转换、认知和配置方面的专业知识。分析技术专家(Analytics Technologist)和价值探索者(Value Explorer)，他们需要具备敏锐的洞察力和创新思维，识别和分析客户需求与业务之间的空白。

布莱恩·韦斯：机器人训练专家(RTS)将负责向机器人教授新的任务，而今天的机器人需要大量的硬编码。到2025年，随着技术的进步，RTS可以通过口头描述任务、演示、或输入机器人转换物理动作的“任务操作文档”来训练机器人。机器人维护技工(the robot maintenance technician)将负责教导机器人如何对自己或其他机器人进行维护。这也包括教机器人识别他们自己（或其他）能够处理的故障和失误。

机器人控制者(Robot Controller)将具备必要的机器学习技能，基于对已知故障和失误的理解、故障机器人的工作职能，并结合可用的零部件库存情况，来应对新的故障及失误。

麦肯锡：随着机器学习和机器人技术、增材制造（也称3D打印）、自动驾驶、物联网等方面的发展，您认为会加速PPS的采用吗?

李杰：我们需要更小、更智能的传感器来感知许多系统的不可见世界。边缘计算将使传感器数据的特性提取速度更快。易用的嵌入式算法应该放在开源环境当中，工程师和开发者能够轻松地使用它们开发出更智能的应用程序。

布莱恩·韦斯：在制造环境中的自主精细电机控制和更强的情境意识将进一步推动PPS运用到工厂中。

资料来源：麦肯锡公司Sam Samdani

Sam G. Samdani是麦肯锡新泽西办事处的高级专家。