捕捉工業 4.0 的真正價值

眾所周知，數字化轉型難以在工廠網絡中擴大規模，製造商可能需要放慢腳步，才能在實施工業 4.0 的競賽中取得領先。     

在過去的五年裡，一些精選的公司已經開始努力在其製造網絡中實施工業 4.0。領先的製造商現在正在從數據和分析、人工智能和機器學習 (ML) 中實現重要價值。然而，絕大多數人仍停留在試點煉獄中，難以充分發揮其轉型努力的潛力或提供令人滿意的投資回報。

雖然眾所周知，數字化轉型很難 在工廠網絡中擴大規模，但成功的壓力是巨大的。處於領先地位的公司正在整個製造價值鏈中獲得收益——提高生產能力並減少材料損失，改善客戶服務和交貨時間，提高員工滿意度，並減少對環境的影響。跨網絡擴展，這些收益可以從根本上改變公司的競爭地位。

面臨如此多的風險，製造商正在為他們的數字化轉型投入大量時間和金錢。這些投資正在為一些人帶來回報，但大多數人仍然無法擴大成功的試點項目或充分利用新工具和技術來獲得有意義的回報。

本文探討了與數字化轉型相關的一些常見陷阱，以及更具戰略性和價值驅動的方法如何幫助製造商在競爭中取得領先。

在工廠的每個區域創造價值

今天的數字化工廠與十年前的領先工廠截然不同。數據和分析、人工智能和機器學習的進步——以及市場上的一系列技術供應商——意味著製造商可以從數百種潛在的解決方案和技術應用程序中進行選擇，以改進他們的工作方式。

成功實施後，這些解決方案帶來了不可抗拒的回報。在眾多行業中，機器停機時間減少 30% 到 50%、吞吐量增加 10% 到 30%、勞動生產率提高 15% 到 30% 以及預測準確度提高 85% 的情況並不少見。

數字化轉型正在徹底改變製造業的方方面面，不僅涉及流程和生產力，還涉及人員。技術的正確應用可以帶來更有權力的決策；技能提升、技能再培訓和跨職能協作的新機會；更好地吸引和留住人才；並提高工作場所的安全性和員工滿意度。

客戶通過縮短製造提前期、一次正確的啟動管理以及改進的客戶服務和復雜性管理來看到影響。當然，減少對環境的影響也會帶來雙贏的優勢，這可以通過降低排放和減少浪費以及更有效的能源、水和原材料消耗來實現。

這些生產力、流程和人員的改進並不容易實現——尤其是在單個製造站點的網絡中，每個製造站點都有自己的站點領導、IT 基礎設施和工作場所文化。聽說公司通過在一個工廠的試點項目取得了令人矚目的成果，卻發現自己無法在其網絡中復制這些本地勝利，這種情況並不少見。

這是一家全球工業公司的情況。面對需求的大幅增長——產量在短短三年內翻了一番多，這意味著額外生產了超過 5000 萬個零件——該企業在一家工廠開始了雄心勃勃的數字化轉型。目標是將整體設備效率 (OEE) 提高 10 個百分點，並將產品單位成本降低 30% 以上。

，這是一項與麥肯錫合作的世界經濟論壇倡議，旨在表彰在第四次工業革命中的領導地位。該網站開始歡迎外部訪問者展示其轉變。但儘管取得了這一成就，但該公司仍不清楚如何將這個本地成功案例複製到其他站點。

擴展數字化轉型的常見陷阱

製造商未能在這一旅程中取得成功有五個常見原因。

孤立的實施。通過將數字化轉型作為一種理論練習，許多公司在不知不覺中建立了獨立的交付團隊，這些團隊與業務領導、現場運營、卓越製造和中央 IT 脫鉤。其他人過於關注複製單個站點的體驗，而沒有意識到更廣泛的網絡複雜性。

適應不力。通過部署一刀切的方法，製造商錯過了利用不同工廠場地的獨特環境、文化和價值觀所需的定制和適應機會。

分析癱瘓。對整個網絡進行全面而深入的前期分析可能會使製造商在轉型開始之前失去動力。相反，可以從完善的外推方法中收集到可靠、足夠準確的見解。

技術驅動而不是價值驅動。技術先行意味著部署的解決方案沒有明確鏈接到真正的價值機會、業務挑戰或能力要求。結果：破壞了負責部署工作的人員的重要支持。

讓“完美”打敗美好。在推出工業 4.0 解決方案之前，等到定義和實施完全成熟的、理想狀態的數據和 IT/OT（信息技術/運營技術）架構，製造商就會失去通過經過驗證的和務實的最小可行架構。

三個公司原型加入競爭

追趕領先公司的製造商通常屬於三種公司原型之一。

謹慎的首發。這些公司正在研究如何開始他們的數字化轉型之旅。他們需要幫助來確定工業 4.0 可以為其業務帶來的全部價值，並製定網絡範圍的戰略和部署路線圖。

沮喪的實驗者。這些公司已經開始通過試點項目進行試驗，並取得了一些成功。然而，他們發現自己在部署技術時並沒有清楚地了解如何實現財務投資回報率。

準備縮放器。這些公司正在部署解決方案和技術，但仍然無法在其網絡中實現回報最大化或規模化。他們需要重新調整，專注於如何獲得工業 4.0 的全部優勢或如何加快部署以響應業務和客戶需求的變化。

減速以快速前進

無論公司屬於原型的哪個位置，放慢腳步並圍繞新的、更有針對性的戰略重新組合以最大限度地提高數字化轉型的價值都是很有價值的。

少數成功擴展數字創新的組織的一個重要教訓是他們如何開始影響力之旅。在開始採購和部署之前，領先的公司會花時間確定工業 4.0 的全部潛力——確定製造價值鏈中的高槓桿區域——並製定以激光為中心的數字製造戰略和部署路線圖。

該方法的第一階段包括網絡掃描以識別風險價值和技術用例的優先級列表，同時考慮數據、IT/OT 和組織成熟度。然後可以在此基礎上構建隨附的路線圖，定義初始部署的部署策略和目標站點，然後是網絡範圍的部署計劃以達到規模。

花時間進行網絡掃描以尋找大贏和速贏的機會，可以為數字化轉型創造重要動力。隨著製造場所開始獲取財務和運營價值——更不用說與提高組織能力、員工滿意度、客戶服務績效和環境影響相關的好處——這些回報可以創造一個良性的反饋循環，使項目成為自籌資金並轉化為計劃更快地進入競爭優勢。

擴展成功

正是這種方法支撐了前面提到的工業公司所採取的方法。繼燈塔式成功之後，該企業需要了解如何以及在何處進行投資，以最大限度地提高整個網絡的回報。通過對跨越十幾個站點的製造價值流的子集進行網絡掃描，它確定了五個站點，它們共同代表了大約 80% 的風險價值。此外，它發現 17 個已確定的技術用例中有 10 個佔潛在影響的 75%。

憑藉完善的價值捕獲部署策略，並在對所需功能進行結構性投資後，該公司能夠在其製造網絡的其餘部分複製網絡掃描方法，並擴展到其他業務領域。該公司的一位高級利益相關者說：“我們基本上編寫瞭如何將其擴展到我們的其他站點的劇本，並且在這些地方取得了很大進展——不僅在我們的下游生產網絡，而且在我們的上游生產站點，利用數字化減少人為乾預並提高合規性。”

關注真正的業務需求和當前的性能挑戰，並遵循“優勢向上”的方法，以已經在各個站點運行良好並且可以在整個網絡中務實推出的解決方案為基礎。

在另一個例子中，一家全球消費品公司已經在多個業務部門試行了一段時間的數字創新，但很少有想法能夠在單個產品線或站點之外產生重大影響。公司領導認識到有必要澄清哪些數字解決方案可以滿足整體業務需求和優先事項，以及將轉型工作重點放在哪里以大規模實施解決方案。

在對歐洲和北美 40 多家工廠網絡中的八個優先站點進行了兩個月的前期分析後，該公司意識到大約 20 個站點佔總節約潛力的 80%。它還確定了一個優先的數字解決方案組合，大約有兩打用例與整個網絡相關，還有十幾個被確定為“不後悔”的優先事項。

至關重要的是，該流程使公司能夠了解其數據和技術基礎設施的就緒程度以及對技術、管理和轉型能力所需的投資。該公司在過去的兩個月中製定了一致且以價值為導向的路線圖，用於在其網絡中推出數字化轉型。該計劃整合了數字和傳統精益或六西格碼改進，考慮了資源和技術要求，並反映了大規模建設能力的明確戰略。該公司繼續在多個站點進行大規模部署，最終節省了超過 1 億美元。

充分利用工業 4.0 的七大黃金原則

無論製造商是開始他們的數字化轉型之旅 - 還是在錯誤開始或失敗嘗試後重新調整他們的方法 - 領先公司採用的方法都指向了擴展成功數字化轉型的七項黃金原則。

經常溝通好。與關鍵的高級利益相關者、現場領導和跨職能核心團隊建立有效的參與計劃和定期溝通。

請明確點。關注真正的業務需求和當前的性能挑戰，並遵循“優勢向上”的方法，建立在已經在各個站點運行良好並且可以在網絡中務實推出的解決方案之上。

細分、選擇和聯合。分割製造網絡並選擇有代表性的站點進行前期網絡掃描。預先聯合推斷方法，以表明將如何擴展集中的洞察力以得出網絡範圍的分析。

將風險價值形式化。在每個評估的站點中，通過將最適用的工業 4.0 解決方案或用例與當前的數字就緒、數據可用性和 IT/OT 架構聯繫起來，描述實際的風險價值。

制定網絡的三到五年願景。描述優先級用例包的總價值，以使業務領導者與雄心保持一致，並為更廣泛的組織形成一個引人注目的變革故事 。關鍵解決方案的引人入勝的視覺表示可以幫助更廣泛的組織參與願景（圖表 2）。

設計數字化製造路線圖。制定優先推出計劃，其中包含清晰的擴展策略和清晰的價值隨著時間的推移捕獲，集成數據和 IT/OT 架構的支持以及資源需求、能力和變更管理。

聯合願景並確保領導層的認可。與關鍵利益相關者一起傳播業務案例和要求，旨在獲得高層領導的明確授權，並密切參與現場領導的目標設定和執行。

無論是陷入試點煉獄還是承受越來越大的展示回報的壓力，公司都會變得沮喪和沮喪。然而，只需一兩個月的時間來放慢腳步並製定穩健的製造戰略和部署路線圖，企業就可以加速其工業 4.0 轉型，並為未來幾年制定清晰的前進道路。

關於作者

Ewelina Gregolinska是麥肯錫倫敦辦事處的合夥人，Rehana Khanam是合夥人，Prashanth Parthasarathy是高級專家；Frédéric Lefort是哥德堡辦事處的合夥人。

作者要感謝 Søren Fritzen、Sven Houthuys、Regis Peylet、Mikhail Razhev 和 Hariharan Vijaykumar 對本文的貢獻。

   訪問麥肯錫網站了解更多詳情