“宏觀看流動，提高效率；微觀看波動，提升良率；趨勢看變化，降低風險。”
日前，奇點雲釋出制造業數字化八大場景資料模型方案。
比對制造企業不同的數字化階段、戰略方向與核心痛點，企業可以按需采取“專項治理，局部切入”與“全局拉通，整體優化”兩條不同的路徑，從中選擇關鍵場景入手，落地數字化最佳實踐。
四大趨勢，制造業數字化遭遇新挑戰
步入2023，中國制造蓬勃發展，行業呈現如下四大趨勢，同時，也向制造業的數字化轉型提出了新的挑戰：
- 從“以産品為中心”走向“以客戶為中心”
企業希望更向前一步靠近客戶，用客戶需求驅動産品進化，指導生産備貨，提升訂單響應速度與客戶滿意度。相應的，資料鍊路将越來越長，資料範圍也越來越廣。
- 從“中國制造”走向“中國品牌全球制造”
在過去，中國制造做全球的“工廠”，現在中國品牌走向全球，面向全球客戶、利用全球資源、在全球布局生産。在出海的新環境下，業務、組織發生了極大變化，也對相比對的資料能力提出更高要求，例如，需滿足不同國家地區的資料安全管理條例，需具備跨國的資料管理能力。
- 從“制造工廠”走向“智能制造中心”
單工廠模式向制造中心進化，底層資料量也随之飛漲，分散在越來越精細化的生産系統和業務系統中。企業将面臨衆多資料源（包括IT和OT）打通、海量資料統一管理及關聯分析的問題。
- 從“企業資源計劃”走向“産業鍊一體化協同”
過去企業關注對内部資源的管控，而現在還需要打通上下遊，連接配接“供應商的供應商”、“客戶的客戶”，才能優化産業整體效率。
為應對上述新趨勢，持續支撐制造企業提升效率、良率，控制風險，奇點雲基于長期的行業實踐，正式釋出制造業數字化“八大場景資料模型方案”，助力制造企業成功落地數字化轉型。
八大場景，資料模型方案破解新難題
StartDT資深行業專家、制造業産研負責人航宇介紹，八大場景大緻可分為兩條路徑，比對制造企業不同的數字化階段、戰略方向與核心痛點，企業可以選擇不同路徑切入，“兩條大路都能通羅馬”：
路徑1：專項治理，局部切入
這條路徑更适合在特定場景已出現痛點、亟需借助資料解決的制造企業，深挖明星場景，幫助企業更快看到資料價值，從試點出發帶動整體資料意識和能力的提升。
具體可選擇“訂單生命周期”、“動态庫存政策”、“采購風險洞察”、“品質控制中樞”四大場景切入，将分别有效縮短客戶訂單交期、降低庫存資金占用、降低采購與供應鍊風險、提高産品良率和品質。
路徑2：全局拉通，整體優化
這條路徑則更推薦已有數字化轉型戰略、希望資料全面賦能的企業，通過資料的橫向拉通，形成全局分析與洞察視角。
具體而言，可通過“實時生産監控”、“供應鍊控制塔”、“經營決策中心”、“産業鍊可追溯”四大場景落地，進而分别提升裝置效率與産線整體效率，供應鍊可靠性與響應效率，實作業财融合，以及建立産業鍊垂直一體化的追溯标準等等。
下文簡要介紹八大場景資料模型方案。
1、訂單生命周期 OTC（Order-to-Cash）
業務系統越來越多，生産環節越來越複雜，傳遞流程因而也越來越“不可視”，無法及時定位風險點、預測交期。在這種情況下，按質按量按時傳遞的“完美訂單”真的存在嗎？
“訂單生命周期 OTC”首先拉通訂單傳遞所有節點，從資料層面打通所有涉及到的業務系統（在過去的實踐中，系統可能多達幾十套）。依托資料，從生成、傳遞到回款的全生命周期變得可視；同時借助資料模型，在影響效率、出現風險的環節進行預警，輔助提升響應效率及交期。
訂單越透明，響應越及時。在一家電子制造企業落地“訂單生命周期 OTC”後，制定7大領域48個影響交期的預警名額，最終支援訂單及時傳遞率提升18%、交期縮短8%。
2、動态庫存政策 GRS（Global Rolling Stock）
庫存占用資金高，如果備貨多，利潤就被迫壓在庫存中；有一些企業産品單價高、細節參數多，無法大批量備貨，同時客戶的交期較為緊急，完全照訂單按部就班生産又趕不上交期。
這些問題背後，核心是對遠期庫存的管理。
基于“動态庫存政策 GRS”，奇點雲幫助企業明确在途、在制、待排産及已下單備庫等不同狀态的庫存分布，将庫存與訂單建立關聯，依托訂單預測等模型，快速判斷庫存短缺等情況，完善遠期庫存儲備。
3、采購風險洞察 PRA （Procurement Risk Analysis）
供應商管理是制造業風險管控中極為重要的一環。以電器企業為例，白熱化的市場競争讓企業頻繁面臨供應商選擇、協同及新供應商潛在風險評估等場景。
是以，“采購風險洞察 PRA”提供針對供應商全生命周期的資料模型，包括“獨家采購風險”、“庫存呆滞風險”等多級風險名額，建構供應商立體畫像，幫助企業降低采購與供應鍊環節風險。
在一家大型電器制造企業實踐中，“采購風險洞察 PRA”幫助降低了15%的供應商中斷次數，減少因生産延誤帶來的損失。
4、品質控制中樞 QCC（Quality Control Center）
制造企業通常已在生産的各個環節做了品質管控設計，例如SPC（統計過程控制）分析，每個環節專注于自有範圍内的品質提升、良率提升。但從全局看，哪些環節是“緻命”的？如果整體投入有限，應該優先提升哪些環節？
為解決上述問題，“品質控制中樞 QCC”建構了客戶品質資料回報與統計跟蹤體系，比對“過程品質”與客戶最終回報的品質結果，進而了解品質改善的瓶頸所在。同時，基于規則，及時将預警推送給對應QC、工廠中的房間、班組以便采取幹預措施，進而提高良率。
5、實時生産監控 RPI（Real-time Production Index）
大型生産制造企業往往已在每個工廠、每個工廠中的房間都設定了MES系統。然而各個MES系統尚未打通，導緻企業缺少全局視角。
“過去，工廠都在一個園區，或至少一個城市，工廠也不多，總部實地考察和管控都算友善。現在全國乃至全球建廠，幾個基地可能有幾十套MES系統，不可能靠人工完成一體化的管控。”
航宇介紹，基于“實時生産監控 RPI”，橫向拉通各生産基地的系統資料，進而幫助企業建立對人、機、料、法、環等多元度的全局實時監控。“例如，各基地之間的産能爬坡規劃調整、雙碳能源管理等綜合決策，都需要實時生産監控做支撐。”
值得注意的是，實時生産監控場景往往涉及海量資料，其中包括極大量的OT資料，是以底層需要離線、實時及時序計算引擎的混合排程體系做支撐。
6、供應鍊控制塔SCT（Supply-chain Control Tower）
“供應鍊控制塔 SCT”解決多組織下資料群組織的壁壘問題。
正如前文所述，資料分散在了越來越多的業務系統中，管理層面也因多系統林立而出現了一定的協同壁壘。
是以“供應鍊控制塔 SCT”首先打通從銷售、計劃、采購、生産直到物流、結算等全鍊路資料，確定各環節圍繞相同的目标（即客戶訂單）高效協同；
第二步，針對上述鍊路，圍繞訂單傳遞的關鍵點，設立“埋點”，核心依托這些“埋點”來了解并管控供應鍊全程，預警風險，評估健康度；
借助橫向拉通的可視化沙盤、縱向的主題駕駛艙、便于執行的預警排程室等資料應用，直覺呈現上述資料名額及分析結果，企業可以從預警、改善到歸因形成行動閉環。
7、經營決策中心BDC（Business Decision Center）
自ERP時代以來，制造企業就苦“月結效率”久矣。
在過去，往往需要先完成财務月結，結合财務報表和業務名額資料，再完成經營管理的複盤和決策。而現在，企業越來越希望财務月結與管理月結能盡可能同步，能看到更近周期内的問題并及時進行改善——PDCA（計劃、執行、檢查、處理）的循環周期越短，改善空間就越大，競争力就越強。
“經營決策中心 BDC”建立了業财一體化的統一資料模型，不僅確定業務、财務資料的一緻性，大幅提高月結效率，也幫助企業從客戶、産品等多個業務次元對關鍵經營名額進行綜合分析。
在一家醫藥制造企業，“經營決策中心 BDC”幫助實作110+類别的6大次元精細化分析與管控，每月釋放财務對數人員精力40人天，月結效率提升60%。
8、産業鍊可追溯 ICT（Industry Chain Tracing）
過去制造業的追溯體系通常圍繞“品質”展開，譬如，汽車遇到問題需要召回時，依賴品質追溯體系，企業能知道哪些汽車用了這些有問題的零部件，需要召回哪些批次。
而現在，制造企業不僅需要掌握從材料入庫、出庫到制造及成品的全流程，還需要聯通産業鍊上下遊，甚至與“供應商的供應商”共建整個可追溯的産業鍊。
“推動産業鍊建立可追溯體系的現實原因是，大陸企業在出海時往往面臨衆多條款的限制，它不僅要求企業自身符合标準，也要求所用原材料、零部件、勞動力均可追溯。”航宇表示，“中國制造在走向整個産業鍊出海。”
是以“産業鍊可追溯 ICT”建立了One-Order的資料治理體系，打通分散在各地的系統資料，把制造企業自身、産業鍊上下遊、交易企業雙方均通過“訂單”串聯起來。
“宏觀看流動，提高效率；微觀看波動，提升良率；趨勢看變化，降低風險。”
依托統一的資料名額與标簽體系、成熟的制造業資料模型、性能強大的資料雲底座，StartDT奇點雲将持續助力制造業響應時代新趨勢、迎接新挑戰。