“Make”製造，這大概是台灣最熟悉的領域，其實「分析」在這方面的運用也是最多的，由工廠排程、供給規劃、需求規劃、庫存規劃、良率分析、品質改善等等，都是分析的運用實例。
除了這些方面以外，作者提到三個部分，前面兩者是「研發」、「服務」。作者提到許多公司透過互聯網 (internet)與客戶、供應商協作來開發新產品或是提供客戶需要的服務。透過網路上開放平台來收集客戶反應，並分析得到哪些功能吸引客戶，是主要的原理。
我覺得最令人興奮的部份其實是第三點，「數位工廠」 (digital factory)，也就是最近台灣很夯的「工業4.0」。數位工廠的可能性是來自於新科技的發展以及普及的感應器 (sensors)。
IBM的研究裡面曾提出三大新科技會改變製造模式：3D列印技術、可任意配置化 (confiurgable)的機器人以及開放源硬體設計 (open source hardware)。因為機器人成本逐漸降低並且可以任意配置改變功能，因此生產線可以因為生產需求任意調整改變來符合最有效率的生產需求。
而日益增加的感應器安裝在生產線上，隨時將生產資訊即時傳回來，讓管理者能夠即時掌控生廠狀況，並且可以透過即時分析對於任何變動決定最佳的因應行動。
因為新科技讓工廠可以任意配置變化；又有感應器佈滿生產線，就像神經可以隨時感知任何變動，整個實體工廠可以被數位化，並且呈現在模擬系統上，讓管理者可以尚未佈署實體生產線前就可以模擬工廠運作狀況，並且對於生產效率、成本、能源耗用等進行優化，然後再更改機器人配置完成佈署。這也就是工業4.0裡所提的physical-cyber system (PCS)。
除此之外，作者也提到「協作」的重要性與必要性。過去在供應鏈管理上就一直強調協作的重要性，而因為物聯網技術的逐漸普及，強化點對點以及橫向的溝通，所以資料的分享、協同作業會越來越即時、方便。例如：汽車組裝廠接受客製化訂單後，可以即時將所需要的物料資訊傳給零件提供商，零件提供商則視需求時間即時將零件送到組裝廠。零件組裝廠與汽車製造商共同分享需求資訊，進行分析、決定庫存計畫....等等，都是因為資訊的分享而可以更大幅度的協同作業。
除了以上這些運用以外，作者在最後提到產銷規劃 (sales & operational planning, S&OP)。產銷規劃是極度透過資料分析來完成的流程，並且需要來自不同功能部門、甚至供應鏈夥伴的資料來進行分析、模擬才能有效完成的。目前許多台灣公司「號稱」的產銷規劃其實是在「協調」，也就是討論製造與銷售之間的不一致，雙方期待能夠達到各自想要的結果，而不是真正放眼於整體產銷狀況而以達到公司整體目標為主。正因為產銷規劃需要整體產、銷狀況，因此它需要許多資料，並且進行適當的整理與統合，讓規劃人員可以進行分析。例如：各點的銷售資料必須以地區階層、客戶群組、產品等進行整理，才能夠掌握不同地區、客戶對於不同產品的需求狀況並進行有效的預測。因此個人認為一個公司在於make分析能力的成熟度可以直接由它S&OP的流程就可以看得出來。
總的來說，「分析」在make方面並不是新議題，只是有更多、更即時的資料了，而如何有效運用這些資訊，則是企業未來決勝的關鍵了。
沒有留言:
張貼留言