豐田式生產

最近有機會接觸到豐田式生產這個概念，有點回到大二生產管理課程的感覺，就來記錄一下自己對這個概念的看法。

豐田式生產最被大家記得的大概就是「看板」，也就是透過「看板」來傳遞需求資訊給上游，所以上游僅有在下游有需求的時候才能進行生產。其次就是對於品質的重視，而且生產線上的員工可以在他認為可能有品質問題時，隨時停止生產，以避免製造過多的不良品而產生浪費。

不過在現在生產型態改變，由大量生產變成更小批量客製需求的模式，加上近年來電腦資訊科技的興起，讓資訊傳遞的方式大幅改變，看板的概念可以透過現場製造執行系統 (manufacturing execution system)予以實現，甚至透過整體供應鏈網絡的資訊分享與可視，把看板的概念延伸到企業之外，例如Dell Computer與Walmart所採用的CPFR (Collaborative Planning, Forecasting, and Replenishment)，將看板這樣需求訊息透過資訊系統延伸出去與其他供應商、客戶共享。

「時間」是供應鏈管理的最大挑戰，如何縮短供應時間、縮短製造時間、縮短運輸時間...，還有縮短資訊處理與分析的時間，因為整個時間越長就會有更多的變數、而且所採取的決策與行動的效果就要更久才能反應，所以讓管理者更難去下決策。

因此個人覺得，豐田式生產減少浪費的思想，在近代因為科技、產業變化，作業方法可以透過新科技與時俱進，但是透過「時間」縮減而降低浪費的中心思想，還是可以繼續延續的。

需求管理、需求計畫、需求感知

最近跟同事聊天，剛好聊到這個話題，做個筆記吧～

需求計畫 (demand planning)、需求管理 (demand management)、需求感知 (demand sensing)，三個有啥不同?

銷售人員會預估未來需求，這個稱為銷售預測 (sales forecast)；然後供應端 (生管之類的人)也會預估未來需求如何，可以稱為生產預測 (production forecast)。高端一點的人，會跑個統計模型，根據歷史資料產生預測，稱為統計預測 (statistic forecast)。然後把這些數字收集起來、做個比較，找所有相關人等來討論，最後達成共識，產生一版預測資訊，這個叫做共識預測 (consensus forecast)。這一整個過程，就是需求計畫 (demand planning)，也就是如何產生一個大家都同意的未來需求預估。

然而企業有它的預算目標，這個目標可能與共識預測還有些差距，所以呢就需要去做一些事情，例如推銷、市場活動...，來產生更多的需求以符合預算目標，這個行為呢，就是需求管理 (demand management)，是更主動的來獲得足夠的未來需求滿足企業的預算或財務目標。

可是這些事情都是自己關起門來做，外界的環境其實是會影響企業的需求；又如果企業是在供應鏈的上游，更會被下游的變動所影響，而且因為時間的延遲，會有更大的變動 (學術上叫做長鞭效應，bullwhip effect)。所以，企業就可以透過一些市場資訊分析去了解未來需求可能的變化與趨勢，也就可以根據這個可能的變化來調整企業的運作，這個叫做需求感知 (demand sensing)。現在很多企業透過大數據收集分析，就是想知道市場變化對客戶、對需求的影響，這就是需求感知。

三者其實是不同程度的需求預測與管理，唯一的目的都是：未來的需求到底是怎樣的?

滾動計畫與計畫循環

在討論規劃流程時，有一個重要但常被忽略的議題就是滾動計畫與計畫循環 (rolling planning & planning cycle)，需多人要導入規劃系統時，常就單點功能討論，爭個你死我活，但其實有些需求或問題在考慮滾動計畫與循環後，其實就沒那麼複雜。

什麼是滾動計畫與計畫循環呢？

先解釋計畫循環，簡單的說，計畫不是做一次，而是定時、定期重複的，例如每天會進行一次物料需求規劃，根據目前的需求來計算淨物料需求，這樣的狀況下，計畫循環就是「每天」 (daily cycle)。許多人都很理想的說：隨時要重跑 (重新計畫) 就跑。(顧問心理的OS大概是：連慢跑都不可能隨時跑了，計畫怎麼可能？) 因為計畫出來的結果是要去進行一些動作，例如：請供應商加速把原料送進來 (pull-in)、開出新的採購訂單...如果隨時重新規劃，那麼這些行動不就一直改來改去? 公司就變成「髮夾彎」規劃了。依此計畫的循環必須考慮所有相關部門的作業來規範，如果其他特殊狀況就例外處理，而不是更改計畫方式。

在連續的計畫循環間，有些訊息要連貫，而每一次計畫所要決定的事情僅止於某時間內，而非整體規劃。 不懂？正常的，舉例說明一下。假設每次跟供應商叫貨，他要在第三天才能送到 (前置時間 lead time = 2 days)，所以今天規劃的結果雖然看得到未來好幾個月的訊息，但是我們真正要通知供應商送貨的數量，其實就只要看第三天規劃出來的淨需求，並根據這個數量來決定跟供應商叫料，第四、第五...天之後的訊息就只當做參考用就可以了。所以每天計算出來的淨需求，其實就是要關注於第三天的結果。所以未來兩天稱為凍結期 (frozen window)，而第三天則是要決定採取行動的期間，每一次循環就會滾動，而有新的一段時間 (period)會進入凍結期，計畫人員要關注的就是即將進入凍結期的部分。

因為供應鏈限制可能在產能、在物料，這些部分大部分人都能夠理解，也討論較多。但是「時間」的限制通常就僅於前置時間、運送時間等考量，但是計畫循環與滾動計畫對於時間的考量更為重要，也是流程與系統設計上應該要優先思考的議題。

時間，最珍貴的資源，也是未來企業的戰場

過年的時候，大家都在等101放煙火，而大陸有位老兄 (網紅，網路紅人)卻在深圳衛視贊助下，連續第二年搞了跨年演講，而且今年講了二個多小時 (加廣告、休息，一共快四小時)。這位仁兄叫「羅振宇」，以下是簡短的報導。　https://www.inside.com.tw/2017/01/01/lo

大家有興趣可以去youtube上看，搜尋「時間的朋友」就可以看的到。

其中有一段 (第一段)　跟我之前的看法有點關係，「時間」將是未來企業競爭的關鍵。他的講法是：未來能夠讓客戶更能夠有效運用時間、優化時間運用的企業才能勝出；也就是說如果可以提供服務、商品讓客戶更有效利用他/她的時間，那這個企業就會成功。例如：排隊黃牛或黃牛票，他省去了你去排幾天幾夜的時間，而讓你能夠買到想要的門票、車票，所以你不用去熬那幾天的時間等買票，那麼這個生意一定會有機會(雖然他是非法的)。

換個供應鏈的角度來看，今天你的供應鏈可以讓客戶更容易掌握商品的遞送、交貨，而且幫他節省一些管理的時間，讓他可以把時間拿去管、優化其他流程，那你的供應鏈就會比競爭對手有優勢。

所以羅振宇提出「時間戰場」這個概念，就是說企業的競爭力就會回歸到誰能夠為客戶提供服務/商品，讓客戶能夠更有效運用他自己的時間 ，未來所有企業都在「時間」這個概念上互相競爭。

他山之石：進步，是一種態度

今天在找資料的時候，看到這篇報導 Jabil供應鏈可視度平台 有些感慨；EMS（電子製造服務)在台灣被視為毛三到四的慘業，在PC產業崩壞下，更是雪上加霜。

在我們還在追逐蘋果訂單、嘗試以過去成功 operation excellence的cost down模式繼續下，同樣是EMS的Jabil已經開始利用數位化 (digital)技術嘗試提供客戶不同的服務而來贏得更高的利潤；Flextronics相同的利用數位化跨足台灣過去引以為傲的製鞋業。

他們共同的態度就是持續追求進步，並且透過新能力的養成來改變自己所處的不利環境、跨到更好的、更少競爭的藍海。

眼看我們的產業、政府只能空心的論述，令人擔心，但又能如何? 商業周刊的這篇文章更令人感傷。進步，是一種態度

你工業4.0了嗎？

工業4.0、工業3.5、工業3.x...在談論工業4.0時，很多公司就在思考他們目前的程度到哪裡，所以就有這些3.x的名詞出現。但是到底怎麼樣衡量呢？如果是由自動化程度來衡量，那麼這是真的工業4.0的目標嗎？

如果以工業4.0的本質出發，它講的是智能生產與智能供應鏈，那麼是否應該是由這兩個方向來評估？但是又如何來衡量智能生產與智能供應鏈呢？

當然「智能」可以透過分析能力的四個層次來評估，但是這樣的評估好像又沒有與供應鏈與生產能夠直接掛勾，那麼應該怎麼來評量呢？

個人提出一個簡單的衡量方法：「接受訂單 (新訂單)或接受訂單更改後 (已有訂單)到生產線開始生產的時間」加上 「生產線變動到更新訂單狀態的時間」。

在工業4.0的理想裡，透過IT/OT的整合，業務資訊(訂單)必須與製造執行串連，所以訂單的狀態改變應該可以幾近於即時的更新到生產線上。這個更新不僅僅是訂單資訊的更新，而是整體製造執行計畫的更新，也就是已經考慮產能、物料...等限制，重新進行生產排程，而更新後的製造執行計畫；反之，當生產線上的生產進度有變化時，也要及時更新訂單的預計交貨時間。

在往工業4.0的路上，會慢慢的一步步的建置企業的能力，所以這兩個時間的總和會慢慢的縮短，原本可能要一週才能更新一次、慢慢的會縮短到三天、一天...甚至一天多次。越能夠即時的更新，就表示企業在IT/OT整合上作的越來越好、分析能力也是越來越接近perscriptive analytics的能力。

因此個人認為企業可以用這個方法來衡量企業的工業4.0能力。

企業策略與財務管理 (一)

企業要有策略作為未來或長期發展的目標與方向，策略是根據未來想達到的目標而擬定出如何達到這個目標的作法，所以策略通常是比較長期(3~5年)的而不是短視的。

財務管理是管理公司的資金、讓公司可以用比較合理的成本取得所需要的資金來支持營運以及未來的發展、投資；因此財務管理可能是比較中、短期(1~3年、甚至更短)。

而財務目標是公司經營層對董事會、股東所提出的營利目標，其時間可能又更短，可能是年度、季度的短期數字。

由三者所涵蓋的時間、範圍與目的來看，其實各自有其層次，策略指導公司運作與發展、財務管理協助實現策略，而財務目標則是衡量短期成效，總的來說，應該是由上而下來發展。但是專業經理人可能會面臨一個窘境，就是董事會或是股市投資人沒有耐性去等長期的策略成功，而反過來被短期的財務目標所束縛住，因為如果沒有辦法達成某個財務目標時 (EPS、獲利或營收的成長)就會導致專業經理人下台。更甚者是如果專業經理人的個人績獎金報酬是由短期財務績效所決定，那勢必讓專業經理人看近不看遠，而扭曲了企業長期經營的方向。

創新的兩難與供應鏈管理

克里斯丁森 (Clayton M. Christensen) 所著「創新的兩難」(The Innovator's dilemma)被許多企業界的名人列入書單，果然是有些論述是滿有意思，而且值得深省的。

克里斯丁森在書中提出價值網絡 (value network)與組織的關係，他認為公司組織的形成就是映射整個產品或服務的價值網絡。例如電腦製造，核心是CPU，然後主機板、各式的卡、最終是周邊組件。因此公司的組織也是隨著來形成，負責CPU的、主機板的、顯示卡的...。因此在進行創新的時候，新的產品/服務可能需要不同的價值網絡，但是會被原來的組織所束縛住，而無發進行轉型。

供應鏈相關的活動在價值網絡中通常不是核心 (除了那些運籌服務者)，因此供應鏈其實應該是要能夠隨著核心的變動而快速調整反應的。但是在個人的經驗上，常常被過去的作法 (價值網絡)所綁架，因此僵固的被制定下來，因此在企業要轉型時，不僅僅無法隨之快速調整，甚至成為束縛的繩索之一。

檢視並建立企業價值網絡視圖，可以協助企業規劃轉型，而在新的價值網絡下，怎麼把舊的組織轉化為新的需求，包含供應鏈，就是轉型規劃一個重要課題。

供應鏈管理的新玩意兒？

有位老朋友每過一段時間就會來問我，最近供應鏈管理有沒有什麼新玩意兒? 對於這個問題，寫一下我的看法。

首先，他的問題並不是「供應鏈管理」而是「先進規劃系統」(advanced planning system, APS)，這兩件事情是不一樣的。

前者是全面性的管理問題，包含策略面規劃、戰術面的規範以及作業面的細節與流程，並且是由產品規劃、研發、銷售、採購、製造、配送、服務到產品結束，牽扯到客戶、供應商、配銷商等等。後者則只是是生產規劃上的一個資訊工具。

那有什麼新玩意兒? 個人覺得，並沒有。供應鏈管理這個思維被提出來後，原理原則其實就這樣了，只是每個公司根據產品、競爭策略去細化裡面的作法以確定其供應鏈能夠支持、實現產品、競爭的想法。舉例，PCHome 24小時到貨是它的競爭策略，然後它怎麼找廠家、物流怎麼配合，就是供應鏈管理的議題；相對的，東森電視購物，就可能有不同的物流作法。就是這樣而已。或許搞搞無人機送貨是新東西，但個人覺得那只是遞送方式的另一個選擇，並不算新東西。

再者，APS呢？還不就是啟發式(heuristics)與優化 (optimization) 兩大門派? 頂多是新的資訊科技提供更快的效能。大數據呢？ 那也只是增加資料的範疇與數量，並沒有改變其中規劃的方式與模型。

所以，我認為與其追求供應鏈管理的「新玩意兒」，還不如去把裡面的細節「做到位」，這才是對於企業本身有幫助的事情。真的叫我講「新玩意兒」，那我會賭「人工智能」吧，不過這能夠幹嘛，我也還沒想通。

2016年 供應鏈趨勢

在網路上看到的文章：2016 Supply Chain Trends (2016年供應鏈趨勢)，作者列出了12大趨勢，可以參考看看。

2016年供應鏈趨勢 #1-#7

# Supply Chains will look to go Digital (數位化供應鏈)
# Responding to Innovation & Change but with an Eye on Fundamentals (著眼於基本面回應創新)
#Augmented Reality a.k.a. AR (虛擬實境)
#Artificial Intelligence on Steroids (人工智慧的大幅增長)
#Agile = The New Lean (敏捷為新的精實)
#Procurement's New (read Bigger) role in the Supply Chain (採購在供應鏈上扮演更大的角色)
#Collaboration continues to take center stage for efficient supply chain management (協同作業是供應鏈管理的重中之重)

2016年供應鏈趨勢 #8-#12

# A bigger focus on supply chain risk management, especially resiliency (更高的關注於供應鏈風險管理，尤其是彈性)
# Making the supply chain circular vs. linear (循環式的供應鏈而非直線型)
# Cloud computing continues to increase in use (更多雲端計算)
# Wearables are the new hot trend on the supply chain block (穿戴式裝置成為供應鏈的一環)
# A continued, renewed (or new) focus on data analysis for continual improvement & better supply chain visibility (在資料分析上持續更多或新的關注來改善供應鏈可視度)

工業4.0這麼廣，到底可以做什麼?

很多人有這個疑問，工業4.0是一個很大的框架，那麼一個企業可以做什麼？我指的是企業藉由「工業4.0」可以達成的目標或成果? 我覺得可以由工業4.0基本的三個整合面向來思考。

首先是生命週期的整合面 (SYStem Lifecycle Management, SYSLM)

產品由研發、銷售、生產、交貨到服務，一路上可以收集到很多的資料，透過這些資料的分析可以改善產品的設計、生產...等。例如：透過生產過程資料的分析改善生產方式，提高良率降低成本。抑或是收集產品服務維修、與消費者互動的資訊，改善產品，例如小米的UI改善。

其次則是IT/OT的整合

如何把業務作業流程與現場製造執行怎麼串連起來，讓接單、生產能夠即時化，改善供應鏈的反應速度與彈性。這個議題比較傳統，還是跟過去ERP、APS、MES等等有相關。不過因為資訊科技的進步，有機會可以透過較新的商業分析工具與技術來改善。所以這也是一個可以探討的方向。

最後則是生態系統的整合

工業4.0相當強調為客戶打造獨特的產品或服務，所以跟客戶協同作業是相當的重要。如果僅僅是接單生產，沒有辦法與客戶有深入的互動與協同作業，將沒有辦法提高黏著性留住客戶。而相對的，為了供應鏈的效率與彈性，也必須與供應商協同，讓供應商一同發揮彈性與效率，透過生態鏈的方式來服務客戶。

透過這三個面向來思考，企業應該可以找到一些短、中、長期的目標，逐漸來實現工業4.0。

由3.0到4.0的路 (下)

在工業3.0，主軸是CIM (computer integrated manufacturing)，是透過電腦與自動化來實現製造整體控制的環境。國際自動化協會就提出一個架構，稱為ISA-95，分成四個層次，來描述整個自動化環境的建置。

因為工業4.0是基於3.0往上加上一些智能的元素，所以要實施工業4.0的時候問題來了，現場的機台、設備來自全世界許多的廠商，而這些機台、設備各講各的語言 (communication protocal)，這樣是不是很難溝通呢？

如果要換掉這些老舊機台設備，那麼企業主就要投入大筆的資金，所以呢，很多公司就卡在這裡走不下去了。這時候所謂工業電腦的公司就跳出來了，它們的價值主張就是幫這些老舊機台加上外掛，透過這些外掛讓機台的資料可以吐出來。

不過做完這些，大概只是把工業3.0補考完而已，實際上對於所謂工業4.0建置是還沒開始。

在工業3.0後，有各式各樣的電腦控制系統以及資料 (來自level 3, level 4的資料)，而怎麼把這些資料放在一起管理，方便使用就是說大不大、說小不小的問題了。

因為不同系統有不同的重要性與負荷，如果要常常去要資料，可能造成一些關鍵系統負荷過大，所以就只能一段時間要一次。因此資料就不容易即時或是統一時間，自然要拿來分析就不方便了。

而在工業4.0中最重要的智能部分才是真的最大的問題。過去很多智慧是在做中學而來的，這些老經驗的員工如何傳承這些知識、經驗，是人工決策階段所面臨的重要問題。

所以工業4.0是倡議要把這些經驗透過系統模型來實現，但是作這樣的事情是需要很多的人才：簡單說，要有會分析的專才、要有懂domian產業知識的人、要有會把這些知識變成系統化的人。在這樣的情形下，很少有公司可以養得起這樣的團隊。而這才可能是工業4.0最大的挑戰。

所幸，現在有很多公司嘗試著把這些東西(分析模型)商品化，搞成人工智慧、機器學習這樣的軟體，或許在這種情況下，有機會讓更多中小企業能夠實現工業4.0

由3.0到4.0的路 (上)

工業3.0的階段是透過電腦系統整合製造現場，也就是所謂CIM (computer integrated manufacturing)來驅動的製造管控。

如果把多個工廠的製造現場透過雲的方式串連起來，也就是所謂「機器雲」的階段。我稱為Industry 3.0+的階段。

對於串連客戶端的需求訊息、供應商的供給資訊並把業務訊息 (IT)與製造作業訊息(OT)串連起來，並且可以即時看到這些訊息，這樣的階段我稱為Industry 4.0 ready，也就是開始進入工業4.0的第一步。

在這個階段，大部分決策還是以人工、經驗為主的模式來進行，系統可以提供的就是即時的資訊，讓人可以掌握狀況來決定如何因應。

把工業4.0最重要的「智能決策」加進來之後，才是真正達到工業4.0所要追求的極致目標。人退居為系統的管理、設計與監控者，就如這次AlphaGo下棋一樣，系統架構師並沒有實際指導下棋，而是訂出邏輯後，讓電腦因應實際狀況變化而自主決策。

我認為這樣才是推動工業4.0的幾個步驟與階段效益。下一篇則會跟大家分享一下每一個階段所遭遇的問題。

自動化然後工業4.0?

工業4.0的建置是否都必須要先投入大筆資金做自動化建置？很多工業4.0的討論都是在於如何導入自動化、機器人，這些自動化的投資金額相當龐大，也就讓許多企業繼續停、看、聽，而不敢毅然決然投入。然而自動化是否一定是工業4.0的必要與充分條件呢？我認為那並不一定。

之前也討論過「分析」之於工業4.0的重要性，如果以分析能力成熟度來看，工業4.0是要做到「幾近」即時的決策，機器與機器之間 (M2M)、上層與底層 (top floor to shop floor)之間的決策速度極快，然後可以增加企業的反應與作業速度。

自動化的邏輯是：在工作現場如果是「人」，那麼在訊息的回饋以及行動的執行都要經過「人」來執行，因此就沒有機器人或自動化設備那麼快速。但是機器人、自動化應該是協助「人」來進行作業，而且有些步驟還是需要「人工」來執行，甚至「人工」是增加產品附加價值的部分。(不是常有標榜人工縫製、人工打造的產品，而且賣得比較貴嗎？)

在BMW這個工廠裡，除了引進機器人取代危險、笨重的作業，在部分作業還是由人透過機器人、甚至完全人工來執行

BMW，德國工業4.0的震撼

另外哈雷機車可以接受客製化，並在一天內交車，也充分實現工業4.0的概念，但是許多製程還是以人工進行

哈雷機車製造

因此我認為如果可以先用一些輔助設備(例如電子看板、MES透過現場電腦monitor顯示作業指示等方式) 來協助人作業，至少把分析能力與速度推進到較先進的分析作業模式，這樣也可以視為工業4.0的實施。

也就是先以建置分析能力，強化決策速度，企業在此就可以先實現一些商業利益，然後再繼續投資置換現場自動化的硬體，而不需要在一開始就須投入大幅的資本。

再者，在建置分析能力時，也會慢慢發現資料的不足，然後去思考如何透過自動化、物聯網技術來收集相關資料，這樣也可以找出自動化建置的順序，讓投資更能有針對性。誠如阿里巴巴副總裁車品覺先生在「大數據的關鍵思考」裏說的：

”作為一名與數據打交道十幾年的人，我深深知道從「看」到「用」，在從」用」到「養」的營運數據，本身就是複雜的過程，也許目前我們最應該做的，是暫時忘記大數據的概念。行勝於言，只有具備實際效果的數據才是正道。" - 車品覺

也就是由用找到不足(開始分析使用)，再去新增收集的數據(新增自動化的部份)，這樣才能提早實現工業4.0的效益。

你要的是什麼樣的工業4.0？

工業4.0，最近已經被濫用到快要退流行了，每個企業都說「我們在看工業4.0」、「我們要做工業4.0」，甚至還有服務業說它們要應用工業4.0。但到底企業們知道它們要的是什麼嗎？

工業4.0比較像是一個框架，主要是透過資訊系統與實際生產環境、供應鏈的整合，讓客戶與供應商得以快速協作。而其中是透過物聯網、大數據分析新技術以及原本大家熟悉的商業應用系統來實現。所以有些人講的應該是：「大數據分析」應用，而不是工業4.0。

其次，因為工業4.0是一個框架，並沒有具體實現在某特定的議題或業務應用，端看該企業要實現的商業價值。

有些公司要透過工業4.0架構來實現客製化訂製服務、有些要透過工業4.0架構增加生產排程的彈性，讓生產線得以任意改變設置來符合訂單需求而不會犧牲生產效率...每個公司有其面對的業務挑戰、極於想要解決的業務問題，並無法一視同仁來套用。

因此比較實際的是先定義「業務場景」，business scenario，然後再來看如何建置這樣的架構。收集什麼資料、如何收集、想要獲得的資訊、分析的模型...

如果沒有先定義情境，就像失去方向卻又要往特地目標前進，最後可能在原地打轉或是走錯方向。

因此在決定要運用工業4.0的框架時，還是先確定自己所需要的商業情境，然後再一步步來實現這個架構。

怎麼到工業4.0?

工業4.0被大家視為一個可能的救命丹，也有許多公司研究、想要做，但是到底該怎麼做？我嘗試著提出一個方法。

首先，企業應該先要問問自己一個問題：「為什麼要做工業4.0？」

工業4.0有很多層次以及可以達到的境界。第一個層次是提高效率與節能 (主要是來自智能工廠的建置)，第二層則是提高客戶服務 (因為Internet of Service加上智能供應鏈)，第三層次則為新業務模式的產生 (如service-based的收費模式)。

每個企業所處的商業環境與其競爭模式並不相同，做工業4.0的目的應該也有所不同，不能一概而論。如果只是抄襲而來，這未必能夠達到所想像的效果。因此如何確認實行工業4.0的目的是一開始就要確認的。

可以根據BCG所提出的策略色盤 (strategy palette)來檢視自己企業的策略，而根據所在環境將工業4.0的目標對準競爭的要素。

如，身處Renewal環境的企業，就可以思考透過工業4.0來找出新的商業模式，重新建立競爭優勢。

確認工業4.0的目標後，其次則是去思考工業4.0三個維度上，企業目前所欠缺的部份，而訂定執行計畫。

我認為工業4.0倡議三個維度的整合：生命週期 (systems life cycle)、商業與作業 (information technology and operation technology)以及產業生態鏈 (ecosystem)。生命週期看的是產品由構思、開發到服務所有的活動；商業與作業整合則是由接受客戶規格、設計、計畫、生產(IT)與工廠配置、製造(OT)等整合；最後則是與上下游整體產業生態鏈的串連。而這三者都是基於資料整合與智能分析來實現。

目前台灣的客戶大多在談OT部分的建置：機器人、自動化等，甚少去看IT/OT整合，更少去思考其他兩個維度。

因此要訂定工業4.0的執行計畫，我認為應該由此三個維度來出發思考，才是全面工業4.0的思維。

最後，我提出一個大致的roadmap，或許是有興趣執行工業4.0企業可以思考的。

第一階段是獨立的應用系統建置 (information silos)，建立工業4.0的基礎，包括目前大家看的機器人、IoT等；對於沒有IT (SCM, CRM, SRM)的企業則應該考慮建置這些系統，因為這些系統是企業未來與客戶、供應商以及整個生態鏈接軌的接口。

第二階段則是價值鏈的整合，將IT/OT的資料整個串接起來，確認整體企業業務活動與資訊的一條鞭串連。

第三階段則是開始加入智能，根據企業分析需求建置分析模型來進一步enable IT/OT以及對外(internet of service)的有效整合。

這些事情都做到，才能達到工業4.0的最終目標。

達爾文與魔鬼

這是一篇哈佛商業的文章，我覺得這是我今年看到最好的文章。

由科學到科技，再到商品化，才能讓企業賺到錢。但是商品會有生命週期，在越來越多的競爭者進入後就會慢慢成熟；而新的科技發展後，商品也會因為舊科技被取代而逐漸走到末期，這個原理大家大概都知道。

而近年來「創新」被每一個企業當做口號來講 (雖然並不是每一家都在創新)，但是企業真的有創新的策略、具體作法? 大概很少。

扯個題外話，我有個感覺是：「公司的口號大概就是該公司最缺乏的東西」，例如：「安全第一」，大概就是這個工地常有工安問題、「品質第一」大概就是這公司品質常有問題，「團結和諧」就表示這裡鬥的很兇。

回到這篇文章，它講的是在不同的生命週期，對於商品的「創新」應該有不同的重點。

例如：在產品處於生命週期末期，開始衰退的時候，再去搞產品創新或是應用創新，大概是徒勞無功的；反而是要追求商業模型或是整個產業結構的創新才有效益。例如：智慧型手機開始興起時，它慢慢的侵蝕了傻瓜數位相機的市場，但是很多數位相機廠商還是拼命在產品上加上更多的功能 (我還看過在數位相機上加入可以聽mp3的功能，不過是有誰會想要拿個數位相機來聽音樂呀！)，但是還是沒有辦法挽回數位相機慢慢消失的市場。

而我們常常講的破壞性創新，則是比較適合產品一開始引進的時候。最有名的例子當然就是加州水果公司了，它引進的iPhone、iPad都是透過新科技的運用而製造出新的市場。

不過因為現在產品生命週期越來越短，企業如何即時的調整創新策略與重點則是一個很大的挑戰。而舊產品的企業要如何面對產品的衰退，也更是一個困難。

台灣過去在PC供應鏈上取得很大的成功，因為WinTel架構，讓台灣發展出電腦完整的供應鏈生態，包括上游的晶圓、面板、記憶體、被動元件、PCB板，到主機板、周邊零件、代工組裝。台灣基本上是在生命週期的成長期時透過「流程創新」 (process innovation，而且是專注於製造、接單流程的創新) 來取得這個成功。但是對於更前期的破壞性創新、應用創新與產品創新，其實是沒有投入的；對於成熟期後所需要的體驗創新、行銷創新、業務模式創新更是沒有經驗。

由HTC的例子就可以看到這個問題，初期在產品創新、流程創新，HTC是取得一些領先的，例如它比蘋果更早一步推出觸控手機。但是當產品漸漸走到生命週期的下一個階段，在體驗、行銷部份的缺點就慢慢漏餡了，慢慢的被競爭對手拉開差距。相對的，小米在智慧手機中期才切入，而它就專注於體驗、行銷模式的不同來取得市場。

另一個例子是當初Wii的推出，工研院也說到那些技術它都有，但是我們就沒有能夠轉換成應用創新，而只停留在技術研究階段。

我們一直說台灣處於悶經濟狀態，而我們是不是應該看一下這個部分，是不是我們都還是只看「流程創新」而不知道去看其他的重點呢？


https://hbr.org/2004/07/darwin-and-the-demon-innovating-within-established-enterprises

台灣談工業4.0缺乏的一塊

工業4.0在這半年裡變成一個顯學，以這個題目辦的研討會幾乎都是場場爆滿，許多公司都在想如何搭上這個熱潮。

去參加了一些研討會，聽一些自稱工業4.0公司的報告，我的感覺還是兩類：一、名詞解釋，就是還是解釋什麼是工業4.0，內容是什麼等等；二、賣自動化硬體，把自家產品與工業4.0扯上關係。一位朋友聽到隔壁參加的聽眾就說：「做工業4.0，幾萬塊就有了」，可見我們大多數人對這個題目還是有很多誤解。

個人認為，根據德國提出的定義，其中縱向包括兩大塊：智能工廠以及智能供應鏈；而橫向則是由研發、行銷...一直到服務這個價值鏈，就是SysLM (system lifecycle management)。

以縱向來看，一般人所熟知的「工業4.0」僅僅涵蓋了智能工廠，更嚴格的說，僅僅只是工廠自動化，根本還沒說到「智」。再者，還有另一塊「智能供應鏈」，幾乎沒有人提。「智能製造」與「智能供應鏈」如何整合更是缺乏討論。

在YouTube上有個BMW自動生產線的影片，一般人可能只看到那些令人稱奇的機器人，但我更驚訝的是它可以混合不同車型、不同顏色。據我所知，顏色的更換是必須有一些繁複的過程來確保生產線可以生產下一個不同的顏色；而這個工廠居然可以這樣混線，勢必是透過一些排程工具來優化。

缺乏智能供應鏈的體系，工業4.0是不能實現的。一個再自動、再智能的工廠還是要處理客戶訂單、計畫、排程的；如果沒有辦法即時處理客戶訂單，工廠的效率還是會損失，而無法充分發揮其效能。

我認為工業4.0對智能供應鏈著墨不多，但是這可能是因為此議題是在工業3.0的時代就應被建置完成的。而4.0就是怎麼進一步把智能工廠與供應鏈串起來，提供客戶更好的服務。

從橫向來看，研發到服務的閉環(closed loop)，也是一個少為人討論的議題。4.0主張要提供客戶完整的服務，必須是整體生命週期。企業在這些功能之間的串連也有很多改善的空間。

台灣許多公司是OEM、ODM型態，因此處理最後服務的部分都是被動式、不得不的雞肋。因此在品牌經營上，延續這樣的思維，有時造成消費者不愉悅的體驗，而讓品牌形象受損。

因此我認為，真的要進行工業4.0還是要有縱向與橫向的同步進行、整體計畫，如此才能完整建立真正工業4.0的企業。

報表，重要但不太被重視的「重點」

幾乎所有的IT專案都會有報表需求，但是通常負責導入的顧問公司不太會注重；他們把報表視為勞力的坑洞，就是投入時間、人力就可以做出來的，沒有太多技術成分。

但實際上，許多專案執行完畢後，高階主管們卻是無感，心裏難免有：「蛤，花了幾千萬，怎麼什麼都沒看到？」這樣的感覺。

報表是呈現面，把系統的資訊呈現出來，讓不同階層的使用者可以查詢他想看到的資訊。因此對於不了解系統內那些高深技術的人，報表是他與系統唯一的交集。相對的，對於使用者而言，他們也要了解其重要性，而在專案規劃時留下足夠的時間與成本來處理報表需求。因此我認為報表的設計需要更多的注意與心思，而不是僅僅「you say then I deliver」的勞力密集工作。

不過，報表討厭的地方就是每個人有他習慣、喜歡的look&feel，難以有一個標準格式滿足所有人的需求。再者，不同情況下，需要不同的資料呈現方式，也不是一個固定、標準格式可以全面滿足的。

所幸的是近年來，資訊科技的進步，已經可以提供簡易的系統，讓使用者可以拖、拉資料欄位來產生他們想要看到的格式（就像excel樞紐分析表的拖拉），大幅降低過去仰賴資訊部門開發新報表的情況。

不過許多狀況下，使用者還是會用系統把資料弄到最接近最終格式的「半成品」然後再透過excel加工。原因有很多，例如需要繪圖、貼到powerpoint，甚至於資料要先「美化」一下。有些客戶或是IT人員就抱怨「使用者不用」，而我認為認為這有幾個面向去思考：

首先：系統是否夠容易上手、容易使用？最大的競爭者並非不同BI(business intelligence，商業智慧)的套裝軟件，而是excel。系統是否像excel一樣容易上手？另外就是系統是否跟excel一樣快？ (很不幸的，常常要跟excel比) 如果沒有比較簡單、比較快，那保證user會繼續用excel

其二：系統是不是容易查詢、處理資料。很多BI工作的問題在於user無法自己處理新報表 (檢視、顯示資料的格式、方式)，都要透過IT部門來處理。有些公司使用者必須提IT需求單、簽核，然後IT估工時、開發、測試。但是這些user往往都是那當下要資料 (通常是要回覆老闆的問題)，等到IT開發後，大概都是蚊子館的候選人了。

其三：資料是否串連。有些公司因為業務一路成長的過程慢慢建立一些系統 (legacy systems)，來符合一些特定業務需求。隨著時間演進，這些系統多多少少也各司其職、各有各的資料，然而既有報表都是提供一些總體性、一般性的彙整資訊，而user要查詢某個問題的細節時，可能就要登入這些不同系統查詢不同的資料，然後才能串起來、找到原因。

這些問題都是報表相關作業非常的問題，但是卻很少被公司所重視。為什麼？簡單一句話：C/P值。老闆覺得花一筆錢去幫作業人員處理報表一點都不值得，就算他自己要看績效指標、戰情室，他也沒有感受到痛苦，因為作業人員每天用excel幫他處理好了，然後上傳到系統或是放在PPT、excel給他看。

這樣有什麼不好？

如果商業環境穩定、企業變化不大，那還好，就繼續這樣也不會有太大的問題。但是現在的商業環境變化極大，就如前面提過「天下武功、唯快不破」，誰能夠掌握速度就能掌握優勢。如果每天才能更新一次報表資訊，那麼比起另一個每12小時可以更新一次的同業，哪個有機會？

再看大一點的格局，如果在一個生態系統(ecosystem)中，舉手機為例好了，消費者的購買決策、訊息需求是非常即時的，所以銷售通路的庫存更新也是要很即時，才能提供消費者第一時間的庫存資訊、確定交貨；而品牌公司更需要這些即時資訊確定後續庫存、生產的計畫；代工組裝廠就要能夠即時提供資訊；零件供應商也要跟上這個速度；這樣整個生態系統才能快速反應消費者的需求。要打入這個生態系統，那企業就要能夠跟上這個速度，否則就變成瓶頸、甚至被淘汰。

因此，我認為企業應該好好看看這個議題，因為它不亞於任何需求而且它跟企業的競爭力息息相關。

Data, the most essential element in Industry 4.0

In previous blog, I made the argument that decision-making is the core of Industry 4.0 and I would like to discuss more about “data”, the most essential element of Industry 4.0

In order to make decisions, we will examine many different data, for example, when we want to decide how much to make, we check the sales history, we check open orders, we check inventory, WIP…internal data and also refer some external data such as market status, competitor information…so that we can make the decision of “how much to make”. Without data, we cannot do any analysis and hardly make good decisions. Therefore, I believe data is the most essential element for decision-making and Industry 4.0.

Some might ask, Why automation? Why IoT? Well, I will say, that is the way we collect data. In old days, we relied on operators to input transaction data in transactional systems (MES, ERP…) to record activities (data of activities). But are the data real-time? are the data reliable? If all the data are automatically fed into system via these automation systems, users can expect more real-time, reliable data. Before IoT, some of the data are not available or hard to be obtained, for example, logistics information such as truck movement. This information can be updated only when truck arrives and the driver reports his duty. With IoT, more and more “things” can be connected, people can get more data for making decisions. Because of range of data availability, the quality of decision, speed of decisions can all be improved. When decisions are made, the instructions (actions) also need to be sent to execution and again how the instructions are sent is also improved due to automation and IoT.

Because of data drive all decisions, I think how to manage data, use data, analyze data is the key to success for Industry 4.0. If enterprise wants to be “Industry 4.0”, they need to think about how they will do with data.

If the enterprise does not have the capability to collect, store data, it needs to start with the capability to collect/store data related its activities. And it needs to think what kind of data is required to support their business decisions.

Enterprise which has data needs to think about how they can analyze the data, build its analytics capability (from descriptive to prescriptive). This part is a process of evolution, needs to be adjusted, calibrated with more and more data collected, more and more results obtained.

No matter which stage the enterprise is, what capability the enterprise has, the common and fundamental part is to have a good data platform to hold, store data and support analytics. The platform shall take transactions, integrate with automation, work with IoT, support Big Data, collaborate with Cloud…

So, want to go “Industry 4.0”? Think about the data first, think about data platform first.