工业4.0时代的大规模定制供应链管理
彭俊松 e-works

    在工业4.0时代,物流也好,供应链也好,它的重要性大大提高,复杂性也大大加深。想要理解大规模定制更加深刻的意义,就先要理解工业4.0对供应链管理的要求。

    其实,大规模定制不是一个新概念,二十年前已经出现,那工业4.0时代下的大规模定制有什么新特点?根据我们的经验和实践,我们认为面向产品特征和客户大数据洞察一体化的供应链管理,是以前未曾出现过的。

    工业4.0时代,客户定制化需求正带动企业进行新的价值重构。如果说,工业3.0让工厂生产力和用户价值力到达了一种平衡,但此时的企业受制于技术和现实,只能以大规模定制为前提,用相对较高的成本给客户提供定制化产品。且客户在这个年代处于弱势,只能拿到有限的信息,感知有限的价值和成本。

    工业4.0时代,客户地位得到大大增强,同时对定制化服务,包括定制产品的价值认同也大大提高。随着客户话语权的增加,这时候反过来倒逼企业,必须按照客户感知到的价值去设计产品,这是工业4.0时代企业所面临的困境。

    大规模定制在工业3.0时代开始普及,最早出现在鞋服领域。一些企业开始尝试定制牛仔裤,通过网站让客户定制尺寸,然后在后台加工,后来逐渐发展到现在可以对服装、手表、鞋子、婴儿用品等实现定制化生产。

    进入工业4.0时代,我们现在谈的大规模定制究竟与3.0时代的有何区别?以汽车行业为例,其也是最早出现定制化的行业,主要通过个体化的制造来实现。到了福特年代,产品配置压缩到最小,产量得到很大提升,此后进入工业3.0大规模定制。如果在德国订购一辆宝马,可以通过网站选择所希望的配置然后下单,回到家后,还可以就刚才定制的汽车做配置改变,这件事十年前就能做到,但这种叫大规模定制1.0。如果工业3.0已经满足客户在成本、配置方面的个性化需求,还需要工业4.0做什么呢?

    依旧以汽车行业为例,大规模定制1.0实际上是对福特式生产线的增强,必须有固定生产线,工人在其工位对流动的汽车进行组装;对此,需要事先对产品排序。一个精确的排序要满足很多规则,如生产线产能规则、供应商供货规则,以及工人工作强度和工作量规则等。

    这种定制有几个特点:第一,生产线布局基本固定,一般以流水线为主,空间布局很难有转换的余地。第二,一旦一个工序出现问题,就会影响整个生产线。工业3.0时代的大规模定制1.0是高成本的定制。

    进入工业4.0时代,汽车生产将彻底打破刚性、福特流水线的做法,建立自适应、柔性生产线,目前德国汽车业正在探讨一种抛弃流水线的汽车生产方式。对于生产加工中心,不再是流水线布局,汽车生产环节可在不同加工中心,根据人和机器、机器与机器、机器与产品之间的协同,实现动态、实时优化的生产。

    由此便引出大规模定制2.0概念,这对于企业物流和供应链来讲,也带来了巨大的挑战。

    从奥迪对其工业4.0智能工厂的诠释可以看出,客户对汽车产品有了更大的选择空间,可根据体型、身高、胖瘦定制座椅、再去完成生产。工厂的流水线也将不复存在,取而代之的是加工中心,产品可任意选择加工地点,其物流路径也不再固定。未来,甚至可用无人机去调装一个零部件,这让企业内部物流更加灵活。

    工业4.0时代,我们去实现大规模定制少不了技术支撑。首先,介绍一下供应链耦合机制,即把整个供应链都当做一个供应链满足客户一种资源,通过在供应链设置多个耦合点满足客户的交期。这种做法非常灵活,但开放贡献度比较低。第二个是针对产品本身的模块化技术和平台技术,通过模块化的设计,帮助减少零部件种类,这是一种通过对产品直接改变来帮助实现定制的手段,对大规模定制贡献居中。

    最后是柔性化生产,这是一种彻底可以帮助实现大规模定制的手段。设想一下,如果所有产品通过3D打印直接出来,那前面所有的供应链、模块化都将不复存在,但实现这一过程还很漫长。另外,并不是所有产品在今天都适用柔性化生产和3D打印,不同的技术在工业4.0都需要找到合适的应用。

    结合工业4.0的发展趋势来看,谈供应链耦合,就必然会谈用供应链去感知用户需求,用产品模块化去探讨大规模定制技术,再延展到整个供应链,看是否去实现端到端的管理。

    结合前两种技术,我们推出面向产品配置和大数据洞察一体化的供应链管理,来应对工业4.0时代对大规模定制提出的更高挑战。以前,我们能用少量产品去满足客户需求,但现在零部件激增,物料总类增加,企业管理难度也呈指数级增加。为此,企业能否通过产品特征有限的变量对海量配置、海量零部件进行更加简单的管理?这便引出产品特征概念。

    消费者在购买产品时,无论有何新部件,对客户来说所需的产品特征都是有限的。在大规模定制的前提下,我们需要贯穿企业价值链的BOM管理。很多企业对零部件有要求,对BOM有要求,但是对产品特征值之间的关系没有一个精确的描述和管理,且每个企业不只有一套BOM。为此,我们要把产品特征值、产品之间关系和由此构成的BOM,以及零部件在供应链各个环节的功能做一个描述。

    把以上特征沿着供应链价值链铺开,在各个环节进行管理。在研发环节,建立产品特征库,由客户进行选配;在计划环节,对特征值进行预测;在采购和制造环节等都要有相应的处理。将产品特征贯穿于计划流程的思路,不但影响企业信息化数据结构,这也是企业级软件和车间级软件的最大区别。

    并非说一个企业有了智能工厂系统,就可以应对大规模定制了。如果把大规模定制做端到端的分解,应分成三段:首先是对终端客户个性化定制需求的承接,其次是对个性需求的供应链计划及排产响应,最后是基于工业互联网的智能化工厂。

    理想的供应链应能直接从终端抓取数据,甚至单个客户通过可穿戴设备就能上传个性化数据。所以从本质来讲,我们的企业需要建立大数据分析能力。

    大数据的来源,包括销售订单,一些非结构化、第三方调查数据等。传统做法是对每个渠道(线上、线下)建立孤岛型的不同数据库来处理,处理效率很高,但我们需要的是如何能把系统整合起来?

    而挑战是如何把如此多的数据结合起来放到大数据里,去指导其后续的大规模定制供应链?我们为其提供了客户活动数据库。客户所有结构化、非结构化数据,甚至供应链信息,全放到基于内存计算大数据的一个系统里,借助这一平台,可对单个客户行为进行分析,也可对某一渠道进行预测。

    通过大数据平台为基础,打造一个一体化终端需求驱动的战略目标,由此快速生成企业计划,并对客户实时洞察,快速匹配供应链能力。

    对于工业4.0时代大规模定制架构的思考,我们提出了实施要点:如果开发端到端产品,从产品特性入手,对垂直集成有充分理解,同时水平环节包括供应链、分销商、零售商、客户供应环节,由此分析两个集成的焦点在哪里?对于这样一个汇集点,正是每个企业的核心竞争力所在;通过业务计划驱动水平集成和垂直集成,为满足大规模定制去实现横纵双向的集成网络。


CIO之家 www.ciozj.com 公众号:imciow
关联的文档
也许您喜欢