 |
北京2022年9月8日 /美通社/ -- 近年來，多變的外部環境給全球產業帶來巨大挑戰，使企業舉步維艱。與此同時，這些挑戰也成為促進產業攜手共創的動因。8月底，由工業和信息化部、山東省人民政府共同主辦的"2022 世界先進制造業大會"在山東濟南召開，來自政府和產業的代表與國內外企業代表匯聚一堂，共同探討和分享如何把握數字化、智能化帶來的機會，應用新技術、新方法和新合作，來應對制造業面臨的挑戰，從而釋放創新潛力，推動制造業的高質量發展。
IBM中國科技事業部人工智能產品線總監馮衍代表IBM出席了大會的 "制造業高質量發展國際合作高峰論壇"，分享了IBM 商業價值研究院（IBV）最近發布的題為《價值聚焦、技術向善--大數據和創新技術助力無邊界制造》報告當中的重要觀點，同時聚焦大數據與人工智能技術，分享了大中華區數家制造業的先行企業采用IBM的技術和方法，構建人工智能賦能的預測、自動化和優化能力，快速獲得業務價值的成功實踐。以下是馮衍在大會上的發言要點。
IBM認為，制造業企業要實現逆勢成長，構建無邊界的智能制造，需要打造三大能力:
從頂層設計出發，分階段構建數智戰略
以上三大能力是逐步演進、相輔相成的。技術是基礎，平臺為載體，最后要貫徹的是企業的數字化、智能化戰略。數智戰略并非一蹴而就，需要同企業當前的信息化、數字化能力相結合，并制定分階段的演進目標。第一階段主要是夯實基礎，完善基礎業務相關的信息化系統建設和數據基礎建設，規劃未來的建設方向；第二階段要重點先行，開展重點的數字化項目，取得速贏，獲取關鍵利益相關人的認可和支持；第三階段是不斷完善拓展，完成數字化平臺整體搭建，并拓展數字化創新業務和應用。
IBM本身有非常強大的實施數智戰略的方法論，比如車庫創新方法論。通過幾天的工作坊，幫助企業厘清業務現狀、未來愿景，找到目前的突破點以及正確的發展路徑。這套方法論以輕咨詢的方式提供，IBM現在非常愿意把這些能力共享給我們的客戶，對于選定的客戶，IBM科技事業部有專門的Client Engineering團隊為他們提供服務，與客戶一起創新并實現共贏。
接下來，我就結合制造業的典型場景，從數智化戰略落地、平臺模式和新興技術采用這三個維度，來分享一下我們在大中華區市場與制造業客戶攜手共創的實踐與觀察。
首先是數智慧戰略的落地。我以制造業的一個重要業務場景為例，產銷協同是近兩年在制造業一個非常火的概念。從2020年疫情開始，整個供應鏈面臨著非常大的不確定性。這種情況下，產銷脫節的傳統方式會給企業帶來很大風險。因此，我們講產銷協同，本質是要以市場為導向，讓供應鏈上各個單位的生產要配合市場需求，生產、庫存、物流等也要同市場進行有效打通。產和銷之間要達到一種動態的平衡，同時實現從前端的銷售到后端的生產，以及物流供應鏈、財務，全鏈條的跨部門協調。
例如，某重型卡車集團亟需開展端到端拉通的"以終端用戶體驗為核心"的數字化頂層設計，以指導各項業務，尤其是供應鏈領域的轉型機會，并明確企業數字化平臺的建設思路。IBM 幫助該企業開展了業務分析與數智化能力診斷，構建了以產供銷協同為核心的數智化轉型愿景，規劃并落地了相應的數字化IT架構。
在端到端拉通的頂層設計指導下，該企業瞄準用戶體驗，以新技術為支撐，開展了多個變革項目，包括個性化高質量的產品研發、高效精確的訂單交付、長久互動式的客戶關系等，并最終實現了銷售增長、敏捷響應、協作共贏和質量提升。
通過業財一體化平臺，打通企業計劃、預測和優化各個環節
講到平臺模式，IBV在報告中指出，業務平臺和數據平臺是近年來企業邁向智能制造的優先選擇。大數據分析平臺在這樣的平臺戰略中應運而生，其核心在于深入洞察橫向行業與縱向業務，向前打通業務場景，向后橫向拉通運營數據，從而幫助創造和實現業務價值，實現可持續的競爭優勢。我們依然以企業的業務場景為例，現在，這樣的大數據分析平臺在企業中的旺盛需求來自于業財一體化平臺。業財一體化，就是當企業做出任何生產和業務決策的時候，能夠很快了解到這些決策對財務最終三張表（資產負債表、利潤表、現金流量表）的影響，反之亦然，從而實現業務與財務的深度融合，從而真正實現降本增效。前面提到的產銷協同就是基于這一平臺的業務場景。
作為技術價值的輸出者，IBM通過業界獨一無二的業財一體化平臺"三部曲"，為客戶提供以下能力：
第一，計劃。計劃本身是跨部門的，從全面預算、銷售計劃、生產計劃到供應鏈計劃、物流計劃，但事實上大部分企業的計劃都沒有形成有效的聯動，從而大大削弱了計劃的有效性和時效性。IBM通過整合、靈活、易用的業財一體化平臺能夠幫助企業打破計劃孤島，在單一平臺上實現企業戰略、財務和運營層面的計劃、預算、合并、分析、測算等各類業務需求，并依托世界級的領先技術，針對企業日益增長的大數據量實現實時響應和聯動，從而有效應對企業多變的內外部市場環境，滿足企業精細化管理的要求。例如，當銷售端的計劃有變，它會實時聯動地影響到生產計劃、物流計劃等，并快速落實到財務的潛在結果。
第二，預測。基于業財一體化平臺，我們可以幫助企業在各個環節進行有效的預測，例如需求端的銷售預測、生產端的產品質量預測等，讓企業能夠在激烈的市場競爭中占得先機。
第三，優化。有了高效的計劃、有效的預測，那么如何在企業有限的人、財、物等資源的情況下，實現最高的效率和最大的效益呢？這就是優化所解決的問題，也是現在企業所普遍關注的議題，典型的場景有生產的智能排產、物流的路徑優化和門店的人員排班等。IBM強大的優化引擎能夠保證輸出結果的最優性、時效性和穩定性。
IBM的業財一體化平臺可以非常好地支撐企業各個部門的多種應用場景，同時又可以把這些應用場景高效地拉通整合在一起。不同的企業會按照業務的優先級，從一個部門的某個特定應用場景啟動平臺的搭建，而IBM平臺能夠很好地滿足企業未來三年、五年甚至十年的業財一體化數字化轉型需求，從而使得企業的數智化戰略能夠得到長期、有效的貫徹。
以國內某大型整車制造企業為例，該企業之前采用國際知名ERP預算系統去做全面預算，但是局限于系統架構和功能的局限性，之前的兩期實施都不順利。由于企業精細化管理對全面預算系統提出了越來越高的要求，已經超越了純粹財務系統的范疇，而原有的預算系統完全無法滿足。具體體現在，首先系統需要更靈活，在企業組織架構、產品線或者外部競爭態勢等日常變化時，能夠在系統中無需開發就能快速調整。其次，系統需要具備實時測算的能力，并對各個版本進行實時對比分析。再次，精細化管理下對數據的顆粒度要求非常細，會細化到每個車型、每個細分市場、每個物料單位、每個SKU（最小存貨單元）等，原有的預算系統完全無法達到性能要求和分析要求。最后，系統需要最大化地讓財務同事保留熟悉的Excel使用習慣，減少學習成本，系統還需要與原有的OA系統進行有效集成，。
去年（2021年），IBM采用Planning Analytics平臺全面替換該企業原有的系統，并基于這一平臺搭建起從集團、工廠到各部門的全面預算系統，提供預算編制全過程的目標下達、在線編制提交匯總，多上多下的審批管控過程能力。同時，建立了關鍵指標監控和自動化分析，利用強大的分析能力來增強預算過程的管控和糾偏，確保經營目標的落實。在此基礎上，雙方還計劃繼續推進二期、三期項目，業務場景包括整車經濟性、裝備經濟性和材料成本分析等。
由此可見，單一的Planning Analytics平臺能夠滿足企業從戰略、財務到運營各方面的績效管理需求，它不僅提供了強大的靈活性和高性能，還與Excel進行無縫整合，并融入了IBM強大的數據分析能力，以確保能夠為企業持續迭代的業務需求提供有效支持。
如果企業從全面預算開始搭建平臺，當上述的產銷協同需求出現時，企業可以基于同樣的平臺進行快速擴展。企業在業財一體化平臺的搭建過程中，可以持續疊加新產生的不同的業務場景。而且之前場景中定義的維度或者模型，在后面的應用中是可以復用的，因此隨著疊加的應用越來越多，后期應用的開發周期也會越來越短，這也是為什么IBM會特別強調平臺方法的重要性。
再以某家全球領先的手機制造廠商為例，這家企業要優化管理報表應用。該企業業務跨全球各大區域，產品線很長，需要實時了解哪個區域、哪條產品線是盈利的，依托產品多維盈利性分析來進行業務決策。這其中的一個最大的難點在于有大量的成本需要分攤，比如辦公設施的固定成本、人力資源的固定成本等。這些成本必須要拆解到不同的區域、產品線，才真正使得多維盈利分析成為一種可能。當企業到達一定規模后，分攤量就非常大，而該手機制造廠商原有系統就碰到了很多挑戰，比如分攤的時效性，做一次全域的分攤就要三個小時以上，而如果分攤結果不準確則還會需要三個小時，長此以往，已經無法滿足精細化管理的要求。再如，分攤的規則經常發生變化，原有系統無法進行靈活配置，需要通過后臺開發才可以滿足。還有，分攤的多個測算版本無法直接進行比較。
IBM依然基于上述的Planning Analytics平臺為該企業重新構建了多維盈利分析系統。如今，該企業的一次全域分攤已經縮短到20分鐘以內，而且分攤規則的變化是可以由業務同事配置完成的，也就是當企業本身的分攤規則、分攤因子或分攤權重發生變化的時候，只要在系統里進行簡單的配置就可以實現了。高效分攤之后的不同版本之間可以通過可視化手段進行直觀對比。IBM的一財一體化平臺真正提升了企業的運營效率，同時讓多維盈利分析變得實時、高效和靈活。
以世界級的企業級AI，為企業創造真正的業務價值
說到應用新興技術，混合云與AI是IBM的戰略聚焦點，我就以數據和人工智能應用為例來進行說明。IBM的人工智能與語音識別、人臉識別這樣的消費者級別的人工智能（AI for Consumers）不一樣，我們致力于企業級的商用AI（AI for Business）應用，看重AI能在企業端的落地，為企業創造真正的業務價值。
梳理一下當今數字經濟的發展，數據量爆炸式增長，數據種類發生了翻天覆地的變化，企業內外部都不缺乏數據，缺的是高質量的數據，以及由數據產生的洞察。隨著算力的增強，AI有了商業應用的可能性，比如AI在工業制造中的應用。IBM所專注的企業級商用AI，能夠幫助企業解決他們最為關注的三個挑戰：預測、自動化和優化。
在預測方面，IBM成功幫助國內一家大型的鋼鐵制造型企業進行質量檢測，對最終產品進行性能預警。該企業原有的方式是物理檢測，流程非常長，延緩了整個產品的出廠時間。而且由于取樣受到非常多因素的影響，所以檢測結果并不穩定。運用業界領先的IBM SPSS Modeler機器學習平臺，該企業快速搭建和發布了基于產品性能預警的機器學習模型。客戶使用該平臺快速建立了能夠預報6個性能指標的機器學習模型，能夠很好地替換物理實驗結果，產品交付效率得到大大提升。這一平臺在企業端的應用已經超過兩年，并得到了非常好的反饋。
在自動化方面，以國內大型的整車制造型企業華晨寶馬為例，該企業的客戶服務中心需要支持大量的問詢，亟待引入智能數字員工來提供持續運營，在降低成本的同時提升客戶服務質量。我們利用IBM數字員工解決方案Watson Assistant和Watson Discovery幫助華晨寶馬構建了數字化員工，支持超過 700 個經銷商和生產工廠，涉及近10個業務部門的問題和近 100 個 IT 系統問題。
另一個自動化方面的成功案例是某國家級超算中心通過 IBM Cloud Pak for Watson AIOps有效地將網絡環境維運的 MTTD（平均檢測時間）降低了 55%。這一解決方案將原本各自分散孤立的 IT 堆疊和工具中的數據匯集在一起，從而提供整個 IT 基礎架構環境的全貌視圖，連接整個環境中的應用數據并預測未來的事件，提前警示 IT相關問題以及進行根因查找，并建議可行的解決方案 。
在優化方面，某國內全球領先的汽車零部件企業急需優化其排程效率。人工排程成本高，隊伍很難拓展，響應速度慢，例如在臨時插單情況下很難在短時間內進行重新排程。IBM為企業部署了以Decision Optimization（CPLEX） 為核心的供應鏈智能協同平臺，不僅作為工廠日常運營的核心，還驅動了工廠運營模式和組織架構的變革。在及時響應客戶需求的同時，全方位系統性地提升了工廠運行效率。借助智能排產系統，企業的計劃執行效率提高了95%，實現了準時排程。當有插單情況發生時，系統可以在15分鐘之內對全天生產計劃進行重新編排，既能夠響應市場的變化，又最大限度發揮了整個產線的效能。
從這些成功案例當中，我們不難看出，盡管挑戰依舊嚴峻，但仍有一波制造企業實現了逆勢成長，他們通過加速采用新的技術與工具，依托大數據、人工智能開展數據為先的創新，重塑和優化自身的業務運營、商業模式和客戶體驗，獲得了降本增效的直接收益，并贏得了新的增長機遇。在這條成長、探索之路上，IBM愿意成為值得這些企業信賴的可靠的技術合作伙伴。
