而在中国，生产的可变成本包括人工、能源、运输等已经在逐步攀升，加上人口老化和初级劳动力不足， 如果运营管理模式不发生重大改变，那么中国制造业连传统的成本优势都不能保持，更谈不到在灵活性和质量上进行提升。
------------
数字化精益：以数字化创新来进一步推动精益
过去，精益化和六西格玛方法曾帮助各行各业的制造商减少生产过程中的浪费和可变性，大幅提升了产品质量和产出水平。在传统精益的全盛时期（始于丰田采用精益化生产），技能超群的制造商往往能实现10%-15%的生产率提升。而如今，2%-3%的生产率提升就已经被认为很了不起了。
传统精益是否已经盛极而衰？
当然不是，尤其在中国。在中国的制造企业传统上通过人力来解决问题，而且解决问题的方式往往侧重于短期的“症状”，而不是根本原因的根除和远期的系统建立。
传统精益仍然是提高生产车间效率的最有力的工具，而且是很多中国企业应该进行改进的第一步工作。但是，在如今价值链日益复杂、联系日益紧密，而且制造环境不断变化的当下，传统精益仅专注于生产车间的做法就过于狭隘了。过去五年，数字化生产线（提供实时信息并实现即时优化的可能性）和数字化分析催生了数字化精益，并因此开创了一系列全新机会领域。
来源：科尔尼分析
传统精益, 是指由客户需求推动的持续流程改进方法，专注于根除生产低效性，从而实现防错的流程，并动员整个生产团队的参与。典型的精益工具包括：快速换模、价值流图分析、5S、看板管理、持续改善和根本原因分析。
与之相对的数字化精益则专注通过改变工作流，质疑现有流程步骤和顺序等，来进一步优化整个制造关节的运营模式。
数字化精益要回答的问题包括：
-
如何优化价值链各环节的物料流？
-
如何通过变革价值链实现额外降本？比如通过整合或分离特定的步骤？
-
如何打造更加稳健的制造体系？最高的故障率出现在哪个环节？如何解决故障之间的潜在关联性？
数字化精益是通往数字化运营前沿的下一站，它帮助企业将传统手工工具转换成现代数字化工具，在零风险的环境下（无需进行试点测试或实际实施）全面测试假设、模拟场景和计算具体成本。这是通过融合传统精益的分析方法和范围，以及三大全新数字化工具（360°生产现场模拟、具备整体观点的建模和高级分析方法）来加以实现的。
注：SMED是指快速换模
来源：科尔尼分析
数字化精益是数字化制造的组成部分，也是新兴数字化供应链的关键支柱之一。实际上，数字化精益正在开创的一整套新方法和工具将改变经济局势，并且不断推进运营优化的新前沿。数字化供应链的其他支柱包括：数字化计划、数字化供应和数字化物流。
数字化运营领域的很多工具和应用将克服传统职能分离的问题，从而使得企业能够全面掌控生产、物流、财务、营销和销售。
三大全新数字化工具
1.360°生产现场仿真
模拟或仿真工具从概念上对制造和生产工艺实施数字化，然后可以在数字化“环境”中一点点修补，从而找到更适合的替代设置。利用仿真工具的企业可以测试潜在解决方案的稳健性，无论系统有多复杂。更具体地说，仿真工具能够帮助企业发现缺陷、计算资产和资源容量、优化库存点、缩短产出时间、平衡生产线利用率。通过这些零风险的数字化仿真得到的经验和观察结果可以用于实际生产工艺流程中。
典型的360°生产现场仿真工具包括工作流和生产车间仿真、价值链过程仿真、主体仿真、蒙特卡洛模拟和生产计划模拟。这类工具常用于设计新的工厂或优化现有工厂——例如工作流建模、最小化处理时间、瓶颈规避、资产利用率最大化。
2.基于整体观点的建模
与“360°生产现场模拟”类似，整体建模工具可以帮助运营经理观察且更好地理解流程流，并对生产假设进行测试。这些工具通过使用迭代算法解决高复杂性的问题，并得出可靠的结论。整体建模的方式之一就是对相互依赖要素和变量进行动态建模，衡量流程接口的特定绩效指标，从而确定最高效的整体设计。
最常见的全面建模工具包括：实时建模、流程参数建模、价值建模、优化求解器及财务建模。企业常常使用这些工具来定义多层次批量大小、制定复杂的生产计划、优化不同产品设备之间的工作流、改善生产车间物料流、以及提高整体的设备利用效率。
已经有国内企业实现了将生产现场的工艺、产能和材料需求变动等都建立在数据模型当中，而模型数据更可以直接与现场生产数据进行对接、有效地将实体的生产现场与数据模型无缝对接起来，而这极大地提高了生产线的透明度，实时地优化生产的节奏和物料的运动轨迹，从而快速地提升整线的生产效率。
3.高级分析方法
生产线执行系统、传感器和机器运转日志为各行企业提供了大量有关制造工艺的数据。未来十年，配有无线传输功能（通常指物联网）的智能传感器（如：检测震动、温度和湿度）的价格将从如今的几美元一个进一步降至仅几美分一个。智能传感器不仅价格下降，而且可以轻松安装在所有生产线上，使偏差追踪和行为预测更加容易。随着数据存储费用降至史上最低点，企业可以利用云存储海量数据，而无需进行固定资产投资。同样，运行智能工厂的计算能力呈指数式增长，而且可以通过网络获得，这将帮助企业根据需要执行复杂分析。
中国一些领先的航空公司利用工业互联网搜集了大量发动机的涡轮叶片保修数据，结合远程诊断纪录和第三方数据，建立了叶片损伤分析预测模型，预测发动机的运行情况，定制科学的重复检查间隔，提升运营效率。
但是目前大多数工厂离智能化仍然很远。在中国，实施数字化的第一个挑战是企业认为“没有数据”。而实际上，数据并不缺乏，只是一批接一批地堆在那。我们看到的一些中国制造企业只利用不到2%的数据改进生产，在很多情况下，生产线根本没有与制造执行系统相连。
预测性分析、大数据和机器学习、数据挖掘、数据智能和神经网络等复杂的统计分析与工具开始逐渐改变企业对数据的看法，让企业更好地理解复杂的制造工艺及随后的改进方法——例如，在潜在问题实现前就能够识别出数据和问题的依赖关系并进一步提前检测问题。此外，通过深入分析历史数据，运营经理可以发现具体工艺环节与输入之间的特定模式及相互关系，然后对其进行优化，从而最大程度优化产量。
领先企业已经开始连接所有生产线及系统，并开始大规模使用云存储数据用于分析。现在已经兴起了一种以服务为基础的数据分析行业，使分析成为运营部门可以负担得起的工作。
充足数据，丰厚回报
数字化精益的财务影响巨大，能够带来丰厚的回报：
-
增加收入。数字化精益可以减少来自新品生产(如通过增材制造）、现有产品大规模定制或产品质量提升等各方面挑战。企业因此可以增加新的收入来源或提高价格，同时又不产生常见的高复杂性成本。
-
降低销货成本。智能自动化和智能机器人有助于减少生产活动所需的人工投入，从而降低人员成本。采用数字化精益的企业产量更高，原材料消耗更低。此外，数字化精益带来的批量和流程同步性的优化能够进一步提高资产利用率，而生产资产和质量控制的改善则能降低质量损失和冲销等。
-
降低运营资金。由于协调性和各生产环节内（以及各环节之间）的流程得以改善、场景的预测和统一的运营计划，数字化精益的践行者能减少安全库存和循环库存，降低库存持有需求。
-
减少资本支出。数字化精益带来的设备综合效率提升高于新的控制器、传感器和分析技术所需的投入。
一个大型医疗设备制造商计划在亚洲建立一个新的大型生产基地，效率超过所有现有网络中的所有工厂。在新厂的设计过程中，该企业将传统精益理念与数字模拟、整体建模、以及高级分析方法等相结合，创建了一个“虚拟工厂”。计划团队采用基于求解器的模型，定义了生产参数，确定了需要优化资本支出和时间设置的设备与设施，一方面平衡了生产与质量控制，另一方面平衡了生产与精益物料流动。
数字化精益帮助了该企业实现项目净现值翻番，降低了20%的资本预算及25%的转换成本。
现在就开始投资
“中国制造2025” 以推进智能制造为主攻方向, 大力推进中国制造业升级和生产效率的提升。在“中国制造2025”的愿景下，制造商必须向质量效益优势转变。而数字化精益能为在高度联系的生产价值链中努力挤出更多的效益的制造商提供了方向和光明的前景。但是数字化精益带来好处并不是凭空而来， 是需要投入和付出。
中国的很多运营团队应该首先掌握传统的车间优化工具，包括流程知识、制造知识和传统精益工具。而要实现数字化精益的进一步红利，首席运营官需要果断投入，建立其它关键领域的能力：
-
商业知识，聘请新一代的数字化人才，利用其运营卓越性和深入的专业知识建立考虑全面的财务流、物料流和信息流模型
-
数字化工具，包括获得工具以及有能力使用工具并有效解释（并应用）工具输出的人才
-
数据安全，采用和实施可靠的网络防御战略，保护企业不受主要竞争和运营风险的威胁
数字化精益是通往数字化运营前沿的下一站。投资时机就在当下。
数字化精益是数字化制造的组成部分，也是新兴数字化供应链的关键支柱之一。实际上，数字化精益正在开创的一整套新方法和工具将改变经济局势，并且不断推进运营优化的新前沿。数字化供应链的其他支柱包括：数字化计划、数字化供应和数字化物流。
数字化运营领域的很多工具和应用将克服传统职能分离的问题，从而使得企业能够全面掌控生产、物流、财务、营销和销售。
三大全新数字化工具
1.360°生产现场仿真
模拟或仿真工具从概念上对制造和生产工艺实施数字化，然后可以在数字化“环境”中一点点修补，从而找到更适合的替代设置。利用仿真工具的企业可以测试潜在解决方案的稳健性，无论系统有多复杂。更具体地说，仿真工具能够帮助企业发现缺陷、计算资产和资源容量、优化库存点、缩短产出时间、平衡生产线利用率。通过这些零风险的数字化仿真得到的经验和观察结果可以用于实际生产工艺流程中。
典型的360°生产现场仿真工具包括工作流和生产车间仿真、价值链过程仿真、主体仿真、蒙特卡洛模拟和生产计划模拟。这类工具常用于设计新的工厂或优化现有工厂——例如工作流建模、最小化处理时间、瓶颈规避、资产利用率最大化。
2.基于整体观点的建模
与“360°生产现场模拟”类似，整体建模工具可以帮助运营经理观察且更好地理解流程流，并对生产假设进行测试。这些工具通过使用迭代算法解决高复杂性的问题，并得出可靠的结论。整体建模的方式之一就是对相互依赖要素和变量进行动态建模，衡量流程接口的特定绩效指标，从而确定最高效的整体设计。
最常见的全面建模工具包括：实时建模、流程参数建模、价值建模、优化求解器及财务建模。企业常常使用这些工具来定义多层次批量大小、制定复杂的生产计划、优化不同产品设备之间的工作流、改善生产车间物料流、以及提高整体的设备利用效率。
已经有国内企业实现了将生产现场的工艺、产能和材料需求变动等都建立在数据模型当中，而模型数据更可以直接与现场生产数据进行对接、有效地将实体的生产现场与数据模型无缝对接起来，而这极大地提高了生产线的透明度，实时地优化生产的节奏和物料的运动轨迹，从而快速地提升整线的生产效率。
3.高级分析方法
生产线执行系统、传感器和机器运转日志为各行企业提供了大量有关制造工艺的数据。未来十年，配有无线传输功能（通常指物联网）的智能传感器（如：检测震动、温度和湿度）的价格将从如今的几美元一个进一步降至仅几美分一个。智能传感器不仅价格下降，而且可以轻松安装在所有生产线上，使偏差追踪和行为预测更加容易。随着数据存储费用降至史上最低点，企业可以利用云存储海量数据，而无需进行固定资产投资。同样，运行智能工厂的计算能力呈指数式增长，而且可以通过网络获得，这将帮助企业根据需要执行复杂分析。
中国一些领先的航空公司利用工业互联网搜集了大量发动机的涡轮叶片保修数据，结合远程诊断纪录和第三方数据，建立了叶片损伤分析预测模型，预测发动机的运行情况，定制科学的重复检查间隔，提升运营效率。
但是目前大多数工厂离智能化仍然很远。在中国，实施数字化的第一个挑战是企业认为“没有数据”。而实际上，数据并不缺乏，只是一批接一批地堆在那。我们看到的一些中国制造企业只利用不到2%的数据改进生产，在很多情况下，生产线根本没有与制造执行系统相连。
预测性分析、大数据和机器学习、数据挖掘、数据智能和神经网络等复杂的统计分析与工具开始逐渐改变企业对数据的看法，让企业更好地理解复杂的制造工艺及随后的改进方法——例如，在潜在问题实现前就能够识别出数据和问题的依赖关系并进一步提前检测问题。此外，通过深入分析历史数据，运营经理可以发现具体工艺环节与输入之间的特定模式及相互关系，然后对其进行优化，从而最大程度优化产量。
领先企业已经开始连接所有生产线及系统，并开始大规模使用云存储数据用于分析。现在已经兴起了一种以服务为基础的数据分析行业，使分析成为运营部门可以负担得起的工作。
充足数据，丰厚回报
数字化精益的财务影响巨大，能够带来丰厚的回报：
-
增加收入。数字化精益可以减少来自新品生产(如通过增材制造）、现有产品大规模定制或产品质量提升等各方面挑战。企业因此可以增加新的收入来源或提高价格，同时又不产生常见的高复杂性成本。
-
降低销货成本。智能自动化和智能机器人有助于减少生产活动所需的人工投入，从而降低人员成本。采用数字化精益的企业产量更高，原材料消耗更低。此外，数字化精益带来的批量和流程同步性的优化能够进一步提高资产利用率，而生产资产和质量控制的改善则能降低质量损失和冲销等。
-
降低运营资金。由于协调性和各生产环节内（以及各环节之间）的流程得以改善、场景的预测和统一的运营计划，数字化精益的践行者能减少安全库存和循环库存，降低库存持有需求。
-
减少资本支出。数字化精益带来的设备综合效率提升高于新的控制器、传感器和分析技术所需的投入。
一个大型医疗设备制造商计划在亚洲建立一个新的大型生产基地，效率超过所有现有网络中的所有工厂。在新厂的设计过程中，该企业将传统精益理念与数字模拟、整体建模、以及高级分析方法等相结合，创建了一个“虚拟工厂”。计划团队采用基于求解器的模型，定义了生产参数，确定了需要优化资本支出和时间设置的设备与设施，一方面平衡了生产与质量控制，另一方面平衡了生产与精益物料流动。
数字化精益帮助了该企业实现项目净现值翻番，降低了20%的资本预算及25%的转换成本。
现在就开始投资
“中国制造2025” 以推进智能制造为主攻方向, 大力推进中国制造业升级和生产效率的提升。在“中国制造2025”的愿景下，制造商必须向质量效益优势转变。而数字化精益能为在高度联系的生产价值链中努力挤出更多的效益的制造商提供了方向和光明的前景。但是数字化精益带来好处并不是凭空而来， 是需要投入和付出。
中国的很多运营团队应该首先掌握传统的车间优化工具，包括流程知识、制造知识和传统精益工具。而要实现数字化精益的进一步红利，首席运营官需要果断投入，建立其它关键领域的能力：
加多宝
vivo\oppo
亚马逊
海尔
IBM
美团
