COVID-19 对全球供应链造成了前所未有的打击。几乎在一夜之间,某些行业的需求飙升,而其他行业则急剧下降,迫使制造商及其供应商随时做出调整。
自疫情开始以来,多达 94% 的财富 1000 强企业经历了供应链中断,其中包括苹果等全球制造巨头。世界最大的公司都无法幸免这一事实表明,丰富的资源和关系并不足以帮助供应链合作伙伴在这样的时期生存下来。
这也表明,应对供应链问题的传统策略已不再像过去那样有效。应对危机需求和供应的旧方法已不足以抵御这些事件——以此次疫情为例,它导致了从卫生纸到汽车零部件等各种物品的短缺。
将重点从效率转向制造敏捷性
如果制造商想要抵御下一次危机,他们需要一种新的方法。COVID-19 凸显了从关注效率转向适应灵活性、韧性和敏捷性的必要性。
可以说,对效率的关注——即用最少资源做最多的事——甚至加剧了最近的供应链中断,使生产商和供应商资源不足且固守单一的工作方式。
即使疫情仍在肆虐,结论也很明确:制造敏捷性比运营效率更重要。效率旨在进行渐进式改进,但现实要求制造商在面对前所未有的挑战时做出突然而全面的改变。
理解系统性风险
疫情给供应链带来的挑战代表了非系统性风险——即制造商无法控制的风险。另一方面,制造商可以通过适当的工具和流程控制的问题是系统性风险——具体来说,是从基层开始的问题,当机器故障时,会扰乱生产线,进而导致整个供应链下游出现问题。这就像多米诺骨牌一样,一张倒下带动其余的倒下。
非系统性风险给制造商带来了额外的压力,迫使他们确保其设施尽可能消除系统性风险,以便在需求的大幅波动(无论是上升还是下降)中保持灵活。
既然 COVID-19 证明了在非系统性风险方面任何事情都可能发生,制造商必须将重点转向创建敏捷运营,以遏制各种形式的供应链问题。例如,当像疫情这样的非系统性风险迫使制造商在低需求环境下关闭 80% 的生产线时,仍在运行的生产线需要以最大生产力运作。
如果剩余的生产线达不到标准,公司将容易受到放缓的影响,从而可能失去仅存的买家;或者公司可能不得不再次经历耗时且昂贵的过程,将生产转移到不同的设施。
非系统性风险凸显了组织需要发现并管理系统性风险,掌控他们所能控制的任何因素,以防止糟糕的情况进一步恶化。
在制造敏捷性中寻找机会
管理系统性风险始于了解现场情况,特别是关于机器的情况。当意外发生时,机器承受了大部分后果。随着机器根据生产的突然变化进行调整,它必须继续高效、高产且无停机地运行。
当制造商能够收集关于底层机器的见解时,区域领导者可以集体查看这些见解,以发现公司在更大范围内管理系统性风险的机会。
通过这种方式降低运营风险,这些公司有望在其机器周围获得实质性的可预测性和灵活性,从而为公司层面更高的生产力和更有效的资产规划创造机会。专注于以下三个领域可以帮助您发现系统性风险和更敏捷生产线的机会:
1. 在生产线上创建冗余
作为第一步,您应该同时运行多条生产线。这样,如果其中一条发生故障,您就有备用计划。这种策略本身应被视为更大策略的第一步——因为它实际上只是缓解系统性风险的权宜之计。运行许多容易因机器故障和停机而受影响的多条生产线,实际上可能在制造中成为重大的财务风险。
最终目标应该是让每条生产线都成为您的最佳生产线——这意味着没有机器停机。为了创建这样的系统,您需要了解为什么您的最佳生产线能以最大生产力运行,以及为什么其他生产线相形见绌。在生产线上创建冗余的真正价值来自于您收集的机器见解,以优化全公司的每台机器,使每条生产线都成为最强的一条。
2. 利用机器健康数据
那么,您如何获取生产线上单个机器的见解,并集体查看这些机器健康数据以降低每条生产线的风险呢?这比您想象的更容易。事实上,传感器和工业物联网 (IIoT) 网络结合人工智能算法可以为您完成大部分工作,向您展示在整个资产类别的制造运营中存在风险和机会的地方。
当这些工具让您深入了解供应链所有组件的健康状况时,您可以复制表现最好的部分,并预测未来可能失败的部分,移除最薄弱的环节并用更强的部分替换它们。机器健康数据可以帮助您找到最佳配置,以便在所有设施中复制这些实践。
3. 促进远程协作
我们长期以来所熟知的工厂车间正在发生变化。即使在疫情之前也是如此,但 COVID-19 加速了这一转型。社交距离措施意味着多达一半的制造员工无法在现场工作。数字协作和远程工作已成为各地的新常态,制造业也不例外。
好消息是,通过利用数字协作平台,您可以为公司带来更多灵活性和敏捷性的机会。当您的团队可以在任何地方协作时,您可以利用整个组织的机构知识。基于云的软件可以识别机器健康问题并允许远程协作来解决这些问题,让您的团队即使相隔甚远也能更好地一起工作。
疫情迫使每个人快速适应,但也应该迫使每个人质疑他们对 2020 年及以后制造业面貌的假设。生存不仅仅是变得尽可能精益——而是要足够敏捷,以保持在变革浪潮的前面,即使是那些您永远无法预见的浪潮。

