爱波瑞集团首席技术官翟更川：低成本决策，数字精益企业健康存续新利器

发布时间：2025-07-05 16:56:25 来源：多嘴多舌网 作者：知识

11月22日-25日，爱波世界智能制造大会将在江苏南京举行。瑞集作为专题论坛之一，团首制造智能决策控制（工业软件）论坛由世界智能制造大会组委会主办，席技新利爱波瑞（江苏）科技发展有限公司、术官数字南京德锐企业管理咨询有限公司联合承办，翟更于2022年11月22日在南京国际博览会议中心扬子厅举行。川低成本存续

爱波瑞集团首席技术官翟更川出席并演讲。决策精益健康

以下为演讲实录：

各位专家、企业器各位领导、爱波各位企业家、瑞集各位来宾大家下午好。团首我是席技新利来得于爱波瑞的翟更川，今天给大家分享的术官数字主题是低成本决策，数字精益企业健康存续新利器。翟更谈到数字精益是爱波瑞这几年的新标签，它是基于爱波瑞的23年的精益管理咨询以及11年的数字化建设实践，在这两个基础之上融合而成的，将我们的精益管理技术以及数字化技术向融合，形成了一套基于云原生技术LDC数字云平台产品，帮企业更好的完成数字化建设。

这里所讲的低成本从两方面说，第一个就是我们去建设决策能力的过程是低成本，第二个方面就是在应用决策的过程中能够带来低成本的应用效果，我们也非常希望通过数字精益的技术帮助企业建设决策能力，应对各种各样的不确定环境下快速响应快速做决策。

从另外的视角看，当前的时代也是一个非常好的时代，尤其是对现在已经积极数字化、智能化的朋友们，随着企业的发展也享受了技术的红利，尤其是我们身处制造业，对成本特别敏感的制造人来讲可以以相对更低的投入享受新技术带来的成熟度和管理的加持。

谈到新技术，如何来促进整个管理的决策还是要从整个技术的发展迭代过程中找寻一些规律。我们可以看到近几年5G技术快速发展以及很多应用成本的降低快速拉动了短视频的兴起，通过短视频又带动了整个无人机的市场，无人驾驶技术的发展整个技术外溢成就了智能扫地、在工业领域用的比较广的自动智能物流机器人的发展。比如我们的游戏那种开放式的社区游戏结合AR、VR的技术引出了一个全新的概念就是元宇宙的概念兴起。我们可以发现这几年随着互联网包括物联网技术的快速发展可以感受得到，这些新技术间有一个相互激活和融合的过程，不断的服务我们的生活和工作过程中。

在其背后就像刚才李培根院士所讲的就是数据的力量，促进了我们整个技术的快速发展。基于我们的物联网、互联网这种规模化的效应，我们每一个用户都是这样一个新技术的验证者提供了大量的数据，我们在厂家也正是使用更低成本，以更短的周期捕获用户的数据不断高速迭代技术和发展，这个规律用在我们的企业也是一样的。现在这个时代已经不是要不要做数字化建设、投入到你的智能化建设这一个问题上了，如果你不去做，别的竞争对手抢占了先机，谁掌握了相对多的有效数据，在竞争中将会占据绝对的主导权。

我们知道数据的非常重要的意义，数据是越来越好吗？答案是否定的，什么样的数据才有意义和价值？精益化数据。能够可靠、准确、及时反应业务体征的最小数据集。它的定义是数据的获取与应用带来相对小的资源消耗，反应更加前面的业务链，可以挖掘更多的隐性浪费。精益的核心思想就是消除浪费，我们对数据也是同样，我们一样要强调精益化数据。

数据的获取在当前的阶段依然是离不开信息系统的建设，虽然信息系统我们对它的诟病很多，包括在信息化建设起步比较早的企业投入了大量的信息系统的应用，肯定也是为我们企业带来了很多应用的效果。比如ERP上线，它可以打通我们的业务链条，可以将财务管理与业务链相互紧密融合。比如MES应用可以解决我们的生产计划跟生产执行脱节的问题。比如PLM为我们的研发带来了系统性的提升，从研供产销链条提高了很多的协同性。

这些信息系统应用像大家最近几年听到的也带来了很多新的问题，比如缺集中、规范、时效、应用、管理，很多企业也意识到了这个问题，也逐步把信息系统的建设转移到了一些数据治理和标准方面的建设上。但在真正的行动和方式上仍然没有跳脱出信息系统的建设工作，还是不断投入类似于数据中心信息系统的升级工作上，应该怎么做？其实这里我们提出一个观点，要从业务价值的视角出发以精益管理为核心，以数据开发和应用为内容，以数据分析和挖掘为手段服务于企业经营和管理决策，要致力于提高决策的质量和效率为最终目的，而不是以提升流程效率为核心的传统IT建设。

另外，我们强调数据技术的规划、建设应用的落地就像前面提到的很多企业都在做数据中台、数据仓库、数据湖信息系统的建设。这类数据中心的建设不是一个必选项，还要看企业自身的条件和能力。比如你的数据规模大还是小，数据水平是什么样的，整个资源能力能不能撑得起技术平台，还是要选择适合自己的。因为我们在过去的很多调研中企业都提出了一些需求，在我们看来一个EXCEL就是一个很好的数据技术的中心。

接下来举一个比较具体的例子，来解释如何从精益的视角规划和应用我们的数据技术。存货周转率是一个明星指标，尤其近两年降存货是一个必须要达成的目标。存货周转率体现了企业资产创收和获益的能力，但难度很大，很多企业付诸于很多的实践最后结果都不太理想，通常来讲企业降低我们的存货周转率通常的做法是首先把库存里呆滞的存货清理掉，短期内获得一个指标上的提高，但再继续往下做很难，而且想要包吃住当前的成果也不太乐观。

造成这个问题的原因总结下来主要是两个大方面：一是通常的存货周转率是一个期间以月度为计算的，管理成效肯定不高。另外，它是一个大指标，涉及到诸多的影响要素和管理要项，就像这张图所说的，包含了从人供产销、人财物多个管理维度，既要关注客户订单的准时交付，又要满足客户需求的不断变化，同时还要控制存货降低库存对我们的资金占用，还要应对各种频发的供应链的不确定性，这种控制起来非常难。

靠传统的管理方式已经很难达成这样的持续目标，我们就是要像前面所说的，必须基于精益的整体系统性规划将复杂的问题分解掉，分解成若干个简单的容易管控的小的指标，再借助我们的数字化技术的加持，整体的协同管理，也就是去建设我们的数字精益指标体系这样的方式。只是建立了这样一个数字化指标体系还不够，还需要基于我们所获得的数据深度应用继续挖掘价值。

也就是说，举一个例子，比如我们的销售部门要基于过去以往的销售历史数据去分析、寻找规律，更加准确的给到计划部门他的整个销售预测，计划部门则根据销售预测以根据存货信息优化整个安全库存的管控策略降低对资金的占用。我们的研发部门就非常关键，要去做各种产品分类之下的零部件的分析，优化和整合零部件不同的种类和规格，降低整个BOM的复杂程度，以相对准确和及时的方式把BOM下达给设计和计划部门。

降低BOM的复杂度有很多是一劳永逸非常值得做的，因为只有BOM的复杂度降低了，可以带来产品指标的提高、交付周期缩短以及产品各类成本的递减的优势是非常值得做的。所以当你的组织逐步具备了这样掌控数据技术打造数据文化时，就可以灵活地应对各种需求的变化，真正的实现效果。

一旦你具备了这样的能力，我们从整个全价值链的视角看，在整个链条中可以实现每个人都可以精准地，包括管理层、执行层都可以精准地在数据驱动下明晰目标精准执行，达成一个整体协同的效率。但除了我们前面所讲的具备精益化的数据能力外还有一个重要的要素，就是我们要从业务价值视角出发的决策模型，比如整个供应链如何持续的缩短我们的交付、精准协同，我们的交付周期怎么能保证健康有序地缩短，我们的制造成本如何更加精细、更加结构化，有利于在成本上不断优化提升，从这些业务视角借助我们的精益管理规范我们的业务，在业务中生成的数据利用数据再持续的优化模型的控制参数，让我们的整个决策模型越来越精准达到这样的效果。

也就是人人实时处处都可决策，举两个例子如何通过数数字精益建设实践分享/构建低成本决策能力。如何通过建模立标的方式，帮助企业培养快反能力、持续改善管理闭环。另一条基于逻辑量化提高确定性占比最终实现基于客户订单的准时交付能力的构建，从我们的生产现场的管理劳动前端供应链的供给协同、面对客户的需求不断变化怎么能及时响应自动决策。

首先先从EMBP问题通开始，这两个案例一个是石化的油田，另外是化工行业，他们的特点必须要保证现场的生产持续稳定性不断保证它的产值。我们其实是通过问题通这样的产品快速的低成本的落地应用，基本2周的周期帮企业快速建立了快反的能力，达到了非常好的收益。比如我们的河南油田大概收集到的数据实现了增产原油3000余吨。在科迈化工这边收集到的数据是年综合收益增加1.68亿元。这种建模立标的方式有三个关键点，第一点把问题和解决方通过信息系统技术连接起来，让现场能快速有效的得到不同的支持协助解决现场的问题，快速的恢复生产。

第二个关键点就是把问题从发生到解决的流程透明化，用的是数字管理看板，另外就是在超出管理时限通知管理人的方式，可以更好的把整个议程的处理流程实现监管和效益提升的管理效率。

第三个关键点就是基于统计的方式，我们去发现、识别这种频发的以及影响巨大的议程，要通过这种持续改善优化、解决它，甚至从根本上杜绝它的再次发生。从改善上我们也是有两个方式，一个就是针对简单的成本比较低的投入，通过改善提案的方式，更可以提高全员的改善文化，改善门槛要求比较低的方式。面对这种比较复杂的问题投入的资源比较多，周期比较长的我们推荐的是用课题管理的方式，可以更加系统化的去推进我们的这种改善的合作。

这两种方式我们把它放在了数字化平台、云端，相对于传统的改善行为其实它更适合跨地域、跨组织、实现标准化推广，可以做知识的复用、分享，帮企业沉淀知识库。

第二条案例线就是前面所说的如何保证基于客户订单的准时交付。这个场景就是我们基于LDC的准交宝保证了总装车间的齐套管理模式的建立，离散制造业会很熟悉，是一个装备制造行业，基于客户的按单定制的方式，极端情况下一个订单就一台的方式，在总装车间里可以想象到场景，因为批量小，零部件在需要的时候送不到位做不出来，造成了现场该需要做的工作没有完成，不需要做的各种的再制品、半成品组件堆成堆，造成了整个现场的各种的存货浪费，像我们前面所讲的问题非常严重。

我们借助了这样的准交宝方式帮企业更加系统的擘画了管理流程，基于必须要满足客户的整体订单交付下，我们将已经齐套和将要齐套的任务下发给车间，给予一定的灵活性充分发挥人效。另一方面，我们将未来两周的要开工的装配任务列出所有的零部件、物料的缺样清单，又做了分级处理给到不同的责任人，实现到报警计划拉动的方式实现。

保证了车间的按需生产，但我们还是没有从根本上解决我们的缺料的问题，这个场景可能是大家在企业里会经常碰到的，也就是说我们如何保证供应链的准时交付，造成它的问题除了供应商的问题，可能有一大部分占比都是企业内部造成的，也就是我们的整个计划的不精准或采购的一些因为人工的执行犯的一些错误造成的。

我们可以想象这样一个场景，先从内部管理入手，采购部肯定由新老员工构成，对于这些采购人员经常会收到比较紧急的需求，急发的缺料紧急采购，有一些要降低采购成本，有一些对零部件的要求很高要海外采购。老一些的员工经验很丰富可以很好的应对，就是那些老员工也会犯错，如果因为他的疏忽造成了短料、缺料影响了交付，新员工的犯错就会更大。我们借助CIBP协同宝的方式帮企业制造一个相对智能的采购策略。就是把我们影响供应商送货的比如交付周期、良品情况、供应商报价信息进行结构化量化形成控制参数给算法，就可以精准的基于不同的需求可以一键自动选择最佳的供应商创建采购订单。

这个算法在运行初期因为缺乏数据，经验丰富的人员的一些主观经验派上了用场，可以给供应商在不同维度打分，最起码让我们的算法先跑起来。跑一段时间后基于供应商的不同采购交付任务再拿这些数据优化参数矩阵，就会获得一个智能的电子采购员，它是非常精准的，有以一敌百的能力。如果你对你的供应商的交付过程交期保证交付质量非常敏感的话，可以去做供应商的整个过程管理，系统会帮你建立这样的预警报警机制。

最后回到最关键的，也就是前面具备了生产车间的齐套供应链的准时交付能力后，其实我们最终面对的是我们客户这种订单紧急的需求或需求变更的快速响应的能力，这个案例是一个非常痛苦的场景，它的产品BOM比较复杂，而且客户的订单发起的时点经常是在我们已经投产了，生产已经在制包括很多零部件、原材料都已经下了采购单甚至有些已经收货，我们需要投入大量的人力物力，过程中一定会有各种的疏忽造成了该有的物料没到来影响了交付，又因为调整的决策造成了大量的材料积压最后只能报废。

基于客户的订单的需求变更这样的一键变更，因为客户的很多需求变更最直接体现的就是BOM变更，基于变更前后的两个版本寻找差异，通过差异找到哪些需求分解到采购和生产，看采购和生产订单的不同状态给予不同的对策建议，我们的变更管理人员就可以一键采纳对策也可以做人工干预后把调整后的对策下达下去，各个执行环节的负责人可以通过各种终端比如手机来进行调整，系统可以持续的跟踪过程管理，最后形成管理闭环。当企业具备了这样的能力后，市场上的竞争力是很强的，占据很高的主导权。

最后，我们再总结。如何通过数字精益的方式构建你的低成本的决策能力，就像这张图显示的，数字精益的建设过程也是一个层层递进的过程，由点到线再到面的过程，过程中除了结合精益、数字化技术外还要关注才的培养，就像今天论坛的这样一个观点数字人才也是智能决策的关键支撑。

换一个视角，从数据决策的视角看我们也可以把它分为四个转换阶段，从规范化、指标化、模型化、体系化，最后升级为智能化的过程，这个过程最难的就是第一个阶段，必须要有应用数据的养成使用数据的习惯，用数据沟通、管理，其实这是对企业来讲相当难的起步阶段。

我们碰到了很多在做数据建设的初期，大概率会影响我们的生产效率，会影响员工积极性会有这些问题的存在。我们要明白一个数据的录入只是我们一个起点、并不是价值创造的原点的道理，我们要坚定本着精益的视角去做我们数据的精益化定义，管理我们的数据质量，这样才能逐步的构建你的数据体系、塑造你的数据文化，最终建成一个强大的数据精益决策体系这样的方式。

我们也欢迎认可爱波瑞的，对刚才前面所讲的数字精益感兴趣的朋友积极的跟我们取得联系，我们有强大的专家顾问团队随时可以为企业精准的把脉，帮你构建一个适合你自己的数据精益化体系，我的分享就到这里，谢谢大家。

相关文章