編者按：本文于2014年5月發(fā)表于麥肯錫網(wǎng)站。作者埃里克?奧西茲斯基（Eric Auschitzky）是麥肯錫公司里昂分公司的專(zhuān)家，馬庫斯?漢默（Markus Hammer）是里斯本分公司的資深專(zhuān)家，艾金森?拉佳格保爾（Agesan Rajagopaul）是約翰內斯堡分公司副董事，肯?薩默斯（Ken Somers）是安特衛普分公司的高級專(zhuān)家。本文介紹了如何在大數據時(shí)代應用高級分析法，診斷和糾正流程缺陷，管理生產(chǎn)流程的復雜性。

在過(guò)去的20年時(shí)間里，制造商已經(jīng)可以通過(guò)實(shí)施精益生產(chǎn)和六西格瑪項目，減少生產(chǎn)工藝流程中的浪費和變化問(wèn)題，并大大提高產(chǎn)品的質(zhì)量和產(chǎn)量。然而，在醫藥、化工和礦業(yè)等特定的加工環(huán)境中，極端波動(dòng)的變化已經(jīng)成為常態(tài)，甚至運用精益技術(shù)也無(wú)法解決。在上述產(chǎn)業(yè)及其他產(chǎn)業(yè)，影響產(chǎn)出的因素紛繁復雜，A因此，制造商需要一種更加細化的方法來(lái)診斷和糾正工藝流程缺陷，高級分析就是這樣一種方法。

高級分析是運用統計和其他數學(xué)工具對業(yè)務(wù)數據進(jìn)行分析，進(jìn)而評估和改進(jìn)當前操作工藝流程的一種方法。在制造業(yè)，運營(yíng)經(jīng)理可以使用高級分析，深入了解歷史工藝流程數據，找出離散工藝步驟和投入之間的模式和關(guān)系，找出對產(chǎn)量影響最大的可靠因素，對其進(jìn)行優(yōu)化。現在，各個(gè)行業(yè)和地區的諸多全球制造商都收集了大量的實(shí)時(shí)車(chē)間數據，也有能力開(kāi)展這種先進(jìn)的統計評估。他們對過(guò)去彼此孤立的各類(lèi)數據進(jìn)行匯總和分析，從中得出深刻見(jiàn)解。

以生物藥品的生產(chǎn)為例。生物藥品是保健產(chǎn)品的一種，包括疫苗、激素和成分血。生物藥品的制造需要使用基因工程活細胞，生產(chǎn)團隊往往需要監視生產(chǎn)流程中的200多個(gè)變量，以確保各成分以及生產(chǎn)藥物的純度。使用同一種方法生產(chǎn)的兩批次的特殊物質(zhì)，其產(chǎn)量的變動(dòng)幅度可達50%到100%。導致這種巨大變異的原因還不明確，它會(huì )帶來(lái)產(chǎn)能和生產(chǎn)質(zhì)量問(wèn)題，也導致常規監督工作的增加。

一家排名前五強的生物藥品制造商使用高級分析法，顯著(zhù)增加了疫苗的產(chǎn)量，同時(shí)沒(méi)有造成任何額外的資本支出。該公司把整個(gè)工藝流程分割為一個(gè)個(gè)集群，每個(gè)集群包含一些密切相關(guān)的生產(chǎn)活動(dòng)。針對每一個(gè)集群，公司會(huì )廣泛收集與工藝步驟和使用材料相關(guān)的數據，并把數據儲存在中央數據庫中。然后，一個(gè)項目團隊會(huì )對數據進(jìn)行各種形式的統計分析，來(lái)確定不同工藝參數（上游和下游）之間的相關(guān)性，以及參數對產(chǎn)量的影響。分析證明，影響最大的參數有9個(gè)，其中最重要的是細胞接種的時(shí)間和傳導性措施，這些措施與色譜法的一個(gè)步驟相關(guān)。該制造商針對與這9種參數相關(guān)的工藝流程作出調整，從而把疫苗產(chǎn)量增加了50%以上——相當于每種產(chǎn)品每年節省500萬(wàn)到1000萬(wàn)美元，而公司目前生產(chǎn)的產(chǎn)品有上百種。

提供意料之外的見(jiàn)解

即使是公認最好的制造業(yè)工藝流程，高級分析也可以對之進(jìn)行一定程度的改進(jìn)。歐洲有一家知名的化學(xué)品制造商，該公司為一些造紙行業(yè)、洗滌劑制造和金屬加工業(yè)等行業(yè)提供功能性和特種化學(xué)制劑。公司對工藝流程的改進(jìn)始于20世紀60年代，其平均產(chǎn)量也一直比行業(yè)標準更高，公司以此為榮。事實(shí)上，工作人員都認為公司并沒(méi)有太大的提升空間。一位工程師指出：“別人都將這個(gè)工廠(chǎng)作為參照榜樣。”

然而，該公司使用神經(jīng)網(wǎng)絡(luò )技術(shù)（一種以人類(lèi)大腦的信息處理方式為基礎的高級分析方法），就不同生產(chǎn)投入對產(chǎn)量的相對影響進(jìn)行衡量和比較，并有了意想不到的收獲。公司檢測的因素包括冷卻劑的壓力、溫度、數量和二氧化碳流。分析找到了一些以前不知道的敏感因子。舉例來(lái)說(shuō)，二氧化碳流的變化程度會(huì )顯著(zhù)減少產(chǎn)量。這家化學(xué)公司相應地調整了參數，成功地將原材料浪費降低了20%，將能源成本降低了15%，進(jìn)而提高了整體產(chǎn)量。現在公司正在實(shí)施高級工藝控制，以配合基礎系統，自動(dòng)調整生產(chǎn)。

無(wú)獨有偶，非洲的一家金礦對不甚全面的生產(chǎn)數據進(jìn)行嚴格評估，進(jìn)而增加了產(chǎn)量和盈利能力。當時(shí)，該金礦正處于礦石品位逐漸下降的階段，礦場(chǎng)維持生產(chǎn)水平的途徑屈指可數，其中之一就是要努力加快或以其他方式優(yōu)化開(kāi)采和提煉工藝。從礦石中提取黃金的流程極為復雜，一般會(huì )涉及到10到15個(gè)變量，需要15種以上的機械設備，提取處理過(guò)程包括氰化、氧化、研磨和浸出等。

這家非洲礦場(chǎng)運營(yíng)團隊可獲得的生產(chǎn)和工藝數據極為分散，因此，分析團隊的第一步工作就是數據清洗。團隊使用數學(xué)方法，解決數據不一致問(wèn)題，彌補缺失的信息。然后，該團隊分析了試劑、流速和密度等一系列工藝參數的數據，研究發(fā)現，溶解氧水平（浸出過(guò)程中的關(guān)鍵參數）的變化似乎是對產(chǎn)品影響最大的關(guān)鍵因素。這項分析還發(fā)現，根據過(guò)去的情況分析，在氧氣含量最高的日子里，礦場(chǎng)的績(jì)效最高。

根據這些分析結果，礦場(chǎng)對自己的浸出回收工藝進(jìn)行了微調，在三個(gè)月的時(shí)間內，將平均產(chǎn)量提高了3.7%——?慮到同期礦石品位下降了約20%，這一提高水平已經(jīng)相當不錯。由于產(chǎn)量提高，在不需要進(jìn)行額外的資本投資或實(shí)施重大變革措施的情況下，礦場(chǎng)的年利潤增加了1000萬(wàn)到2000萬(wàn)美元。

充分利用大數據

對于希望使用高級分析法來(lái)提高產(chǎn)量的制造商來(lái)說(shuō)，第一個(gè)關(guān)鍵步驟就是對現有可用數據進(jìn)行整理。很多公司都收集了大量工藝流程的數據，但這些數據往往只用于跟蹤，并沒(méi)有成為改善運營(yíng)操作的基礎。對于這些公司來(lái)說(shuō)，他們的挑戰就是對系統和專(zhuān)業(yè)技能進(jìn)行投資，以改善對現有信息的利用。舉例來(lái)說(shuō)，公司可以將多個(gè)來(lái)源的數據進(jìn)行集中，或建立索引，這樣可以降低數據分析的難度，也可以聘用訓練有素的數據分析師，去發(fā)現內在模式，對信息進(jìn)行可供操作的解讀。

有些公司的數據太少，對分析師來(lái)說(shuō)沒(méi)有什么統計學(xué)意義。對于這些公司的高層領(lǐng)導來(lái)說(shuō)，他們需要對系統和運營(yíng)方法進(jìn)行投資，以便收集更多數據。他們可以逐漸增加投資。例如，在一系列活動(dòng)中，先選擇一個(gè)特別重要或特別復雜的工藝流程，進(jìn)行信息采集，然后對這部分工藝流程進(jìn)行高級分析。

大數據時(shí)代才剛剛出現，但是在數學(xué)研究和科學(xué)應用領(lǐng)域，高級分析的應用已有多年的歷史。高級分析法是提高產(chǎn)出的一個(gè)重要工具，對于工藝流程復雜度高、變化大和存在容量限制的制造業(yè)來(lái)說(shuō)尤其如此。事實(shí)上，如果可以成功進(jìn)行定量評估，公司就可以在眾多競爭者中脫穎而出。

（趙  燦 編譯）