Переосмысление умного производства для новой нормальности: Data-driven стратегии устойчивости

Переосмысление умного производства для новой нормальности

Ключевые выводы:

• Глобальное экономическое замедление дает производителям уникальный шанс переопределить свое будущее.
• Умное производство растет, но массовое внедрение остается вызовом.
• Data-driven организации должны признать пределы своих возможностей сбора данных.

Пока 2020 производственный outlook остается мрачным, постоянная экономическая хандра дает открытие зачертить новый путь. Ведущие фирмы берут долгосрочный взгляд, ретулируясь для процветания среди неопределенности и быстро сменяющегося потребительского спроса.

Как заметил Силиконовая долина инвестор Роджер МакНами в 2004 году: «В новой нормальности важнее делать вещи правильно, чем поддаваться тирании срочности». Тот майндсет может разделить победителей и проигравших.

Технологические фреймворки и инструменты изобилуют, но производители должны построить устойчивую, гибкую, data-driven культуру, чтобы сделать их эффективными. Четкий северная звезда необходима, чтобы вести организации за пределы настоящего хаоса.

Переосмысление продуктов и процессов

Беспрецедентная неопределенность дает редкую возможность для рефлексии. Дэн Миклович, аналитик Analyst Syndicate, призывает фирмы переоценить операционные риски от конца до конца — усиля устойчивость цепочки поставок и обеспечивая долгосрочную безопасность рабочих. Нитин Кумар, CEO Appnomic, подчеркивает важность правильной цифровой бизнес-модели.

Многие производители были обещаны трансформационными выгодами от AR, AI и других технологий. Те, чьи развертывания застряли, должны переоценить те инвестиции, советует Миклович. Автоматизация и передовые системы контроля должны вводиться с четким пониманием операционного риска; удаленный доступ может вводить серьезные кибер-угрозы, если не должным образом защищен, предупреждает Мартин Дэвис из DUNELM Associates.

Релевантность умного производства растет, но культурное сопротивление часто удушает прогресс. Кумар объясняет, что «главная проблема — не отсутствие знаний, а культурные антитела, отвергающие новые идеи».

Таланты и удаленная работа

Удаленная работа перестраивает талантовый аквизишн. PwC отмечает, что производители долго воспринимались как ручной-труд индустрия, делая трудным привлечение data-savvy талантов. McKinsey сообщает, что подъем удаленной работы расширяет доступ к квалифицированным профессионалам.

Однако таланты в одиночестве не зажигают трансформацию; высококачественные операционные данные так же критичны.

Данны: фундамент умного принятия решений

Майкл Тей, менеджер advanced analytics в Rockwell Automation, подчеркивает: «Сначала у вас должен быть доступ к правильным данным для поддержки умного принятия решений». Следующий шаг — встраивание использования данных в повседневные процессы. Пока многие промышленные машины — особенно старые brownfield оборудование — не имеют коннективности, более новая сенсорная технология делает сбор данных гораздо проще.

Дэвис напоминает, что сенсоры в одиночестве недостаточны; контекст критичен. «Только понимая контекст, данные могут стать полезной информацией, драйвящей правильные решения», — говорит он.

Data science инструменты отлично решают трактабельные проблемы, но борются с предсказанием волатильного потребительского спроса. Тей признает, что «есть много неразмеченных факторов и экстерналий, драйвящих поведение». Производители вынуждены адаптироваться к.erratic сдвигам спроса — некоторые пивотили к healthcare товарам, другие редизайнили продуктовые линии для встречи долгосрочных потребительских изменений.

Для consumer-facing производителей это может значить добавление фич вроде вентилируемых зон в общественном транспорте для размещения социального дистанцирования.

Виртуальное всё и рыночный позиционирование

Дэнни Смит, вице-президент Industry Advisory в Ceridian, предсказывает всплеск бесконтактных, VR и AR технологий. Пока разработка инновационных продуктов — приоритет, многие фирмы борются с их маркетингом. Кумар отмечает, что цифровые предложения часто продаются C-сьюту, но существующие команды продаж могут не иметь языка для вовлечения этого нового покупателя.

Черчение своего курса

Эксперты расходятся в едином north-star метрике. Мартин Дэвис указывает на фреймворк Индустрии 4.0 Германии, который смешивает lean производство с IoT, облаком и AI. «Это начинается просто с фокуса на данных для принятия лучших решений», — говорит Дэвис.

Майкл Тей добавляет, что «становление все более data-driven — затратоэффективный способ поднять производительность». Data savviness также позволяет измерение цифровых инициатив. Тей рекомендует идентифицировать бизнес-таргеты, бенчмаркать их и отслеживать прогресс во времени. «Каждое критическое решение — возможность захватить исходы цифрово», — объясняет он.

Дэн Миклович чемпионирует гибкость: «Планы инвестиций должны приоритизировать проекты, доставляющие максимум гибкости». Многие фирмы уже обладают технологией; им просто нужно применять ее более эффективно.

Успех в конечном счете зависит от встраивания цифрового в культуру организации. Кумар предостерегает, что отдельный цифровой дивизион может изолировать цифровые инициативы от легаси-бизнеса, препятствуя адопшну.