如何解锁制造业数据的价值？（上）

Original 数治君数据信任与治理 2022-09-08

收录于合集 #产业数据治理 6个

本文编译自波士顿咨询公司（Boston Consulting Group）与世界经济论坛（World Economic Forum）近期联合发布的报告《如何解锁制造业数据的价值？》（Share to Gain: Unlocking Data Value in Manufacturing）。为保证阅读的流畅性，本文对脚注及正文内容有删减。

摘要

像高级分析法和人工智能这样的新兴技术正改变着世界生产制造的形式，也为工业、社会和环境创造了新的机会。因而数据和公司有效的数据管理能力是至关重要的。虽然制造商在数据管理这一领域进展迅猛，但是大部分制造商都只关注公司内部的数据，难以实现投资回报的最大化和推动大规模地创新。但通过在各公司之间共享数据，制造商们能“释放”数据的附加价值并加速创新。根据最佳实务范例，仅通过专注于优化制造流程，共享数据的潜在估值就超过1000亿美元。真正的数据大师会通过使用共享数据改进现有的解决方案，并实施在没有数据共享的前提下不可能实现的方案。

如何解锁制造业数据的价值？

在制造业中数据分析主要在以下五个方面提供价值：

–促进资产优化。例如通过整合来自同一类型机器的众多用户的数据，制造商可以改进算法从而实现预测性维护。因此，数据共享可以通过增加机器的可用时间和提升产品质量来优化资产绩效，同时实现所有利益攸关方的共赢。这对于那些想要加强分析算法算力但缺少数据量的制造商来说尤为重要。

–沿价值链跟踪产品。通过价值链一端到另一端的可视化，制造商可以快速应对突发事件，削减库存。尽管制造商已经沿供应链跟踪产品，但他们必须协作、共享数据并利用通用系统来建立真正的端到端可视化。

–沿价值链跟踪生产工艺条件。通过获取价值链上连续且完整的数据记录，制造商能够逐渐信任彼此且更有效地遵守严格的监管要求。这使他们能够确保供应商会遵循一致同意的生产流程，而供应商也可以将这些记录作为证据在质量保证争议中使用。食品和制药行业的公司已经在建立数据联盟来实现上述好处了。

–交换数字化的产品特征。共享产品外形和构成的数据使制造商能够同步和优化相关的生产过程。产品的数字孪生（digital product twin）在供应商和原始设备制造商（original equipment Manufacturer，OEM）之间共享，其作用如帮助减少自动处理零件所需的来料检验或地形测量。

–核实原产地。客户对其产品来源透明度的要求越来越高，他们希望核实产品的真伪。为此制造商需要提高其供货的加工地点和方式以及产品的真伪的透明度。因而一些公司已经联合起来使用区块链进行协作。

为成功进行数据共享的合作，利益攸关方需要很好地了解如何共同提升价值。在五个确定的主要领域或应用领域中，有三个促进成功的因素：

–数据共享的明确价值主张和理论依据

–互利的协议

–使用安全的技术和通用的标准。

开始的关键是找到共享数据提供明确价值的正确应用，并在共享数据的合作伙伴之间建立信任。本白皮书为帮助制造商在充分参与数据共享之前启动流程而提出了一个五步框架：

了解要通过数据共享应对的业务挑战；
开发应对业务挑战的具体应用；
评估和选择可行的应用；
确定和评估每个应用的合作伙伴；
明确数据共享的合适方案。

在确定数据共享应用的优先级时，需要审查价值主张、风险、数据的可得性和质量。还需要进行评估，从而确定合适的合作伙伴，并了解所有利益攸关方是否在组织和基础设施方面已经准备充分。最后需要讨论合适的方案、共享机制、补偿模式和必要的技术架构等方面。

选择适当的技术和使用通用标准有助于克服数据共享的主要障碍，如互操作性问题和风险。新技术和推动全行业的标准化及适用共同参考架构大有前景，因而应得到进一步的鼓励。

这本文是制造业实现数据共享新征途中的一个起点。它旨在促进新工具、新政策和新商业模式的发展，以帮助制造商释放价值并建立一个极富创新的系统。如果制造环境中所有的利益攸关方都共同努力，解决由数据共享所引发的重大政策性的、标准化的和技术层面的问题，就能获得成功。这项涉及数据共享、合作模式、有关技术和数据共享标准的工作将引领该领域进一步对话。“塑造未来先进制造和生产的世界经济论坛平台”（The World Economic Forum Platform for Shaping the Future of Advanced Manufacturing and Production）为讨论和发展旨在促进制造业和价值链之间数据共享的新合作提供了独特的数据空间。

1.简介

高级分析技术和人工智能（AI）正在改变制造界。随着数据在其工厂和供应链中变得越来越重要，大多数制造商已经在其公司内部应用这些新兴技术。然而，制造商可以超越自己场所的限制，通过利用在全价值链环节和全公司共享的数据来获取更多价值。真正的数字专家不仅应用自己的数据，而且还通过共享数据和应用新的数据来改进现有的应用，而这如果没有数据共享是不可能实现的（见图1）。

据估计，仅在运用数据改进工序方面（见图2），企业在数据共享的五个关键领域所能创造的总价值就超过1000亿美元。为了充分发挥数据共享的潜能，制造商需要了解数据共享背后的机制以及使数据共享成功的因素。

制造商如何才能开始释放这种潜力？

为了回答这个问题，本文第二节更详细地研究了可以从跨公司数据共享中获益或赚取利润的应用领域。基于这一研究，第三节介绍了这些应用的常见模式，如合作模式，以及数据共享的成功因素和障碍。第四节介绍了一个框架，以便制造商选择应用、确定合作伙伴并与他们协商数据合作的理想方案。最后，第五节概述了成功进行数据共享的关键性因素：技术的选择、共同标准的采用、信任的建立以及法律和监管规则的确定。

2.探究制造业的数据共享领域

制造业中数据共享的五个应用领域曾用于说明数据共享的潜力及其背后的机制。在第一个被探讨的领域中，数据共享为现有的高级分析和人工智能提供了更一步的解决方案。对于其他领域，数据共享使这些应用领域成为可能。

促进资产优化。领先的制造商已经在使用高级分析技术和人工智能来预测机器故障、提高质量和性能。制造商可以使用机器数据来开发预测算法并增加机器的可用时间。生产者还可以通过分析数据来减少与质量和能源与水电消耗有关的问题。

在技术层面上，要实现上述效果需要找到不同的工艺参数和理想的性能或希望避免的故障事故之间的联系。随着故障实例或对故障描述的增加，该算法可以更好地预测未来会发生的故障事故或精准找到故障出现的原因。

面临什么挑战？

首先，为了构建一个能够有效提供有价值见解的强大预测算法，公司需要大量的数据，其中包括许多机器意外故障的实例。从长远来看，基于不充分的数据构建的预测算法是无效的。然而，机器发生意外故障的数据本身是很少的。因此，大多数制造商没有足够多的与机器故障有关的数据——小型制造商则更少。

其次，要成功优化工艺参数就要结合来源不同的和使用不同传感器的机器的数据，以便算法能够了解影响工艺结果的所有因素。然而，即使在同一公司内，这也可能是一个挑战。为了阐明这一点，下面将引用计算机数控（computer numerical control，CNC）机器和切削工具生产商的实例。现今，加工中心使用嵌入式传感器来监测加工过程中的各个方面（如振动或碰撞风险）。将这些数据与其他机器控制数据和产品设计结合起来，可以使供应商提出更有效的切削路径、切削工具或工艺参数。然而，由于产生数据的不同系统之间的互操作性问题或可访问性问题（如访问机器、传感器或设计数据），要实现这方面的合作是很难的。

数据共享有什么好处？

在以上两种情况下，数据共享提供了一个解决方案。一家公司可以从其他公司获得有关机器故障模式的数据，并将其输入预测算法，该算法可以从不同的故障模式中“学习”。法拉克（FANUC）作为自动控制装置的制造商，利用其自动控制装置的数据提供了一个预防性维护的解决方案。为此，它与思科（Cisco）合作建立了一个数据库，他们的客户可以在其中安全地分享其故障数据。通过使用这些数据，法拉克可以了解其所有客户的故障模式，并为其客户延长机器的可用时间和提供更好的预测性维护服务。

这一机制是如何运行的？

为了实现上述两种应用目的，最可行的选择似乎是制造商与第三方（如机器供应商或服务提供商）合作，整合、清洗和分析数据。这是因为，数据共享安排必然可能涉及到有直接竞争的关系同行业的公司。此外，第三方可以提供所需的专业知识以及促进数据共享关系（见图3）。

具体应用中，第三方可以是像DataProphet这样的公司，它承诺整合不同来源的数据，并使用机器学习来减少品质瑕疵和废品。这一工作也可以由机器供应商完成，他们承诺通过数据共享改进他们提供的服务。与一些机器和设备供应商合作的制造商可能更愿意选择这种方式来建立长期合作。

在上述安排中，重要的是要保证数据共享结构和第三方是安全的。由于缺乏评估解决方案供应商的技术能力的标准，制造商可能更愿意与已经建立关系的机器供应商合作。

此外，要整合源于不同系统的数据，并由多个利益相关方提供对其数据的访问权限，需要各方解决诸如互操作性和数据所有权等问题，还需要他们分享数据共享带来的益处。

沿着价值链跟踪产品。通过跟踪供应链中的产品和部件，制造商可以确保在需要的时候能够得到他们所需要的材料。这种可视性便于让制造商改善他们的生产计划，减少库存量，并更快地对供应链中的意外事件作出反应。

跟踪供应链中的产品和部件的做法很可靠。公司已经可以通过使用（在产品或包装物上放置的）射频识别（radio-frequency identification，RFID）标签和精心设置的扫描系统，跟踪其运营中的部件的位置和数量。

面临什么挑战？

虽然跟踪产品是有用的，但它没有真正实现端到端的可视性。为了实现端到端的可视性，供应链中的所有供应商必须将他们的数据整合到一个共享系统中，并使用共同的标准来进行供应链交易。这种可视性将便于其减少安全缓冲库存量，并作为发货方或接收方应对突发事件，所有供应链参与方都能因此获益。额外的好处还包括减少运输过程中的零件丢失，减少调研费用，减少生产中断和优化运输。

数据共享有什么好处？

通过使用端到端的共用共享系统，供应链参与者可以在供应链层面上实现某些交易的自动化。例如，如果发生生产中断，制造商可以自动替换供应商并替换使用的资源。此外，监测资源消耗数量的能力使公司能够在其供应链内实现自动补货（见图4）。

这一机制是如何运行的？

汽车行业的领军公司已经开始合作，通过使用如AutoSphere这样的解决方案实现端到端的跟踪，AutoSphere是一家名为Surgere的公司建立的汽车原始设备制造商和供应商的社区。加入AutoSphere的公司共用一个数据库以便更好地管理他们的供应链交易。Surgere作为一个安全的第三方，收集、分享和分析社区的交易。它还提供射频识别标签和必要的软件与硬件解决方案。这一社区的创始成员有本田（Honda）、丰田（Toyota）、日产（Nissan）和通用（GM）。他们及其供应商一起跟踪数百万贴有标签的资产。

为了从中获益，公司必须克服两种与信任相关的挑战。首先，一些一级供应商可能会担心，如果他们向制造商透露哪些公司向他们提供零部件，以及透露他们正在交易或生产的产品数量，就会失去他们的谈判能力或竞争优势。第二，即使供应商参加了这样的数字社区，也可能不愿意承诺使用同一种技术和标准，因为之后他们很难为其他客户转换到其他类型的技术和标准。

沿着价值链跟踪生产工艺条件。除了跟踪产品的位置和数量外，在供应链上监测产品状况和工艺参数也很重要。这在食品和制药行业就更重要。在这些行业，制造商必须证明安全性和可追溯性，以使其产品符合严格的监管要求。

有几种解决方案可以证明产品在运输过程中没有出现问题。公司已经通过使用传感器和标签来记录环境因素，如记录地点和运输过程中的温度和湿度。此外，制造商拥有跟踪生产批号、有效期和其他各种生产过程信息的系统。

面临什么挑战？

然而，现今的文档通常是由价值链中不同的利益相关者建立的，应用功能不同，使用的系统和传感器也不同。这意味着制造商一般被迫在漫长的通信链的末端记录生产条件和特性。

如果制造商在通信链末端发现了一批货出现问题，它需要与所有的利益相关者合作，从而了解发生这一问题的原因，而且难以及时更换供应商以应对这一问题。

数据共享有什么好处？

通过数据共享，公司可以沿着供应链建立一个连续的、完整的数字记录，通过实时更新，公司可以立即采取行动避免浪费。连续的数字产品记录使公司能够轻松处理来自终端客户的保修索赔，并找到导致质量问题的根本原因。制造商还可以向终端客户提供源于数字产品记录的信息，从而解决任何有关食品和药品安全的问题，以及解决其他生产方面的问题，如工人安全和环境影响（见图5）。

这一机制是如何运行的？

BeeBeacon是一种移动传感器技术，定期报告价值链上的各种情况（如温度、湿度和海拔），是实现数据共享很好的实例。由于更新信息存储在云端，且在短时间内上传，如果管理人员发现任何环节的产品不符合规格，他们都可以立即应对。

在食品行业，两项举措为全面建立产品的可追溯性和实现状态监测。一个名为OpenSC的举措使用区块链从端到端跟踪食品供应链中的温度。它还可以让消费者验证生产者关于食品的主张，如合法捕捞、自由放养和公平贸易。IBM Food Trust是另一个基于区块链的举措，跟踪并向消费者提供关于他们所购买物品的其他信息（如食品收获和包装的时间）。参与该举措的法国跨国公司家乐福（Carrefour）报告说，关于食品的其他信息使其获得消费者更多的信任。

应用这些方案会带来一些挑战。所有价值链参与者（供应商、生产商和农民）需要合作并安装传感器和使用其他数据技术。然而，农民和供应链上的其他参与者可能不具备参与昂贵的高级方案所必需的数字能力或成熟体系。此外，由于担心损害自己的声誉，供应链参与者可能不愿意分享数据。通常而言，数据共享成功的关键在于获得所有关键的供应链参与者的支持。

交换数字化的产品特征。在现今互不关联的制造业中，大多数部件已经使用计算机辅助设计（computer-aided design，CAD）软件进行了数字化设计。然而即使制造商使用CAD模型进行产品设计，纸质记录仍用于记录和传达在不同生产步骤中生产的产品的实际尺寸。

面临什么挑战？

因为记录是由价值链上的各个利益相关者保存的，在很多情况下有必要手动交换记录。制造商还必须进行审计和质量检查，以确保选定的尺寸在规定的公差内。

产品的数字孪生为这些挑战提供了一个解决方案。它们是产品的数字表示，包括其实际尺寸和形状特征。产品的数字孪生在原始CAD模型的基础上，增加了来自不同生产步骤的实际尺寸和质量信息——创建了一个整合所有设计数据和实际特性的模型。然而，要结合部件数据创建一个贯穿产品整个生命周期的数字孪生，需要高水平的合作和协调。

数据共享有什么好处？

通过共享和组合数据，制造商可以充分实现数字孪生的潜力。例如，供应商可以在产品的数字表示中记录其负责的实际尺寸和几何形状。负责后续工艺步骤的供应商可以用实际尺寸无缝扩展这个模型和他们曾经制作过的几何图形。区块链或分布式记账技术（Distributed Ledger Technologies）似乎特别适合用于此类记录，因为它们可以创建一个便于审查且难以更改的“事实单一版本”（a single version of the truth）。

由多方提供的实际尺寸、公差和形状信息构成的数字表示有很多很重要的益处（见图6）。例如，当一个特定的部件到达下一个生产步骤时，生产设备可以使用尺寸信息来自动调整生产参数，以适应来料。

使用数字孪生也减少了手动交换和检查质量记录的需求。通过数字孪生来调整质量控制和退货流程，公司可以自动化或减少不必要的质保流程。

这一机制是如何运行的？

例如，制造商可以使用数字孪生来保证产品在公差规范之内，从而防止公差叠加。当产品尺寸的微小差异叠加起来，直到最终产品超出规格时，就会出现公差叠加。如果一个价值链上的公司知道来料的确切尺寸，它可以自动调整其工艺参数，保证产品在终端客户的公差容限之内。

汽车行业的一个原始设备制造商已经与挡风玻璃供应商一起使用产品的数字孪生来调整最后的装配过程，以应对挡风玻璃因其特性在尺寸上发生的细微变化。

所有助力数字孪生的供应商都能从中受益，即减少手动控制产品质量和避免公差叠加——但前提是供应商和制造商互相协作和信任。例如，供应商可能不愿意分享其部件质量性能的数据。因此，为了鼓励他们进一步信任和合作，整个价值链的合同应该关注参与者的共同关键绩效指标（例如最终交付客户的产品质量）。

核实原产地。对于供应链的参与者来说，了解每个部件的原产地以及它是否是真货变得越来越重要（见图7）。在每个生产步骤中，生产商必须相信供应商提供的产品具有订单中规定的特征。目前，生产商通过质量检查、审查和记录来核实这一信息。

面临什么挑战？

不幸的是，在复杂和严格监管的供应链中，很难通过这些传统方法来核实这些信息，这就使得有很多机会实施欺诈行为。特别是对于高价值的组件或产品来说，有关产品来源或构成的信息可能会被伪造，供应商可能为客户提供低质量的假冒组件。另一个例子是灰色市场改变用途（grey market diversion），供应商生产比要求更多的某些部件，并将多余的部件在原定市场以外的地方出售。

数据共享有什么好处？

通过共享数据，价值链参与者可以识别欺诈行为，并证实产品的产地和真实性。这需要结合各种技术，使原材料获得防篡改的唯一标识，在生产周期中附随在材料上。通过共享数据，价值链上的利益相关者可以围绕该唯一标识创建连续的记录线索。有了防篡改的记录，生产商就可以在必要时根据该唯一的标识提供产品的原产地和真实性信息。上述好处在受到严格监管、欺诈和假冒成本高昂且产品来源特别重要的行业中尤为明显。例如，在钻石行业，必须确定钻石的真实性和原产地非常，以确保钻石采集的方式是合乎道德和责任的。

这一机制是如何运行的？

例如，Tracr和Everledger是两个很好的在钻石行业引入区块链技术实例，其打击了欺诈和造假行为。上述两家公司都制定了一个方案，给予每颗钻石一个唯一的身份标识，记录其特征和质量，并跟踪钻石从矿山到零售商的每一步流程。

为了实施这种技术驱动的解决方案，供应链上的所有利益相关者都必须有足够的数字能力。例如，一些供应商可能缺乏参与区块链方案所需的数字能力或成熟体系。各方还必须为系统中的每个产品建立一个安全的鉴别身份的解决方案，使得产品信息在整个过程中都不可篡改。

介绍制造业中数据共享可以带来好处的五个应用领域，并提供在采访中提出的各种应用的真实案例，为撰写本文调查了全球大约1000名制造业经理，以上有助于阐明数据共享的含义和运行这一机制方式。以下章节简要总结了这些应用中常见的协作模式，以及协作中遇到的障碍。

（本文下篇将分析数据共享常见的协作模式，并探究在制造业中成功分享数据的关键推动因素，敬请期待。）

往期文章：

1.产业数据治理

2.欧盟数据治理模式