编者按：本文于2014年5月发表于麦肯锡网站。作者埃里克•奥西兹斯基（Eric Auschitzky）是麦肯锡公司里昂分公司的专家，马库斯•汉默（Markus Hammer）是里斯本分公司的资深专家，艾金森•拉佳格保尔（Agesan Rajagopaul）是约翰内斯堡分公司副董事，肯•萨默斯（Ken Somers）是安特卫普分公司的高级专家。本文介绍了如何在大数据时代应用高级分析法，诊断和纠正流程缺陷，管理生产流程的复杂性。

在过去的20年时间里，制造商已经可以通过实施精益生产和六西格玛项目，减少生产工艺流程中的浪费和变化问题，并大大提高产品的质量和产量。然而，在医药、化工和矿业等特定的加工环境中，极端波动的变化已经成为常态，甚至运用精益技术也无法解决。在上述产业及其他产业，影响产出的因素纷繁复杂，A因此，制造商需要一种更加细化的方法来诊断和纠正工艺流程缺陷，高级分析就是这样一种方法。

高级分析是运用统计和其他数学工具对业务数据进行分析，进而评估和改进当前操作工艺流程的一种方法。在制造业，运营经理可以使用高级分析，深入了解历史工艺流程数据，找出离散工艺步骤和投入之间的模式和关系，找出对产量影响最大的可靠因素，对其进行优化。现在，各个行业和地区的诸多全球制造商都收集了大量的实时车间数据，也有能力开展这种先进的统计评估。他们对过去彼此孤立的各类数据进行汇总和分析，从中得出深刻见解。

以生物药品的生产为例。生物药品是保健产品的一种，包括疫苗、激素和成分血。生物药品的制造需要使用基因工程活细胞，生产团队往往需要监视生产流程中的200多个变量，以确保各成分以及生产药物的纯度。使用同一种方法生产的两批次的特殊物质，其产量的变动幅度可达50%到100%。导致这种巨大变异的原因还不明确，它会带来产能和生产质量问题，也导致常规监督工作的增加。

一家排名前五强的生物药品制造商使用高级分析法，显著增加了疫苗的产量，同时没有造成任何额外的资本支出。该公司把整个工艺流程分割为一个个集群，每个集群包含一些密切相关的生产活动。针对每一个集群，公司会广泛收集与工艺步骤和使用材料相关的数据，并把数据储存在中央数据库中。然后，一个项目团队会对数据进行各种形式的统计分析，来确定不同工艺参数（上游和下游）之间的相关性，以及参数对产量的影响。分析证明，影响最大的参数有9个，其中最重要的是细胞接种的时间和传导性措施，这些措施与色谱法的一个步骤相关。该制造商针对与这9种参数相关的工艺流程作出调整，从而把疫苗产量增加了50%以上——相当于每种产品每年节省500万到1000万美元，而公司目前生产的产品有上百种。

提供意料之外的见解

即使是公认最好的制造业工艺流程，高级分析也可以对之进行一定程度的改进。欧洲有一家知名的化学品制造商，该公司为一些造纸行业、洗涤剂制造和金属加工业等行业提供功能性和特种化学制剂。公司对工艺流程的改进始于20世纪60年代，其平均产量也一直比行业标准更高，公司以此为荣。事实上，工作人员都认为公司并没有太大的提升空间。一位工程师指出：“别人都将这个工厂作为参照榜样。”

然而，该公司使用神经网络技术（一种以人类大脑的信息处理方式为基础的高级分析方法），就不同生产投入对产量的相对影响进行衡量和比较，并有了意想不到的收获。公司检测的因素包括冷却剂的压力、温度、数量和二氧化碳流。分析找到了一些以前不知道的敏感因子。举例来说，二氧化碳流的变化程度会显著减少产量。这家化学公司相应地调整了参数，成功地将原材料浪费降低了20%，将能源成本降低了15%，进而提高了整体产量。现在公司正在实施高级工艺控制，以配合基础系统，自动调整生产。

无独有偶，非洲的一家金矿对不甚全面的生产数据进行严格评估，进而增加了产量和盈利能力。当时，该金矿正处于矿石品位逐渐下降的阶段，矿场维持生产水平的途径屈指可数，其中之一就是要努力加快或以其他方式优化开采和提炼工艺。从矿石中提取黄金的流程极为复杂，一般会涉及到10到15个变量，需要15种以上的机械设备，提取处理过程包括氰化、氧化、研磨和浸出等。

这家非洲矿场运营团队可获得的生产和工艺数据极为分散，因此，分析团队的第一步工作就是数据清洗。团队使用数学方法，解决数据不一致问题，弥补缺失的信息。然后，该团队分析了试剂、流速和密度等一系列工艺参数的数据，研究发现，溶解氧水平（浸出过程中的关键参数）的变化似乎是对产品影响最大的关键因素。这项分析还发现，根据过去的情况分析，在氧气含量最高的日子里，矿场的绩效最高。

根据这些分析结果，矿场对自己的浸出回收工艺进行了微调，在三个月的时间内，将平均产量提高了3.7%——?虑到同期矿石品位下降了约20%，这一提高水平已经相当不错。由于产量提高，在不需要进行额外的资本投资或实施重大变革措施的情况下，矿场的年利润增加了1000万到2000万美元。

充分利用大数据

对于希望使用高级分析法来提高产量的制造商来说，第一个关键步骤就是对现有可用数据进行整理。很多公司都收集了大量工艺流程的数据，但这些数据往往只用于跟踪，并没有成为改善运营操作的基础。对于这些公司来说，他们的挑战就是对系统和专业技能进行投资，以改善对现有信息的利用。举例来说，公司可以将多个来源的数据进行集中，或建立索引，这样可以降低数据分析的难度，也可以聘用训练有素的数据分析师，去发现内在模式，对信息进行可供操作的解读。

有些公司的数据太少，对分析师来说没有什么统计学意义。对于这些公司的高层领导来说，他们需要对系统和运营方法进行投资，以便收集更多数据。他们可以逐渐增加投资。例如，在一系列活动中，先选择一个特别重要或特别复杂的工艺流程，进行信息采集，然后对这部分工艺流程进行高级分析。

大数据时代才刚刚出现，但是在数学研究和科学应用领域，高级分析的应用已有多年的历史。高级分析法是提高产出的一个重要工具，对于工艺流程复杂度高、变化大和存在容量限制的制造业来说尤其如此。事实上，如果可以成功进行定量评估，公司就可以在众多竞争者中脱颖而出。

（赵  灿 编译）