“精益化+数字化”融合的LTC 流程建设分析

2023-11-10干艳桃

现代工业经济和信息化 2023年9期

干艳桃

（西南电子设备研究所，四川成都 610036）

0 引言

根据《中国制造2025》的战略部署，智能制造是落实制造强国战略的重要举措，是我国制造业紧跟世界发展趋势、实现转型升级的关键所在。随着新一代信息技术与制造技术的深度融合，当前数字经济已经成为我国国民经济高质量发展的新动能。党和国家对“加快数字化发展”作出全面部署，要求“发展数字经济，推进数字产业化和产业数字化，推动数字经济和实体经济深度融合”。为贯彻落实党和国家智能制造的战略部署，迫切需要构建“精益化+数字化”融合的制造交付流程体系，推动以数字化转型为手段的制造交付管理转型和升级，支撑企业高质量发展，发挥国有企业在新一轮科技革命和产业变革浪潮中的引领作用。

随着用户需求和装备产品的日益复杂化，加之产值规模的快速扩大，导致企业原有以职能分工为主的生产组织模式弊端逐渐显现，主要体现在四个方面：流程不畅，由分工引发的企业碎片化日益严重，导致沟通效率低下，业务运作效率和效果难达预期；业务管理不清晰、业务执行不规范，数据透明度不足、信息难以实时获取，导致实物流、信息流与资金流脱节；跨领域的业务协同不足，制造交付端到端过程存在断点，部门墙导致协同不足，计划、财务、质量管理维度未统筹考虑，缺乏整体集成；信息系统众多，但多为职能式建设思路，侧重单一专业维度，信息孤岛现象严重。为满足客户短周期、多品种、小批量的快速响应要求，员工加班成为常态，经常以“突击式、战役式、救火式”来完成科研生产任务，客观上迫切需要通过“数字化赋能”的管理创新思路来建设适应发展要求的制造交付流程体系，持续提升客户需求交付能力和运营管理水平，挖掘资源配置潜力，缩短装备产品的研制和生产周期，提高装备产品的质量和可靠性，以支撑企业高质量发展的战略目标实现。

1 架构规划

“十二五”以前，企业大多以信息系统建设为抓手推动管理提升，往往将信息系统功能等同于管理能力，注重系统功能实现，忽视管理审视和优化，对流程和数据的重视程度不足。这种粗放的建设模式存在如下问题：系统应用与业务执行两张皮，虚拟空间内的系统信息难以准确反映物理空间下的业务执行真实情况，导致系统中存在大量未闭环的流程和不准确的数据，系统沦为可有可无的工具；对落后的、不合理的现状业务流程和数据模型未加以优化，直接通过大量定制开发固化在系统中，仅实现了对现状业务的电子化，对管理能力的提升效果不明显，同时大量的定制开发也导致后续系统升级维护成本高、风险大；缺乏统一的信息化架构和建设规划指导各系统建设，以职能部门为主导建设了一系列孤岛式信息系统，导致系统之间流程不互联、数据不共享。

TOGAF（The Open Group Architecture Framework，开放群组架构框架）企业架构[1]的科学方法论强调顶层设计的重要性，立足企业战略目标，围绕产品研发和制造交付两大价值流，强化管理体系的架构设计和规划制定，系统性提升企业运营管理能力。通过导入TOGAF 方法论，在识别战略要点的基础上，对运营管理所需的业务流程、数据、应用系统和基础设施等进行统一的架构设计和建设规划，构建从业务到IT 的一体化蓝图。结合企业战略和业务现状并参考业界最佳实践，形成业务流程架构。

2 流程再造与优化

基于业务流程再造[2]和优化（BPR+BPI）管理方法，从客户需求到交付回款全流程（Leads To Cash，简称LTC）着手，围绕价值链提升全面贯通制造交付流程，提高管理效率和企业效益。同时通过端到端流程的全面信息化覆盖，实现流程贯通、业务协同、数据共享。

2.1 构建流程体系

遵循系统性和整体性的建设原则，对标业务流程架构，以制造交付端到端为业务主线，识别与其匹配的运营管理类业务和使能支持类业务，构成应覆盖的业务范围全集，并从顶层明确流程架构的业务范围、组成、边界和接口。根据流程标准框架，将流程体系层次分为五层：L1（流程分类）、L2（流程组）、L3（流程）、L4（子流程）到L5（活动）的设计，如图1 所示。在流程架构框架下，对制造交付业务涉及的端到端流程进行全面梳理，采用流程工作坊来讨论、梳理流程，并结合企业战略目标、内部业务改进需求和外部优秀实践等开展流程再造和优化。所有的流程均符合SIPOC 模型[3-4]，流程图采用泳道图形式，使用统一的流程设计语言EPROS 流程管理平台进行绘制。同时，在流程设计时，考虑对标准、制度、组织/岗位等的融合，各管理要素以流程为主线集成，共享一套流程体系，形成一张皮。

图1 分层分级流程框架

2.2 管理诊断

现状流程显性化后，通过开展一系列的管理诊断，对流程进行问题分析。首先邀请外部咨询公司与企业内部流程管理专业人员形成联合调研团队，对业务人员开展问卷调查、会议访谈等，定位流程执行中存在的问题，形成调研问卷、专题讨论、会议纪要等。针对问题汇总进行根因分析、流程仿真、流程实际运行时间测量、标杆流程对比分析等，识别问题流程根本受制因素，并确定改进的管理方法和措施。基于业务流程优化优先级评估表，如表2 所示。从流程问题严重程度、流程重要程度、流程优化准确度等维度开展评分，识别流程优化优先级。针对复杂流程，优先关注对流程运作成功起关键作用的活动（KSF，关键成功因素）和流程运作过程中的质量和风险起关键控制作用的检查点（KCP，关键控制点）。聚焦瓶颈，分步实施，有效击破当前痛难点问题中可快速见效的速赢点，针对性地解决业务运行不畅的问题，增强变革信心。

表2 业务流程优化优先级评估表

2.3 流程数字化

基于系统工程方法论（RFLP 模型），从全局视角构建制造交付的业务流程和信息化体系，通过逐层推导，依次形成需求基线、功能基线、逻辑基线和物理基线，并进一步规划出若干建设项目，有步骤、分阶段地投入企业资源开展信息化建设。依托各业务信息系统建设固化业务流程优化成果，实现流程的结构化、标准化、自动化，建立端到端集成的流程执行过程数字化管理，提供流程过程整个生命周期的集成视图，使流程的持续改进和再设计的过程科学化、系统化、技术化。

3 数据赋能

基于LTC 流程架构设计成果，识别流程涉及的业务域，形成一系列业务组件。业务组件运行过程中所依赖的、需要设置或输入的，与业务无关的数据统称为基础数据。在此基础上，业务组件接收上游业务组件分发的业务数据，产生新的业务数据。此外，还会针对业务数据进行设定主题的分析，产生主题分析数据。针对每一个流程，设计出主要涉及的基础数据、业务数据和主题分析数据，类聚所有数据对象、建立数据关联关系，构成整体数据架构。数据驱动业务，通过定义基础数据规则，对业务过程进行计划、分流、控制和分析，提升数据支撑和驱动业务执行的能力，沉淀组织数据资产。同时建立基于数据的融合分析和长效优化机制，通过流程监控和数据评估反向促进业务与流程规范性，发挥管理效能。

3.1 基础数据

建立针对LTC 业务领域的数据管理标准和运维机制，包括物料、条码、标识、BOM 等，确保在这一机制下，数据的规范性、准确性、完整性得到持续改进。围绕识别出的各类基础数据，分步实施：

1）总体策划：明确各类基础数据的组成内容、责任主体和数据管理总体推进计划。成立跨部门的基础数据管理团队，负责基础数据规则制定、数据收集整理、数据清理导入、以及相关管理机制的建立。

2）规范制定：明确各类基础数据的规范标准，制定相应的数据模板，并明确各类数据的管理流程和系统边界。其中数据内容规范包括数据分类、编码、属性、结构等规范和填写标准，充分考虑现有的数据基础，建立未来规范和现有数据之间的转换关系，尽可能提高数据重用程度；管理流程规范包括数据新增、修改、删除、查询等，明确各个流程节点的输入/输出和对应节点的岗位职责，在流程中充分考虑上下游节点对数据的继承性，以及数据管理流程的运行效率；基于信息化规划，系统平台规范定义各类数据的管理系统平台和应用系统平台，明确系统边界及各系统间的数据集成关系，确保各系统间数据来源的唯一性。

3）测试验证：基于已制定的数据规范进行测试数据整理和系统流程方案验证，判断数据能否支撑业务运行的需要，将最终的数据方案修正到数据规范中。

4）发布规范：根据测试验证结果，对数据规范和标准进行修订，并在所内进行相关数据管理标准的发布。

5）数据整理：对各类数据的收集整理工作进行策划、跟踪、检查，包括数据整理模板制定、数据整理策略制定、数据整理计划制定、数据整理进度跟踪。

6）数据导入：制定数据切换及导入策略，完成数据导入准备和导入确认。

7）运维改善：对业务运行过程中的各类基础数据问题进行记录、跟踪，持续优化数据规范和管理流程。基础数据跟随业务形式的演变而不断优化迭代，形成可执行、可监控的数据闭环机制，持续地为业务活动赋能。为了构建基础数据维护的常态机制，将数据维护职责落实到业务部门，并指定A/B 角色，以确保基础数据维护的及时性与准确性。

3.2 业务数据

业务的数字化和数字的业务化是当前企业在数字化转型过程中的重点，数据流成为承载实物流、业务流的信息载体。在信息化建设与使用过程中，数据真实性（数据是物理世界的真实反映）、及时性（数据是随着业务发生及时更新的）、相关性（数据是用户关注和需要的）问题的长期存在，数据质量问题成为制约业务效率提升和有效管控的重要因素之一。针对纷繁庞杂的数据类型、分布离散的数据资源，基于“需求导向、问题导向”的工作思路，重点识别和分析对业务活动和管理提升影响较大的数据问题和改善需求，制定合理措施，以实际问题和需求驱动数据质量的改善。

3.3 主题数据

随着业务数据化的深入推进，企业运营过程中积累了海量数据。无论是职能管理人员还是业务运行人员，都希望能够深度挖掘数据价值，充分发挥数据要素的创新驱动潜能，实现数据业务化。从销售合同、计划、生产、采购、存货、财务管理等核心业务着手，形成主题报表，多维度、多方式、多角度建立数据关联和关系，挖掘数据价值，为业务规范和优化夯实基础，为业务转型提供有力的决策依据。比如基于销售合同、计划精准排产、客户回款周期等，实现销售回款预测等应用；基于盈余库存、供需匹配等，分析长线订购、任务滚动周期、计划制定合理性等问题，同步建立存货压控机制，释放资金压力。同时，梳理十余个反映重大业务风险的关键数据项，定期开展预警分析，确保风险项得到有效展示、跟踪与闭环，进一步实现数据增值。