打开数字机会在金属金属和矿业2018年1月由:Lapo森塔萨利赫理查德Sellschop米歇尔·范·霍利 打开数字机会在金属在采用新技术方面，金属行业有着交货时间长。虽然该行业在过程控制和优化，它在实施新的数字技术方面进展缓慢——尤其是在与银行或媒体等行业相比。然而，在过去的几年里，步伐金属公司也得到了回暖。分析、移动解决方案和自动化已经进入行业，并正在推动显着的效率利。这种加速是由 4 个关键转变驱动的：ƒ 首先，在过去几年中，可用的数据量呈指数级增长。金属行业正在部署更多、更广泛的传感器——包括振动、光学和声音传感器以及数据存储的成本要低得多。作为一个图，我们估计今天的数据存储成本仅占 2%存储成本5年前。ƒ 第二，计算能力的提高和新的分析方法的发展Dology使今天的金属生产公司能够进行高度复杂的操作分析这些数据。传统的统计方法只能处理一个少数生产参数正在让位于能够实现机器学习算法的算法同时处理众多因素，即使这些因素缺乏线性的关系。ƒ 第三，移动技术现在也可用于车间，并且正在做出贡献通过更有效的现场部队管理显著提高生产力，以及简化的流程(例如,在维护)。ƒ 最后，自动化在生产和支持功能。自动化的普及是由对效率的追求驱动的：劳动力成本不断增加（例如，自1990年代以来，美国劳动力成本增加了80%），而机器人和自动化的成本正在稳步下降，而系统正在变得越来越可靠。过去，金属竞争力和价值创造的最重要驱动力生产公司是其在成本曲线上的结构性位置。展望未来，数据与实物产品本身相比，将获得越来越多的价值，并且具有最高价值创作者将通过如何有效地捕获和利用数据而脱颖而出。这风险很高：我们的研究表明，金属生产商应充分利用数字化转型可以将他们的EBITDA利润率提高6至8个百分点。从数字改造产生重大影响如今，大多数金属生产商都在尝试整个价值的数字用例。链(表1)。打开数字机会金属3 展示1数字化将改变金属企业的整个价值链产量、端到端能量,预测mainte -大数据/先进的分析在数字OpEx /资本支出供应链集成传感器,吞吐量,娘娘腔的男人和质量先进的,数字数字整合的风险精益系统工程师-荷兰国际集团(ing) /研发4.0使用投标数据,采购- - -表示“状态”分析- - - - - -基于马努-制作管理- - - - - -表示“状态”康门-新航线脸部用的市场引擎生产的基础数字化的数据驱动 数字工具 数据共享 生产预测生产基于it高级-高级原料使分析更与供应商,实时控制和风险自动化、精益系统分析分析使用在线/使用先进的客户经验实时基于主-例如,开车自主开发,起重机的图灵基于风险促进管理- - - - - -表示“状态”,网络发展表示“状态”优化原料成本非常高效。采购供应流程跟踪优化tenance的过程在所有参数聚合了卓越的线圈处理安全性产品费用4.0后台通道领导自动化销售线圈生成平台市场分析为客户自助服务的数字金属公司数字推动者策略人技术流程Long-term-oriented数字战略与企业目标和中心围绕客户需求“测试和高度敏捷的组织学习”环境和强大的风险偏好,基于数字人才、治理和清晰的数字角色和职责IT基础设施、数据平台和管理系统建立在一个数据连续流动的湖新的数据和容易的访问流程简化和定制的数字工具充分利用他们来源:麦肯锡我们将“数字”定义为包含三类机会，这些机会由的实现技术和方法:ƒ 先进的分析和人工智能应用于广泛的数据工厂从生产和维护过程中产生的是最重要的数字化杠杆。此类别通常占总收益的 50% 以上数字采用。ƒ 机器人与自动化贡献了总改进的 20% 到 30%通过消除非决策中人为干预的需要来获得机会功能，并通过进一步提高过程控制和稳定性。ƒ 数字化和软件过程自动化简化生产,维护和后台流程，并连接配备移动办公的员工设备始终提供指令和数据，可以使EBITDA再增加20%至30%收益。ƒ 通过使能技术和流程释放潜力，包括互联网物联网 （IoT）、传感器、云、移动、敏捷开发和设计思维。在金属公司，我们看到数字用例在以下领域产生了最大的影响(表2):ƒ 产量、能源和吞吐量（高级分析）。分析技术应用于大数据和新传感器的使用可以加强过程控制并提高工厂的生产力通过优化用于平衡产量、产量、回收和材料成本。例如，产量、能源和吞吐量 （YET） 分析仅此一项就可以将EBITDA提高2至3个百分点（降低制造成本）3%至5%，并带来显著的消除瓶颈的机会）。4打开数字机会金属 附表2数字地图一个金属球员的机会量化的机会的热图预排后诊断高媒介低采矿和选矿铁制造滚,涂层总计制造业收益率能源吞吐量使用价值质量维护劳动促使。销售商业–供应链采购探讨采购探讨总计来源:麦肯锡收益率的案例研究使用高级分析优化配方规格一家全球钢铁制造商正在根据偏差报废或降低转换器热量在其定义的操作窗口之外的单个化学元素。然而，它注意到，尽管存在这些偏差，但整体机械性能仍符合客户要求规格。为了减少产量损失和合金成本，该公司开发了“屈服强度指数”，基于多重线性的机械性能预测模型整篮子化学元素的回归。模型在帮助下进行了校准可比钢种的多元线性回归分析，涵盖 85%总产品组合。这减少了降级，改善了热充电，减少了铁合金消耗量为0.6欧元/吨，并允许转换器上的P目标更高。收益率的案例研究使用自学高级分析来提高产量一家欧洲钢铁制造商希望减少超过其宽度的板坯占比的18%公差为 ±20 mm。使用历史数据开发高级过程模型预测板坯加宽作为钢材和工艺参数的函数，结合自学习能力（它根据实际扩大过去 5 天的数据）。使用此模型控制模具宽度设置动态地，该公司能够将欠宽从 3% 减少到 1%，并且超宽从15%提高到4%，从而显著提高下游产量。打开数字机会金属5 吞吐量的案例研究新的传感器来提高吞吐量一家国际钢铁集团的部分酸洗生产线面临瓶颈。分析显示生产线操作员正在限制浴槽中的带钢速度，以确保完全酸洗并避免质量缺陷。根本原因：缺乏对酸洗的客观测量质量;标准检测是目视完成的，在很大程度上取决于操作员和当前情况。公司开发并实施了在线酸洗质量传感器，使用暗场LED光谱。工业使用3年后，传感器允许该集团将与质量相关的成本降低 40%，并将吞吐量提高3%。吞吐量的案例研究使用高级分析改进过程控制一家亚洲综合钢铁制造商的气温命中率仅为55%。CAS-OB 在其钢铁车间，导致脚轮速度降低（当温度太高）和钢包返回（当温度太低时）。一通——通过链接钢包参数历史数据和CAS-OB建立链式数据库设备状态和工艺参数。基于神经的过程控制模型网络立即将温度命中率提高到 70%（120 万美元）脚轮吞吐量的机会）。随着时间的推移，自学习模型达到了一个温度。命中率达到 >90%，无论是通过提高对 CAS-OB 过程的理解还是为上游过程制定明确的约束。ƒ 质量(高级分析)。将高级分析技术应用于链数据集可以快速识别质量问题的根本原因，并机器学习可以自动为新产品/等级定义最佳配方。质量的案例研究使用高级分析解决质量问题一家欧洲钢铁制造商面临高（高于20%）和可变（0-40%）的风险废品率对主要新产品系列的机械性能的影响，导致直接和间接成本的广泛价值泄漏。传统假设驱动的一年分析未能确定问题的根本原因。但是，通过使用分类针对 300 多个贯穿链数据变量的高级分析技术 - 涵盖化学成分、班次和维护日志以及工艺参数 – 公司快速成功识别出导致废品的工艺参数。一个神经网络模型允许它优化生产配方，带来拒绝在10周率不到1%。ƒ 使用价值(高级分析)。金属参与者的主要价值杠杆之一是严格和数据驱动的原材料组合选择和优化，可以 –根据起始情况 – 导致潜在提升 1 到 2 个百分点EBITDA利润率。6打开数字机会金属 使用价值的案例研究使用先进的分析优化废混合一家欧洲钢铁制造商引入了使用价值模型，以优化转炉。考虑到废料价格、可用性和特性（化学品和物理），工厂限制（例如，粉尘中的锌含量，废料装载机的大小，物流废料车间的限制）、特定因素成本（例如耐火材料、石灰）和成品产品限制，该公司动态优化其报废菜单，并能够废成本降低10%。ƒ 维护(advanced analytics)。预测维修评估机器使用和故障模式有助于减少代价高昂的停机时间。当应用于关键压缩机、泵和电机等设备，此类维护可以减少停机时间高达 40%，重大修订减少 5% 到 10%，运营成本降低2%至10%。此外，数字化劳动力管理可以提高维护团队并创建工作负载透明度，以便更好、更快地确定优先级。预见性维护案例研究使用高级分析预测设备故障一家全球基本金属冶炼集团正在努力应对停机和相关生产由于鼓风机意外故障造成的损失平均每月发生一次以上。它还经常不得不将维护资源从计划的维护任务转移到故障维修活动，降低了维护团队的效率。一个预测性模型利用现有传感器来整理操作和设备数据，能够平均提前 7 天预测即将发生的故障，准确率为 81%。这允许该小组计划和同步维护干预并防止额外的由于重新规划、加快和采购零件以及避免故障和损坏而损失的时间级联跨资产。ƒ 直接劳动生产率（机器人和自动化）。自动化或自动化生产步骤（例如，起重机操作、取样活动、维护自动化）可以减少直接劳动力。然而，即使在发达国家，商业自动化案例需要额外的吞吐量，或更好的过程控制提供有吸引力的回报。ƒ 销售（高级分析、端到端流程数字化）。介绍数字销售工具可以自动执行跟踪和管理任务，而在线渠道可以取代传统的直销，更好的需求预测分析可以扩展小客户的订单簿。与此同时，高级分析将得到改善。提高转化率，并根据竞争对手和市场实现动态定价因素，预计利润率提高2至4个百分点。在同时，鉴于金属的最终用户行业（例如汽车，能源）是发现大数据和高级分析的力量，越来越多的客户要求交付的产品附有一套关键流程与产品有关的参数。打开数字机会金属7 ƒ 供应链（高级分析、端到端流程数字化）。分析订单数量、库存和运输成本之间的权衡可以改善长期规划和实时调度。例如，建模复杂制造系统和供应链，以动态优化其财务业绩通常会将EBITDA利润率提高2至3个百分点（1至3个百分点直接节省 2 分，加上吞吐量的显着提升）。ƒ 采购和供应管理（高级分析、端到端流程）数字化)。更快、更深入、更自动化地分析支出数据和价格差异可以以自动调整供应商账单的形式带来价格机会，因为以及改进的合规性和欺诈识别。领先的供应商现在也是自动触发季度电子拍卖，具有自动评估和签约功能。最复杂的金属播放器已经开始应用数字工具（例如，卫星成像以监控库存和船舶等待队列），以使原材料价格提前演员表。这些工具可以将EBITDA利润率提高1至2个百分点（成本节省2到3%)。ƒ 费用(端到端流程数字化)。在支持功能方面，改进的主要驱动因素效率和有效性是自动化、基于分析的决策和数字化并使用平台业务模型提供标准化流程。ƒ 商业模式创新（端到端流程数字化）。大量的金属公司正在利用数字化来彻底重塑其商业模式。这范围从创建数字销售和供应链平台到共享（和增值）数据与客户在线圈水平。扩展数字化转型的整体方法虽然大多数金属玩家正在成功地尝试开发个人数字用例，很少有人能够成功扩展所需的实施范围和实现其积极的影响。我们经常听到这样的问题，“我们应该采取集中式还是分散式方法？“我们应该做什么，还是买什么？”“这与以前的技术项目有何不同？”和“我们如何快速追求价值？”这些问题没有标准答案，并且在设计和执行数字化转型时，它们需要仔细考虑。推动金属公司的全面数字化转型是一项复杂的任务：为了优化结果，这样的计划必须处理数百个用例，其中大多数是单独的仅产生适度的影响。为了取得成功，公司需要开发一个可扩展的模型，制定了一套涵盖角色、工具和工作方法的标准。典型的纵向扩展路线图由四个构建块组成：A. 用例部署-门特，B.人员和能力建设模型， C. 平台、技术和数据战略，和d程序和变更管理。答:用例部署数字化转型的挑战在于管理数百个用例，其中一些影响很大（每年影响数百万美元），但其中大部分是单独的仅产生适度的影响（每年数十万美元的影响）。8打开数字机