换道超车的全球药企

当今世界，飞机的整个开发过程都可以在数字环境中进行，在计算机辅助设计（CAD）软件中设计，在虚拟飞行模拟器中测试，然后才会进入实际生产阶段。试想，如果把同样的模式套用到制药行业会怎样？

首席运营官可以模拟各种各样的产品组合，置换不同的机器设备，或者通过模拟利用和日程安排来增强敏捷性、优化成本——这一切都利用软件完成，可以在几秒钟内给出量化的答案。

听起来像科幻小说？是，但也不是。

相关科技目前已问世，例如，预测分析、机器人流程自动化和各种基于人工智能的工具等，这一切都通过物联网 （IoT） 技术实现了数字化连接。现实中，有的公司应用了某些解决方案和具体工具，但大多数仍然卡在试点阶段，难以将数字化技术推广到整个企业。

实际生产中，大规模部署这些数字化工具为什么如此困难？

因为若要洞悉数字化的全部潜力，除了遵循实用主义，还要具备远见卓识;与此同时，在组织层面管理预期也必不可少，了解由此产生的影响将循序渐进地显露出来，而不是在下一个预算周期一蹴而就;最后， 企业不能把数字化视作一系列独立的工具，而应该将其视作一种变革手段，需要辅以人才和技术才能发挥作用。

避开“精益制造”的陷阱

精益制造领域曾出现过类似的情况。

精益制造法由丰田发明，是该公司著名的丰田生产体系的一部分。整个 20 世纪 80 年代和 90 年代，这套体系凭借极高的质量标准和较低的成本在汽车行业取得了巨大成功，大幅提高了丰田在全球市场的份额。

其他汽车厂商也纷纷尝试精益制造，尤其是福特和通用汽车等美国企业。但它们的早期措施却并不尽如人意，这与它们只尝试部署单个的精益制造工具和流程， 却没有辅以恰当的组织元素密切相关。这种方法注定失败，甚至比什么措施也不采取还要严重。这些厂商多年之后才意识到，想要利用精益制造取得成功，不光要采用新颖的技术工具和专业术语，还要彻底调整组织和管理体系，由此所产生的一连串影响，从管理层一直延伸到了生产车间。

与精益制造一样，数字化和人工智能的价值不是把工具应用到现有的流程中，而是需要对整个组织展开全面转型。现在很多制药公司处在最初的实验阶段，在试点测试、小规模数字化项目和概念验证实践中徘徊。这些措施都存在局限性，无法产生领导者希望看到的规模效应，甚至有可能对未来的投资构成威胁。

未来何以不同

全面转型的方法之所以很有必要，是因为未来的制药方式将会发生五大根本性转变（见图表1）。整体而言，这些转变将会促使制药过程发生巨大变化，即对流程的改进比传统方法将会提高了几个数量级。

 ○转变一  掌控产品和流程

先进的产品和流程掌控能力企业可以利用新技术更好地了解各种输入参数（如机器设置、操作员培训水平或原材料选择等）将会如何影响产品质量和结果。

在实践中，可以构建先进的分析模型，并在模型中使用化学、生产与控制（CMC）方面的历史数据，从而判断具体的变化所产生的影响。通过把输出映射到输入，企业便可主动优化所有的输入，从而降低波动。

另外，若将这种对输入参数的控制记录下来，并提交给监管机构，企业便可摆脱测试的束缚，从而将产出时间减半。这显然也能提高效率，因为多数质量保证和质量控制任务都将消失。

○转变二 风险的实时预测

生产经理每天都会带着一个简单的问题开始一天的工作 ：我目前面临的最大风险是什么？

图表 1 数据使用方式发生了五大转变

用分析模型来预测关键事件，就能回答这个问题。 风险可能在于偏差、质量问题、机器故障或者需求的大幅变动。制药公司的运营主管可以利用大数据、内外指标和机器学习算法来更好地预测需求，并自动发现和降低供应风险。

○转变三  数字“孪生”模拟和优化

企業还可以为生产流程制作数字模拟，这样既可以在具体的机器、实验室或工厂层面，也可以在整个制造网络层面进行。有了这些实时数字“孪生”模拟，就可以在采取实体资产中的相应步骤前，预测新增机器、调整计划或改变团队部署所产生的影响，从而主动掌控流程。

传统方法是通过人工方法筛选历史数据，从而确定趋势通过这种方式。如今，可在没有风险的情况下，精确而主动地为极其复杂的系统优化生产参数，与传统方式相比，这种新方法在效率上具备显著优势。

那么，这和现有的规划和调度方案有何区别？

实时数字模拟可以大幅提升速度和精度。针对开发周期或机器产出等因素，“模拟效果”取代了基本数据（多数企业的这类数据至今质量糟糕）。制造商可以使用基于人工智能的实时洞见来实现发展，不再局限于“封冻期”、节奏轮或起订量等简单的规则。

企业可以同时运行多个模拟，使之同时在多个维度上进行规划，实现多层次规划。这些都可以节约时间，降低对库存缓冲的需要，从而保证企业能够规划并在后续展开更加有效的运营，并同时保持对客户需求的关注。

○转变四  优化知识型工作

伴随技术的进步，还出现了一些工具，可以自动完成和改进知识型工作和行政流程。例如，数字机器人可以自动处理供应规划和调度等任务，或者使用自学算法来支持各种决策，组合利润率优化或者纠正和预防措施。

具体到产品偏差，自然语言处理可以显示哪里出现问题，以及具体的问题是什么，并将其编译成一个帕累托图或者其他类型的图形。这些方案都能节约时间，其实主要针对白领员工，省时幅度不是区区 10%，而是高达 90% 乃至 100%。

○转变五  数字化运营辅助

制药公司生产过程中的最大缺陷是人为错误。

从统计数据上看，由人类负责的任务准确度约为 92%。这不符合制药行业的合规期望。因此，工厂车间的数字化程度越来越高，出现了很多新系统来支持执行日常任务的操作员，尤其针对那些高度重复的任务。

例如，增强现实眼镜这样的工具就可以向操作员展示完成具体流程的步骤清单或确认必要的措施已经完成，另外，此类工具还可以汇总和汇报数据，供分析模型使用。管理者还可以在平板电脑上使用一个控制面板，在上面看到实时的绩效KPI、损耗、机器状态和潜在的改进措施。如果出现问题，或可能出现问题，管理者就会收到警报。

案例：供應链数字化

供应链数字化创造了一项战略性竞争优势，可以把供应链组织从重点专注执行，升级为业务增长中心。

 ○扩大规模的三部曲

比较普遍的做法是，先小规模地推出有针对性的措施，然后再推广到整个组织。 我们发现这个流程分三个层面展开，生产率和敏捷性也会随着项目范围的扩大而提高。

在初始阶段（经验层面），变革的关键是推出影响重大但范围有限的用例， 通常着眼于某个具体部门或流程，目标是积累经验和产生动力。即便是在早期阶段， 企业也能逐步看到运营效率、可靠性和敏捷度的提升。例如，根据最近的数字化工厂转型例子，我们看到 ： 偏差减少幅度最高达 80%、实验室生产率提升幅度最高达 60%、因为偏差而终止的次数减少幅度最高达 80%、包装线的设备综合效率 （OEE） 提升逾 40%、转换时间减少逾 30% 。一旦企业获得了一些基本经验，就该转向探索层面了。

在这个阶段，应推出“灯塔”项目来展示某项技术的全部潜力，并将其作为企业的灵感和创新中心。范围覆盖整个生产场所，并且开始运用技术来显示与竞争对手的差异。探索层面的典型成就包括规范性分析（而非描述性分析），在整个生产场所对数据进行全面标准化， 或者对该场所的所有操作员提供一套先进的数字化辅助措施。这个阶段的关键是使用恰当的创造价值模型。企业的效率、质量和灵活性指标有望多提高 50%。

最后，企业可以进阶到展望层面。

在这个阶段，数字化将推向整个价值链。届时，企业已经拥有预测型机器学习模型，可以主动提出优化措施。数据透明且易于获取，包括安全的端对端电子验证。很多任务都不再存在了（比如测试），而监管和技术变化都已进行模拟且得到认可。先进的数字化辅助工具将部署到所有生产场所（包括供应商和客户的生产现场）。在展望层面，企业可以在关键运营指标上实现 100% 的增长。

○打造成功要素

很多企业没有完成数字化转型的原因是过于关注工具和应用，但它不足以构建合适的内部基础，只有当企业的各种条件到位时，才能真正实现革命性的系统变化。为了达到这个目标，管理团队应该关注几个关键成功要素。

首先，通过投资获得能力并对组织进行调整。数字化会改变工作的完成方式，减少一些岗位的需求，但也会为其他岗位创造新需求。企业已经在激烈争夺具备这些技能的人才，举措包括推出内部能力培养项目， 与高校合作，改革学位和认证课程。另外，企业也在调整组织结构，以部署数字化生产——例如，将运营职能与 IT 结合起来组建跨职能团队。

其次，企业需要通过一个覆盖整个价值链的综合项目，主动展开强有力的变革管理。由于这项转型会对中层人员和白领劳动者中的专家产生极大影响。所以，变革管理的开端源自先讲一个变革故事，制定一份战略性资源规划，启动一个再培训项目以构建新的跨职能团队。这些措施都可以消除这种不适，并确保整个项目在正轨上。

再次，IT 架构开发重置。企业应该建起一个共同的平台，连接所有数据来源，例如使用数据湖实现这种连接级别要花费 3 至 6 个月时间，也被称 IT 基础架构的“敏捷开发”——显然是一种思维转变。

最后，需要打破预算周期思维。数字化拥有巨大潜力，但却可能无法按照可预测的时间表实现利润，这导致其难以列入预算周期。领导者需要帮助他们的团队把“预算紧缩”项目与实现数字化未来状态所需的投资区分开来。

制药行业的数字化制造不是遥远的幻想，它正在逐渐成为行业的新现实。

本文节选自《破茧成蝶：中国医药企业转型之路》，标题为编者所加，章节略有删减;Axel Baur（鲍尔亚）、 Franck Le Deu（乐诚铎）、 周高波、侯蕾主编，麦肯锡咨询公司授权刊载。