没有什么是确定的，只有不确定的。这句古老的谚语道出了 2020 年发生的事件及其延续至今的影响。在制造业中，大流行病、几十年来贸易政策的剧变以及客户对责任的更高要求都带来了不确定性。
这些不确定因素的破坏性影响导致了供应链的混乱、新的生产趋势以及在生产公众所需的商品方面的大量积压。你可能会问什么趋势？
今天，由大流行病引发的趋势包括需要适应远程工作、重新设计设施布局以满足新的安全标准，以及制定基于风险的计划来应对中断。不断增长的积压需求也会扰乱普通的生产设施及其生产流程。随着需求的增加，需要提高生产能力，寻找更多资源，优化资源配置，以满足需求。
与19世纪使制造业停滞不前的大流行病不同，这个时代的制造商拥有了当时所没有的东西：数字化转型解决方案。
制造业的数字化转型
制造业数字化转型的重点是利用数字化技术解决简单和复杂的问题。通过数字化过程，可以建立一个互联的工厂车间，在这个车间里，数据被采集并在机器和计算平台之间共享。然后对采集到的数据进行分析，以做出数据驱动的决策，从而避开干扰，甚至利用被干扰的市场。
制造业的数字化转型与工业 4.0 相辅相成。工业 4.0 的定义是需要应用工业自动化和数据分析来优化工业流程。应用数字化转型技术从工厂车间最深处采集数据，为实施工业 4.0 商业模式奠定了基础。
利用采集到的数据和数据分析工具，制造商可以准确地预测未来，从而围绕干扰制定计划。因此，这就引出了一些问题，例如：如果制造商不是关注风险，而是能够预测风险，从而正面应对风险带来的干扰，那该怎么办？如果有一种解决方案可以实时管理中断，并使其成为生产过程的一部分，而不是可能导致业务中断的混乱局面呢？
这两个问题的答案都是肯定的，而解决方案就是基于风险的调度和模拟建模。
利用基于风险的排产和仿真建模应对生产中断
对于制造业来说，仿真建模和排产并不是什么新概念。事实上，制造商应用仿真技术回答 "假设 "问题已经有五十多年的历史，但工厂车间的数字化转型为仿真技术增添了新的维度。
早期的仿真模型依赖于历史数据，而历史数据可能并不准确，非结构化数据通常也无法计算在内。随着数字化转型技术能够准确捕捉结构化和非结构化数据，模拟建模作为一种分析工具的应用又增加了一个新的维度。
首先，从生产周期的各个环节获取数据的能力有助于创建精确的仿真模型。仿真模型的准确性与其产生的评估结果的准确性成正比。其次，实时捕获数据并应用预测分析来评估捕获数据的能力是制定基于风险的时间表和计划以应对当前和未来干扰的基础。
例如，海上咽喉要道的中断会影响全球供应链，准确地说，会影响一个大洲的供应，正如 Ever Given 灾难所显示的那样。仿真建模是分析主要航道受阻和供应交付时限影响的有力工具。制造商可以利用这些评估结果制定准确的资源分配计划，以满足待定需求或在预计的延迟时间内扩大现有库存。
以上段落并非空穴来风。2019 年开展了一项案例研究，利用模拟建模来评估巴拿马运河、直布罗陀海峡、苏伊士运河和马六甲海峡这四大海上咽喉的中断影响。研究结果表明，任何一个咽喉点的中断都可能导致整个海上补给线的航运延误一个月，并导致航运成本上升。这项研究在 2019 年冬季模拟会议上进行了介绍，两年后在苏伊士运河发生的实际事件验证了这项研究。
基于风险的排产更贴近工厂车间，为工厂主提供了应对设施内部中断的工具。利用风险排产软件，制造商可以分析需求增加或机器故障对传统生产计划的影响。该软件不仅能进行分析，还能提供优化的排产计划，实时应对生产中断。因此，当发生意外故障时，生产计划会动态更新以继续生产，从而降低与停机相关的风险。
结论
基于风险的排产和仿真建模工具是强大的数字化转型解决方案，可为制造商提供预测、了解和驾驭破坏性力量的能力。它们的增值主张还包括预测机遇、创造和保护价值，以及在竞争日益激烈的制造领域生存的能力。