数字化系统建设需求调研的注意要点

0
2021-09-21 来源: 智能制造随笔
不管是有经验的还是说初事这一行业的,在数字化系统建设过程当中,我们总是要进行需求调研的,怎么能够快速准确地把握住企业的真正需求,还是有一些需要注意的地方的。本文不是一个全面系统的需求调研步骤,而更多的是偏重于一些注意要点,是自己的经验感触比较深的几个方面吧。
 
(1)摒弃成见,抛掉既往的包袱。
 
一般受制于自己的既往经验,或者说是已有的系统基础,或者说实践的经历,乃至自己的知识基础,调研过程当中最大的一个问题就是带有成见或者带有一种既有的惯性思维,最容易犯的错误,就是认为企业应该是什么样子。
 
尤其是看了一些书之后,所获得的一些知识与实际存在很大的不同。这些书本的知识,一般从教学或者著作的角度,为了将问题能够讲清楚,一般都是做了大量的假设,或者说是进行了较为明确的分条描述。但一般来说实际的问题要复杂的多,这些知识是远远不够的。
 
比如APS,笔者这么多年所经历的经验表明,书本上的任何一种假设,在实际当中基本都有被推翻的场景。
 
说这些不是说书本的知识或者经验不重要。而是说千万不能抱着这些来进行需求调研。这种调研很大程度上,一方面是调研的不够细致和深入,另外一个方面就是调研的结果,甚至是错误的。
 
(2)问题导向与目标驱动。
 
进行需求调研,虽然现状的需求是很必要的,但是我们一定要秉持问题导向与目标驱动。
 
这个其实是说任何数字化系统的建设是一定要带来效果的,而这些效果就是企业的问题的解决,而效果想要达到的程度,其实就是企业的目标。
 
对于问题导向其实就是要聚焦主题,抓住企业的瓶颈、痛点和难点,并且深入分析,导致这些瓶颈痛点难点产生的根本原因是什么?再进一步的深入挖掘。
 
而对于目标驱动。其实涉及到自上而下的指标分解,明确这些指标与哪些业务流程或业务环节缓解密切相关?再进一步的深入挖掘。
 
(3)直指问题的技术求解的本质。
 
我们在进行需求调研的时候,如果能够具备在现场基于企业的问题,快速的在心里形成技术解决方案,这是我们希望的一个局面。这样的话才能够快速地衍生出进步的调研问题话头,才能无需全面细致的挖掘出企业的问题需求。
 
但这里说的解决方案并不是最终的技术方案,一般来说,这种技术方案是需要基于需求调研的信息和资料,从业务场景和软件技术两个方面,进一步综合细化才能够形成的。
 
这里更多的是强调对于问题驱动的内部求解机制。比如对于APS来说,其本质是作业或任务与资源在时间维度上的配置。比如对于MES来说了,其本质是制造要素与订单主线和工业流程主线的关联关系,以及基于精益、敏捷、并行等思想在其中的落实。
 
如果不能从本质的角度来进行问题求解的思考,那可能了解到的只是一些特例,而不是企业真正想要解决的问题。
 
(4)现状业务运行的全面细节理解。
 
我们经常说现场有神明,其实对现状业务的深刻理解是进行数字化系统建设的基础,而这种深刻理解一定要体现在细节方面。
 
对企业来说,我们要想办法能够引导对方将所有的细节表达出来。
 
这就要求在进行现场调研的时候,具有随机应变的思维方式,就类似思维导图一样,不放过任何一条分支和蛛丝马迹,就如同数据挖掘一样一直向下挖掘,应该具有刨根问底的精神以及疱丁解牛的思想。
 
同时要一直在头脑里面构建他们的现状图景,让这些细节有机地组织起来,而这种组织最常用的方式就是按照业务流程主线来展开,而这些细节就是在填充和完善流程当中的各个环节。
 
是否已经对现状进行了充分了解了,检验的标准就是:能够用企业的语言跟企业的人员再复述一遍。当你能够不结巴的情况下,非常顺畅的将业务场景说清楚,包括各种细节,基本上你就做到了自圆其说,而如果再能够得到企业的认可,就说明调研的还是比较充分的。
 
………………………………
 
写这篇文章的一个目的主要是因为近期安排了多支团队进行MES和APS业务需求的调研,每次都要给他们进行一些深入的讨论,以便下次或者第2天能够进行更加深入的调研,以便能够提高调研的完整性和有效性。所以写出来一点东西,算是一种总结吧。
 
作者信息:王爱民,北京理工大学数字化制造研究所所长,长期从事MES、APS等技术研究、系统开发与实施应用。

  

相关新闻

版权声明

1、凡本网注明“来源:中国轻工业网” 的作品,版权均属于中国轻工业网,未经本网授权,任何单位及个人不得转载、摘编或以其它方式使用。已经本网授权使用作品的,应在授权范围内使用,并注明“来源:中国轻工业网”。违反上述声明者,本网将追究其相关法律责任。
2、凡本网注明 “来源:XXX(非中国轻工业网)” 的作品,均转载自其它媒体,转载目的在于信息之传播,并不代表本网赞同其观点和对其真实性负责。
3、如因作品内容、版权和其它问题需要同本网联系的,请于转载之日起30日内进行。
4、免责声明:本站信息及数据均为非营利用途,转载文章版权归信息来源网站或原作者所有。

返回顶部
Baidu
map