一、制造企業發展現狀

首先來介紹一下制造企業的發展現狀。

1、企業管理正從線性發展向復雜能力網絡進行變革

目前，許多企業，不僅是制造型企業，都在從傳統的線性管理方式轉向復雜能力網絡的管理。DSN（數字供應網絡）的轉型在某種程度上為決策智能奠定了堅實的應用基礎。通過實時數據，決策信息能夠更好、更透明、更快速地傳遞，協助運營和供應鏈的主要使用者——也就是決策的最終執行者——增強整個供應網絡間的協同作用，減少線性供應鏈的反應延遲。

在傳統的信息傳播方式中，從前端需求傳到中間供應，進而拉動后續生產制造，并通過物流完成執行，整個線性流程的每個環節都有特定的響應時間。而傳統的管理方式更多是“一刀切”的策略，導致各部門在各自的職責范圍內過于關注自己的領域。這種策略很難滿足當前復雜供應鏈所需的敏捷性，同時也難以清晰地關注成本及提高服務質量。

2、復雜能力網絡帶來更高的運營成本與管理難度

在企業規模較小時，供應鏈成本的占比和決策難度都相對較低。研究和應用決策智能的主要原因是為了滿足復雜供應鏈和大型企業的需求，尤其是在大型企業的復雜供應鏈中，追求更高的服務效率和服務水平，同時希望能降低成本。在一個多元化的生產、銷售和采購的供應網絡中，尤其是面臨需求、生產和供應的不確定性，供應成本通常會占到整體的 15%-35%。如果再加入管理成本和其他隱性成本，供應鏈的管理重要性得到了前所未有的提高。

制造型企業在供應鏈中具備哪些獨特的特點和特色？其追求的發展和服務其實集中在以下幾個層面：特別是個性化、多品種、小批量訂單的分析評估與交期承諾。這也標志著許多制造型企業正在改變其原先的特大批量生產模式。

多種的交付模式混合意味著許多企業現在都需要在備庫式生產、按單式生產、組裝式生產和設計式生產等模式中進行選擇和轉變，這就要求企業采用多種靈活策略來應對。同時，企業需要確保生產的穩定性和經濟性，以及采購的批量與價格的適宜性。因此，企業需要提高自己的決策能力，以實現更為迅速的前瞻性決策。

綜上，我們可以總結出四個關鍵詞：數據驅動、決策導向、尋找最優以及快速前瞻。

3、數智化升級企業管理必然選擇

新時代高質量發展的要求下，制造業由“增量、擴能”逐漸進入“減量、調整”階段，多品種、小批量、個性化和定制化成為必然趨勢，使得加強質量管理、降本增效、節能減排成為必須。這些關鍵議題均指向了強化供應鏈協作，以實現更佳的產銷平衡。

企業需要實施更精益的經營決策、更實時的成本管控，并快速應對變化。面對競爭，企業需要更高效地配置資源，形成更強的競爭力，這些都要求企業更加靈敏、更加精準地利用有限的生產要素來創造更多的價值。這正是供應鏈與決策智能的核心價值體現。

4、企業數智化轉型整體思路

決策智能依賴于數據的支持。

這里將企業管理分為 L1 到 L5 五個層次，其中 L1 是基礎自動化層，L2 是過程控制層，L3 是制造執行層，L4 和 L5 分別是經營管理層和決策管理層。

上層更注重決策與信息的閉環利用，而下層則更關注信息的質量和快速收集。兩者相互補充，構建了以業務為載體、數據創造價值為導向的平臺，形成從數據到決策的應用閉環。這展現了決策與數據之間相輔相成的關系。

許多企業會疑慮自己的數據是否到了一個合適的階段去應用決策智能，關鍵要看到其應用于哪個層級以及做何種決策。無論是在采購、營銷、制造、物流還是能源等領域，數據只有被有效利用，其價值才會呈現，并形成螺旋式上升的過程，最終指向數據和價值要素的完整價值體現。

5、人工智能決策技術背后

人工智能決策技術背后的核心目標是對有限的生產要素進行合理的優化，這與運籌優化在供應鏈和決策智能中的作用緊密相關。要將生產、銷售等要素，結合約束條件和優化目標，考慮各個環節的收益和成本，進一步將能耗、碳排放量等目標納入整體的運營與供應鏈優化目標中，以實現協同考慮。

二、制造型供應鏈的需求

上一章節中介紹了制造型企業的發展現狀和訴求。接下來將分析當前復雜的供應鏈管理所面對的訴求。

1、制造型企業需要擁有復雜供應鏈的管理能力

業務其實并沒有發生很大的變化，無論是大家熟悉的消費品制造，還是與日常生活距離較遠的原材料或工業品制造，都會從客戶感知、物流分撥、分銷補貨、生產供應以及物料協同這五大環節當中體現企業的供應鏈管理能力。不同的企業在這些環節中所擅長和關注的能力是不同的，取決于企業自身定義和執行的差異化競爭策略。

對于今天討論的制造型企業，它們更為關注左下角所示的生產端的變化，這里是指工廠內制造能力的管理，以及如何與其供應商或原材料提供商形成互補的能力。我們可以將整個變化抽象成兩類：生產變化和地點變化，這是核心需要考慮的兩種能力，當然也有其它一些能力補充。

2、制造型企業供應鏈所構成的“復雜網絡”

在這樣一個復雜的網絡中，存在三大不確定性，即供應不確定、生產不確定以及需求不確定。

整體上，供應鏈優化和決策智能的應用涵蓋從供應端到制造中心，進而到倉儲網絡，再延伸至客戶和下游企業的整個過程，要解決面對不確定性情況下的復雜決策問題。

下面通過一些例子來理解不確定性是如何體現和構成的。

3、制造型企業供應鏈所構成的“復雜網絡” – 生產不確定性

通常，制造型企業在供應鏈中的不確定性主要體現在生產端。

生產的不確定性對于非行業內人士可能比較難以理解，它在流程制造中特別明顯，尤其在配方、配料和配比等層面上，這是由工藝層面上所體現出來的反應機理、工藝參數和工藝約束等原因所導致的，不僅是針對產出物產量的不確定性，還會在產出物庫存的把握和產出的時間上都體現出不確定性。

以鋼鐵行業為例，鋼鐵行業的前工藝段包括燒結、球團等過程，以及塊礦和燃料的投入。盡管天然的物質經過簡單的工藝，如燒結工藝和球團工藝能夠更好地幫助它在后續的煉鐵、煉鋼的高爐和轉爐當中去進行反應，但它不可避免的仍然是一個自然產物，對于未經提純的自然產物，我們很難保證其含量純度是特別高的，這就需要在生產工藝和配方配比當中盡可能的在后續的高爐和轉爐的工藝中，瞄準主產品目標產品并保證副產品目標產量。

有些副產品和主產品之間是取主產品棄副產品的關系，但也有其他行業，主副產品對于企業營收都至關重要。例如化工行業的主副產品的產出決定了企業的利潤平衡點，這就需要根據主副產品的庫存和相應的產出比例去決定當前批次的生產工藝和相應的產出物選擇。鋼鐵和化工作為典型的行業都具有這樣的特性，不僅如此，其他的一些離散制造行業其實也會有同樣情況的出現，只是會更多地體現在原材料供應層面的選擇上，從而導致更多供應不確定性的出現。

4、制造型企業供應鏈所構成的“復雜網絡” – 供應不確定性

在離散行業，尤其是電子制造行業，替代是一個非常重要的業務選擇。簡單地科普一下替代的概念，以上圖的 BOM 樹來看，單向替代指的是 C 可以替換 D，但是 D 不可以替換 C，這種情況一般出現在企業對于技術版本有要求的情況下；雙向替代指的是在供應商的供應能力沒有太多的區別的情況下，企業可以自由選擇供應商。

也可能出現比較復雜的局部替代或者全局替代。

產生替代的原因，一方面是因為供應商針對某個產品的供應能力在最終的制造層面上體現出相同的制造屬性和應用屬性，另一方面也是企業去平衡供應商需要做多種多樣選擇的需要。在這種情況下，供應商在它下游企業中所表現出來的某個產品的供應能力會直接影響到下游的客戶，也就是中間的制造中心在應用這些供應產品的時候的選擇，這些選擇無論是從供應時間還是從供應量當中，都會需要企業通過物控的管理、生產工藝的管理等來盡可能的彌合和減少供應不確定性所帶來的差異。

上面講到的局部替代或者全局替代一旦發生在生產過程的決策當中，它所體現出來的復雜性就會上升。

如果我們簡單地在采購階段就已經通過供應商的選擇和不同供應商所提報的可交付時間選擇好了主要的供應商，那這一決策僅限于采購部門，但如果這種替代是我們的某類客戶在某些特定的訂單生產的時候所指定的，那就需要一個二級的子部件，甚至是三級的子部件必須是某個品牌所生產。就像我們自己去買家用電器或者是某些品類的時候，也會問是不是某個時間段的批次內生產的某個內存或 CPU，因為其質量更好一點。這其實某種程度上也是消費者現在追求個性化，追求最終端的使用效率所提出的額外要求。當這種不確定性從需求端直接傳遞到生產，再傳遞到供應，就不再是一個簡單的局部問題，而是需要考慮需求、考慮生產的一個全局決策，以上圖中左側為例，至少能提供 16 種生產方案。如果擴展到企業數以萬計的生產方案，就急需快速決策和有專業算法支撐的智能決策來幫助企業管理好這樣復雜的生產。

5、制造型企業供應鏈所構成的“復雜網絡”

回到這張圖，我們看到供應的不確定性、生產的不確定性和需求的不確定性。

一旦這些不確定性脫離了各自所在的子部門，也就從原先的線性傳遞變成了直接穿透各個線性層級的復雜管理，就需要企業擁有針對不確定性的解決復雜決策問題的能力。

這個復雜網絡描述了從銷售端到制造中心，到工廠、外協工廠及其供應商之間的關系。下面是各個片區內的一些問題。

生產計劃系統要回答的核心問題是生產什么，什么產線生產，什么時候生產。在主計劃系統很好地回答需求和供應之間的平衡關系。前端銷售和成品發運網絡集中在成品的供應鏈端，更關心的是服務水平和相應的履約策略與服務策略。而前端需要更好地對需求進行把控，更精準地知道需求是什么，需要用什么價格賣什么產品。

杉數在過去的六七年間，通過這樣的總結形成了相應的計劃體系和計劃應用平臺，并應用于多個制造型企業和消費品企業中。

6、復雜決策問題的模型構建

復雜決策問題的模型構建，會構建成典型的網絡流的表達。以交付量、庫存量、生產量來進行組合，一旦帶上時間周期，問題會變得十分復雜，需要企業有更好的解決方案。

7、業務難點舉例：原材料優先級

像制造型企業遇到原材料優先級的選擇，其背后是原材料針對不同的加工對象，不同供應商的原材料之間相互替代的選擇。針對原材料的選擇，可以用一個簡單的方法概括，針對在目標函數上的不同庫存進行相應懲罰系數的控制，但在實際應用中，系數的調整和相互之間的權重是一個非常復雜的關系，需要系統化的體系通過應用平臺和算法模型庫的建設來更好更快地去解決問題。

三、典型案例分享

杉數在過去六七年間積累了很多案例，可以總結出幾類共性問題，例如對于市場洞察的問題、企業自身供應鏈中協同交叉的問題或是需要支持動態庫存分配的問題。接下來分享其中 4 個典型案例。

1、六國化工：產供銷一體化升級

六國化工與杉數一直保持合作至今，是一個典型的應用決策智能幫助企業完善供應鏈、運營鏈的端到端的體現，從前到后各個環節都有涉及。

化肥的生產有典型的季節性和區域性特點，市場需求的全局捕捉至關重要。經過近幾年的經營層面上的改革和變換：

• 一方面，六國化工成立了自己的貿易子公司，能夠更好地管理其經銷商和成品庫存。通過杉數搭建的供應網絡，避免了產品單一化和陷入同質化競爭；
• 另一方面，通過已搭建的產銷協同平臺，六國化工已經很好地實現了整個 OTD 鏈條時間的縮短，通過備庫策略盡可能利用淡季的產能，為旺季的產能不足預留出了空間；
• 同時，依賴于整個協同的進一步優化，企業對自身的資源進行了更好的思考和更充足的準備。

六國化工產供銷一體化升級的項目收益可以總結為如下四大方面：

• 面向設備：從設備層面上的資源保證看到了生產效率的提升。
• 面向生產：從整個生產制造的過程中看到了生產利用率以及有效的綜合能源利用率的提升。
• 面向運營：從運營層面上有每年將近千萬級的庫存成本的下降，在終端市場，其銷售子公司獲得了非常大的客戶滿意度的提升。
• 面向產業鏈：通過自身多個公司的結構化運營的變化，更好地提升了計劃采購的透明性，提升了整個供應鏈的穩定性。

通過智能化，進一步回答了運營層面上提出的新需求，通過更好的高質量的發展，提高了市場端客戶滿意率，并提高了企業產銷運營能力，實現了企業生產精細化管理，使企業核心經營數據自下而上通盤實現互聯。

2、消費電子巨頭多工廠協同升級

消費電子行業中有很多大型的企業都會涉及到多工廠的協同生產，杉數在過去幾年間服務了許多處于不同階段、不同場景的客戶。案例中的客戶，從整個生產制造工藝，到工廠數量，再到其需要展望的周期，都是體量比較大的，由此帶來的庫存和供應鏈壓力也特別明顯。

不僅體現了前面講到的從前端的銷售需求端直接穿透到生產供應端，也體現了對于終端供應商的選擇，還體現出了這家企業在實際生產物料的選擇中遇到的產能和供應同時不足，因此需要對 200 多個工廠，涉及 15 萬個編碼，在 28 天+10 周的時間顆粒度去進行合理的選擇和排布。

我們將整個問題切割成四部分：

• 需求計劃：需要利用機器學習等預測算法智能預測產品需求，根據產品特性采用差異化預測方法，智能預測未來 SKU 級別的需求量，同時結合 BOM 結構分析半成品/原料需求。
• 庫存計劃：基于需求計劃，通過對供應鏈中的原材料、半成品、關鍵器件等的庫存問題進行建模分析，優化庫存位置、庫存策略以及對應的安全庫存水位。
• 生產計劃：考慮多工廠的差異化屬性、物料約束、產能約束、生產比例等業務要求，更快速地輸出在滿足復雜業務優先級下的最優生產計劃與物料分配計劃。
• 物流計劃：通過高效調度算法，實現工廠、倉庫、經銷商之間運輸/配送的高效運輸執行，實現運輸配送的高效、協同、透明。

3、裝備制造巨頭一體化協同升級

下面分享一個相對更長周期履約的案例，也是一個典型的裝備制造的案例。

裝備制造企業相較于前面分享的客戶，更偏向于從設計到訂單的生產模式，或者叫從組合到訂單的生產模式。這意味著企業在按項目制去生產時，無法保證設計環節和最終落地的零件能夠完全劃等號，這也需要有多套 BOM 體系在制造型企業中進行流轉，這也是我們通常講到的，在制造型企業有 EBOM、有 PBOM 以及最終用于生產的制造 BOM，這些 BOM 在各個版本之間的切換其實聯動到了整個供應鏈的各個環節。

在原先的體系下，企業沒有那么大的服務水平和服務時間的壓力，可以先按部就班地做小規模的試產，研發也可以很好地制定物料。但現在整個交付時間周期壓縮，帶來了非常大的服務水平的壓力，客戶也追求更加小批量、多品種的選擇，整個研發和迭代周期壓縮，導致更多的生產型的和制造型的企業需要把生產和研發的周期進行融合才能夠創造更多市場競爭力，這就迫使供應鏈和生產制造中心需要在不能完全確定生產物料的情況下，提前進行物料籌措的準備。

如果既需要兼顧整個生產的穩定性，又需要兼顧各個不同的項目和機型之間量產的需要，在這種情況下去考慮整個生產的最優性呢？

以分機制造為例，其一體化生產協同需要考慮多目標、多約束的復雜優化模型，參照項目、產品、大部件、提貨地、排產量等各個部分，前端針對需求、運費、葉片供應能力、相應的不同時間階段的 BOM 信息、關鍵零部件的供應等加入約束條件中，再考慮不同零部件和供應商的指定和相應約束的限定，還有各部件的供應能力，將提高需求滿足率、提高產能利用率、降低庫存和最大化齊套數量等作為優化目標，裝備制造型企業最終成品的齊套對于企業的營收的確認是至關重要的。

4、鋼鐵企業智能制造

最后分享的案例屬于典型的生產不確定性行業，鋼鐵行業。鋼鐵企業的智能制造提升主要體現在物料一體化和生產能源一體化。

物料的一體化需要聯動生產決策，針對礦石的價格，經過對燒結、球團、煉鐵、煉鋼等工藝的成本分析，最終決策投料的比例。

這樣一個生產決策在整個物料體系當中體現出來的是不同的物料在不同的生產工藝階段對庫存的使用和相應穩定性要求。

原先的配料只是采購端去選擇最便宜的物料，而現在不再是僅追求產量，更追求整個的生產質量，生產和物料選擇的聯動也變得更加緊密。企業在產能需要上行的時候，更多的會追求高質量的原材料，從而去尋求生產和利潤的平衡，在成本受壓、需求受壓的情況下，企業會選擇更加經濟實惠的原料。

再進一步，需要把生產和能源考慮到一起。在鋼鐵的生產過程當中，能源是非常重要的一個部分，在高爐的生產中需要使用焦煤焦炭，使用焦煤焦炭的過程中會產生煤氣，煤氣的產生及其在后續其他生產過程當中的使用又會涉及到能源的閉環使用，其間涉及煤氣發生量的預測、煤氣發生量的實時監控和調整，要使能源的使用在整個生產過程中合理分布。通過煤氣的緩存設備，更加科學地分配煤氣柜的吸收和釋放，聯動起它自身的一些外圍的能源系統，例如發電機、儲能系統等，從而實現既保證整個管網的放散壓力，又在保證生產的情況下，做出最優的能源選擇。

四、更多場景拓展分享

上一章節中分享了 4 個典型的應用場景案例，在制造型企業當中類似案例不勝枚舉。

1、如何我們在這些問題中引入關于碳排放的思考呢？

復雜的供應鏈背后折射出企業對于供應鏈和智能決策的需要。越來越多的制造型企業對于供應鏈的需求，從原先單純的供應商端變成了針對整個企業的運營，從原先能源作為單純的供服部門變成了參與到整個供應鏈決策當中的一個主體。在生產過程當中，還需要把能源和碳排放也加入決策當中來，包括生產制造過程中的碳排放、外購能源所涉及的碳排放和上下游供應鏈中的碳排放。

2、基于端到端業務流，追溯企業碳排放的碳素流

基于端到端業務流，需要在銷售、采購、物流等各個環節，完整記錄和追溯企業碳排放的碳素流。

3、企業碳排放的“碳流向”所形成的“碳網絡”

碳作為企業需要重點考慮的資源，也可以被刻畫成一個流，從而更好地控制其流向、大小和時間。

我們相信，未來各種各樣的生產要素，都需要依靠智能決策技術去實現更好的配置。

五、問答環節

Q1：在人為做出最后決策的情況下，如何衡量算法生成庫存計劃的合理性？如何更好地讓業務接受算法的結果？

A1：一般來說有兩個方式：

一是讓更多的業務同事了解算法到底是什么。大家一般不太敢用的原因是因為對于結果產生的方法論沒有辦法很直觀地理解。這也需要在選擇系統和算法應用的時候盡可能地白盒化。

二是需要通過像沙盒的模擬，通過模擬仿真的工具，更加直觀地通過典型的庫存指標，如服務水平、庫存成本、不同時間段的相應的指標讓業務人員去做更好的理解。

Q2：是否在汽車行業有一些應用？

A2：有的，可以回看 2022 年杉數在 Datafun Summit 的相關分享。本次分享是希望幫助大家了解制造業更多面的應用。

目前杉數科技自身的 COPT 求解器是所有的公眾都可以使用的，大家可以在杉數科技的官網上進行試用。它不僅面向專業的科研人員，數據的使用人員，對于初學者也有豐富的應用示例。杉數自研的教學平臺當中有很多供應鏈的課程，大家無論處于初學還是已掌握一定編程能力的階段，都可以直接使用，很多客戶的業務人員都是通過我們的教學服務掌握了這一能力。