【云驻共创】智能供应链计划：提升供应链决策水平，帮助企业运营降本增效
一.悠桦林介绍
悠桦林成立于2016年，前身为Decision Making TechnologyL.L.C.， 是一家以运筹学、人工智能、大数据技术为核心驱动,提供数据战略咨询和软件落地实施等一揽子智能决策整体解决方案的科技公司。公司总部在上海,在北京、深圳、成都都有分公司，规模近200人。悠桦林一直致力于推进基于海量数据的智能决策技术(Data Driven Decision)在中国的落地推广,助力中国企业实现从自动化到数字智能化的战略转型，旨在帮助企业提高运营效率，提升国际竞争力。
悠桦林发展历程
2016年
-
悠桦林成立
-
打破了国外技术智能决策相关技术的垄断，正式进入中国市场
2017年
-
自研Deloris算法平台，解决大规模混合整数规划，灵活进行业务规则约束匹配和管理，快速求解。
-
获“中国最具投资价值50强”完成A轮融资
2018年
-
打造智能供应链计划SCP +APS产品国内首家以运筹+ AI算法为基础的智能供应链计划产品。
2019年
-
智能SCP + APS获行业头部企业认可，签约BOSCH、海尔、上汽、太极等行业头部企业。
-
深耕汽车汽配、消费电子行业，组建完业务、产品、服务团队，形成完善的解决方案与服务能力。
2020年
-
智能供应链计划完成3.0版本发布，形成”产品+行业解决方案"为行业客户提供专业服务，并保障100%交付率。
2021年
-
签约宁德新能源、立讯精密、奥克斯、大金空调、中粮可口可乐、联合利华等大量头部企业。
-
2022年-未来
签约宁德时代，进一步深化新能源市场与树根互联、百度、阿里签订长期战略合作协议，深化中国制造业改革
了解完了关于悠桦林的简单介绍以及发展历程，接下来就一起来看一下关于目前的供应链计划遇到的一些问题。
二.供应链计划之困
当前的供应链计划之困主要体现在交期，产能，库存三个方面，体现在数据，计划，系统和响应四个方面。
供应链计划的困境
-
交期：生产周期过长，单位时间内交付产品过少。
-
产能：可执行性差迫使工人加班，排产不均衡导致工时不均衡。
-
库存：供应与需求不匹配，原材料、半成品、产成品呆滞。
数据
-
数据源散落:分散在不同部门/系统;维护在线上/线下
-
可靠性差:物料BOM,工艺数据，设备数据，产能数据不及时，不可靠
计划
-
手工表格计划层层分解
-
产能规则复杂， 计划计算困难
-
缺乏物料齐套性检查
-
订单交期无法承诺
-
所有决策完全依赖人工经验无法量化计划好坏
系统
-
部门/厂区间协同性差
-
缺乏统一信息管理平台难以推动企业全面数字化转型
-
集团对各订单， 各制造单元的运营情况缺乏可视性
响应
-
工艺变更无法及时调整计划
-
面对紧急情况，响应时间有限，无法通盘考虑影响程度
-
供应链计划本质是供需平衡
当然生产计划工作共同特性，适用于所有行业企业：
-
不同订单、不同产品存在不同的优先级
-
不同产品对应不同的工艺路径
-
不同工艺不同设备加工要求不同
-
不同产品对应不同的BOM
-
订单及时交付要求
-
各环节的生产效率
-
各环节的库存
-
各类设备的能耗与排放
说完遇到的困境，接下来就是智能SCP+ APS概览，以及对应的悠桦林解决方案和悠桦林应用场景。
三.智能供应链演进路线
多业务协同计划
交付过程可视
通过可视化，可以全过程管控。
为效益改善赋能
悠桦林智能供应链计划系统能力组合
SCP+APS产品各模块关系
以运筹学为核心的技术框架
一个模型生成所有规则、数据和优化目标
业务规则（可被定量化描述）：生产工艺规则、物料替换规则、生产批量规则、环保要求、生产爬坡规则、运输批量规则。
数据（系统自动完成对接）：客户订单、销售预测、采购订单、生产速度、资源日历、库存数据。
优化目标：最小化成本、最小化能耗、最大化交付率、最小化切换时间、最大化机组利用率。
所有业务规则、数据、优化目标，在一个模型中一次性生成一系列计划：生产计划、产能调整计划、多厂协产计划、需求交付计划、物料需求计划，均配有相应的KPI分析报告，用以分析生产状况。
四.悠桦林SCP+ APS的介绍
悠桦林SCP+ APS定位
悠桦林SCP+APS产品优势
SCP+ APS实施价值
五.悠桦林应用场景
排产业务新流程
主计划MP:同步生成多种关键计划
主计划MP:产能调整与主动备库
主计划MP:环保配额下的开工计划
主计划，多工厂调拨
订单协同计划OCP:多工厂需求分配与订单进度追踪
订单协同计划OCP:物料分配与齐套性检查
高级排程AMS:优化生产顺序释放产能
-
在尽可能保障后道需求交付期限的前提下，尽量在加工工序集中具有相同或相似加工要求的产品或订单
-
设备释放的产能即可加工出更多零件, 提升产能利用率
-
自动选择可提高产能利用率设备
-
优化结果可让更多零件得以及时齐套， 更多成品需求得以及时交付
高级排程AMS:工艺流程智能拆批
AMS能够拆分工单，以实现柔性生产，满足产线、场地等的数量限制，缩短制造提前期。
按批次拆分
-
一个工单可以拆分为多个生产批次，每个生产批次可以独立流转
按工序拆分
-
工单可以在各工序上分别拆分/合并，以满足不同生产设备的产能及工艺限制
高级排程AMS:多工序整体优化
根据后道工序需要零件的时间，对前道工序进行排产顺序优化,以及时完成每一道工序所需的零件齐套
高级排程AMS:生产执行监控与状态跟踪
接收生产报工信息,对计划和实际的差异作出响应,及时对计划状态作出调整，实现实时调整的生产计划。
MRP智能采购计划
模拟分析与多版本对比(各级计划均支持)
用户可以使用相同的数据，建立多个场景(Scenario) ， 并分别设置不同的计划规则，比较不同计划规则输出的结果的优劣程度。也可对设 备能力、供应、需求等进行微调，了解这些调整对整体优化性能的影响。 模拟分析的一个很重要的应用是，为了解决多目标优化问题。优化目标往往是相互冲突的。例如为了保证订单交期，可能需要选择在成本较高的工厂生产等等。
产量计划
排产优化
-
基于需求计划-键生成各周期产量计划
-
前提条件: 100%交付
-
优化目标:备库成本最低/产出量最大化
-
约束条件
-
当周每一产品计划产出量不能超出其总需求量(客户需求+备库量)
-
当周每条生产线消耗的工时不超过其可用工时
主要收益
-
定量决策显著降低备库成本
-
一键排产杜绝人工操作失误
人员需求计划
库存计划
库存优化
- 基于需求计划、客户订单、安全库存需求和生产备库计划生成对应的周和日库存计划
- 与主计划和/或排程计划同步生成
前提条件:
不超过库容 优化目标:库存最少
主要收益包括
- 中长期计划显著降低备库水平
- 短期计划平衡多目标优化库存成本
食品加工行业
主计划考虑的问题
工厂：
-
长期产能是否满足总体需求
-
最大化需求满足、最小化成本等
-
优化爬坡速率、物料和人员约束
-
同工厂和跨工厂的共享资源约束
仓库：
-
优化运输库容约束
-
灵活的预建库存设置
-
安全库存需求和灵活的库存策略
客户：
-
按优先级顺序灵活分配供应方案
-
仓库的横向跨区域调拨，满足临时需求调整
-
安排不同区域淡旺季的最优发货仓
主生产计划核心目标
1.最大化需求满足率
2.供应链成本最优
食品半成品有效期较短，如何管理？
传统计划软件的规则算法是设置间接规则。
例如，在产线长时间停机后重新开机这种场景下，需要设置经验规则：第一天排产的饮料不得安排生产半成品有效期为24小时的产品。
而如果使用数学规划，则只须输入半成品有效期，无须设置间接规则，计算时即可自动判断半成品在有效期内是否能消耗完。
CIP和灵活换型清洗
CIP是限定了一段连续生产加工之后一定要停下来强制清洗的清洗规则。
而灵活换型清洗则是对单机台生产顺序进行优化，按照订单交付的顺序进行排产。这样可以进行同产品合并，不仅不影响订单交付及时率，还可以节省清洗时间，省下的时间则能够用于其他品类产品的生产。
灵活清洗时间超过或者不满足CIP的最长时长怎么办？
传统规则算法：分步骤求解
产品是否符合产品有效期，是否满足CIP的要求，有限时间生产并尽可能利用产能，为满足不同订单及时交付是否要进行换型清洗。
悠桦林数学规划：全局同步求优
有效期、CIP、换型清洗在同一个模型中计算，最终结果满足所有考虑的问题。
多工厂调拨计划
调拨优化
-
基于生产缺口生成工厂间调拨计划
-
运输时限生成在途库存计划
-
主计划与日计划均支持同步生成多
工厂调拨计划
主要收益
-
基于排产结果和运输时限自动生成调拨计划
-
通过全国多工厂产能平衡各地需求波动
-
减少备库需求,增加交付能力
订单协同计划OCP:家用电器
订单协同计划OCP:基于有限能力的精准订单交期
订单交付计划
排产优化
基于需求计划一键生成订单分配计划
前提条件:订单按各工厂产能分配
优化目标:交付周期/成本最小化
-
过程可视
-
订单交期承诺自动生成
-
分配工厂可追踪
-
排程是否满足交期要求，订单是否延误:
主要收益
-
缩短交付周期
-
降低交付成本
-
交付过程透明
高级排程AMS:食品加工
日排产计划核心业务目标
-
最大化需求满足率
-
总产量最大化
-
生产效率最大化
总结
本文主要从悠桦林介绍入手，进而了解了他的发展历程，随后了解了当前的供应链遇到的主要问题，并就此对智能供应链演进路线熟悉，最后对它的典型应用场景做出阐述，达到提升供应链决策水平，帮助企业运营降本增效的效果。
本文参与华为云社区【内容共创】活动第17期。
https://bbs.huaweicloud.com/blogs/358780
任务二十四
- 点赞
- 收藏
- 关注作者
评论（0）