5-1 決策智能在制造領域的生產運營實踐.pdf

《5-1 決策智能在制造領域的生產運營實踐.pdf》由會員分享，可在線閱讀，更多相關《5-1 決策智能在制造領域的生產運營實踐.pdf（34頁珍藏版）》請在三個皮匠報告上搜索。

1、決策智能在制造領域的生產運營實踐黃翔 杉數科技 副總裁|01前言：智能制造發展規劃“十四五”已明確推進智能制造的總體路徑02制造業對決策智能的需求如何落地？如何論證有效性？數據質量不佳，怎么辦？03汽車行業案例實踐多個汽車行業主機廠實踐案例04化工行業案例實踐六國化工端到端供應鏈數智化轉型深度剖析目錄CONTENT|01前言：智能制造發展規劃“十四五”已明確推進智能制造的總體路徑|“十四五”智能制造發展規劃智能制造已上升成為國家戰略層次的需求推進智能制造的總體路徑是:立足制造本質，緊扣智能特征，以工藝、裝備為核心，以數據為基礎，依托制造單元、車間、工廠、供應鏈等載體，構建虛實融合、知識驅動、動

2、態優化、安全高效、綠色低碳的智能制造系統，推動制造業實現數字化轉型、網絡化協同、智能化變革。n轉型升級成效顯著。70%的規模以上制造業企業基本實現數字化網絡化，建成500個以上引領行業發展的智能制造示范工廠。制造業企業生產效率、產品良品率、能源資源利用率等顯著提升，智能制造能力成熟度水平明顯提升。n供給能力明顯增強。智能制造裝備和工業軟件技術水平和市場競爭力顯著提升，市場滿足率分別超過70%和50%。培育150家以上專業水平高、服務能力強的智能制造系統解決方案供應商。n基礎支撐更加堅實。建設一批智能制造創新載體和公共服務平臺。構建適應智能制造發展的標準體系 和網絡基礎設施，完成200項以上國家

3、、行業標準的制修訂，建成120個以上具有行業和區域影響力的工業互聯網平臺。2025年三項具體目標|02制造業對決策智能的需求如何落地？如何論證有效性？數據質量不佳，怎么辦？|智能制造解決的問題，就是企業發展過程中端到端價值鏈之間的平衡與優化!#$%&()*)+,-.)*)/0)*)1234&(世界經濟論壇定義了“燈塔工廠”端到端價值鏈創新的五種途徑：需求預測實時庫存管理（內部/外部）使用數字孿生進行動態生產計劃安排動態網絡優化預見性庫存補貨利用分析進行動態倉庫資源規劃和調度動態仿真用于倉儲設計無人工介入主生產計劃（分配到工廠）數字化綜合業務規劃閉環規劃端到端實時供應鏈可視平臺利用高級分析優化分

4、銷制造和分銷布局利用高級分析優化生產計劃|Descriptive數據數據采集與管理規律性分析決策建模與求解Predictive分析Prescriptive決策技術難度對于企業的價值HindsightForesightInsight數據化智能決策的三級跳了解世界 認識世界 改變世界大數據時代決策的硬件基礎。數據時代驅動公司的原燃料。通常由計算機和信息科學技術完成數據收集與管理將數據中信息提取，了解事物背后的規律。通常由統計和機器學習技術完成規律性分析核心決策往往有較高的復雜度，受諸多決策因素影響，且決策因素之間關系復雜，因此，從規律到決策的演化往往需要極強的建模及求解能力支撐。通常由運籌學和優化

5、技術完成決策性分析數據描述規律分析決策分析智能決策+=智能制造本質上是智能決策的問題|智能制造本質上是智能決策的問題輸入數據約束條件優化目標l 銷售需求數據l 生產能力數據l 物流運輸數據l 倉儲庫存數據l 成本/排放因子l 生產能力限制l 生產平滑約束l 物料限制約束l 運輸能力限制l 交付周期約束l 生產/倉儲/運輸費用l 碳排放量l 整體經營目標模型數據求解器最優解約束條件/邊界條件優化目標優化求解|更加稀缺的資源分配將在未來一段時間持續影響著企業進行經營決策在雙碳政策、原材料供應波動、限電、全球經濟衰退的影響下，【所有制造業】將面臨更艱難的挑戰！兩年平均經濟增速2017-2019平均2

6、02020212022H1GDP6.6%2.3%8.1%2.5%工業領域6.2%2.4%9.6%3.4%社會消費品9.0%-3.9%12.5%-0.7%固定資產投資6.2%2.7%4.9%6.1%出口額6.1%4.0%21.2%13.2%進口額9.8%-0.7%21.5%4.8%人均可支配收入6.5%4.7%9.1%4.7%財政收入5.8%-3.9%10.7%-10.2%財政支出8.2%2.8%0.3%5.9%數據來源:國家統計局報告工業生產、出口成為拉動疫情后中國經濟復蘇的主要動力，但未來增速可能有所放緩。受雙碳政策、原材料供應與價格波動、電力限制以及可能的全球經濟衰退等因素影響，如何在有限

7、的資源約束下，進行生產和經營決策成為所有制造業面臨的新挑戰。2030 碳達峰碳排放量年度2060 碳中和|03汽車與化工行業案例實踐l 主機廠生產運營案例實踐六國化工生產運營案例實踐|汽車行業市場目前情況|消費電子芯片需求增長，削減汽車芯片產能芯片短缺造成車輛減產車企與芯片等供應商供需矛盾凸顯新能源汽車對整個產業鏈的影響傳統車需求下降，新能源沖擊市場產業鏈長，供應鏈中斷和銜接受阻產能恢復和調整時間增長勞動力、現金流困境導致企業運營和交付壓力汽車行業面臨挑戰|物流規劃現場運作采購與供應鏈生產計劃生產運營銷售端年度Budget計劃年/月度滾動計劃周生產計劃車間序列計劃工廠產能/改造計劃產能需求計劃

8、零件拉動計劃生產執行供應商產能管理Inbound入廠倉儲規劃In-house廠內線邊規劃倉儲規劃成品發運計劃生產資源備庫策略成品庫存/銷售預測銷售訂單供應商生產計劃供應商運輸/發運物料需求計劃Inbound入廠路徑規劃裝載計劃In-house廠內線邊規劃道口規劃長期 年度中長期 月度短期/凍結期 周度*生產-采購-物流循環:即S-IOP中的I和OP，Inventory&Operation Planning，觸發點以生產需求為主。*Sales銷售端的訴求及角色定義將根據實際應用場景適配延申運用求解器及機器學習算法驅動的科學決策生產-采購-物流循環 S-IOP|生產資源籌措-關鍵物料、瓶頸物料決策

9、周生產計劃關鍵物料籌措庫存、供應商等排產中需要滿足的目標：需要保證足夠的產量需要保證足夠的利潤其中瓶頸物料的庫存情況會對生產目標造成影響。瓶頸物料計算方式：在排產計算時同時加入瓶頸物料的相關約束；會通過其他系統中取得相關瓶頸物料數值進行計算；通過排布即保證足夠利潤，又保證產量均衡，同時滿足瓶頸物料約束的最優排產計劃。兼顧復雜情況：會存在共用料或AB件相關情況；不同車型、配置對關鍵物料消耗不同；不同車型存在權重，會制定某些車型有限生產；進一步指導供應商產能或資源籌措計劃。整車數字化排產系統關鍵物料生產籌措方案|算法方案詳解：物料分配xAxBxAxB物料分配場景說明：1.生產產品A，需要1個a，2

10、個b，1個c2.生產產品B，需要1個a，1個b，2個c3.考慮總利潤最大的情況下，如何分配A/B的生產利潤最大 Max profitA*X +profitA*X原材料a,b,c的數量限制X +X N2X +X NX +2X NABABABABabc人工經驗常見結果優化算法結果優化算法在追求目標收益最大化的同時，考慮需求優程度、需求時效性、物料替代關系、多版本物料供應計劃等進行物料分配需求優先程度：需求優先程度：訂單/預測有不同的滿足優先順序，如訂單預測可自定義訂單類型需求內部也有不同的滿足優先順序需求時效性：需求時效性：考慮到需求是變化的，近期的需求優先滿足物料替代關系：物料替代關系：1、部分

11、替代，算法將形成替代關系的物料，根據替代指向性組合計算物料供應總量2、組合替代，算法將打包考慮組合的物料，將組合包的數量作為供應數量多版本物料供應計劃：多版本物料供應計劃：標準采購周期版本/近期實際交貨周期版本/供應商承諾日期版本|算法方案詳解：場景化舉例生產訂單1：4天后交付整車A配置500臺生產訂單2：3天后交付整車B配置500臺整車A配置整車B配置駐車雷達A駐車雷達B駐車雷達C當前庫存：BOM用量：1倍2倍1倍1倍5001000500人工處理：1.按生產訂單交期倒排，生產訂單2交期在前，優先安排生產訂單2進行生產；2.優先安排生產訂單2生產200臺，生產訂單1生產300臺；3.觸發駐車雷

12、達B，駐車雷達C供應需求，各500，5天后到；4.生產訂單1，生產訂單2都因缺料無法準時生產。生產訂單1延誤延誤1天天，生產訂單2延誤2天，平均訂單交期5天天。按最優交付（瓶頸物料控制）進行計劃，優先安排生產訂單11.全部給生產訂單1，生產訂單B缺料；2.觸發供應需求駐車雷達B和C，5天后到；生產訂單1準時交付準時交付，生產訂單B延誤2天，平均訂單交期4.5天天根據瓶頸物料情況，調整生產順序，可縮短整體交付周期，實現計劃均衡、平順根據瓶頸物料情況，調整生產順序，可縮短整體交付周期，實現計劃均衡、平順訂單優先級、產能、復雜物料庫存及到貨情況、庫存成本、生產成本、結算周期上述簡化了相關問題，便于聚

13、焦邏輯。真實問題更加復雜，最優化算法模型相較于人工經驗擁有更大的尋優空間更大的尋優空間以整車生產中的瓶頸物料駐車雷達傳感器為例：|多工廠訂單、產能分配智能化產能分配/訂單分配平臺多工廠生產模式：無論是在主機廠或是一級供應商，均會存在下屬多個工廠或多個生產系統分布在全國各地的情況。不同工廠具有不同的生產規模、生產能力、交貨能力等，也決定了不同工廠不同的訂單處理能力及客戶需求滿足能力。如果訂單量小于工廠產能在上述情況下，會造成產能浪費；如果訂單量大于產能，則會導致客戶需求滿足率的下降。作為總部，有必要將多個工廠聯合起來，進行訂單集中化處理或產能分配，從而使各個工廠不會出現產能過?；虿蛔愕那闆r，最終

14、使整體利益最大化。產能需求計劃分工廠訂單分配其他業務需求分工廠產能分配同產品調撥計劃工廠產能上限訂單數量產品種類均衡化需求設備需求質量需求其他約束條件其他優化目標多項不同輸入分單、產能結果輸出算法模型因素|多工廠訂單、產能分配：全局優化工廠1工廠2客戶1訂單 100客戶2訂單 100產能200產能200200km50km局部優化局部優化全局優化全局優化每個工廠按照“就近原則”就近原則”各自分配訂單和安排生產發運客戶3訂單 100總體物流成本高總體物流成本高：50+200+500=750km工廠1工廠2“從全局出發”“從全局出發”分配訂單和安排生產發運，實現總成本最優優優化化決決策策技技術術客戶

15、3訂單 100客戶1訂單 100客戶2訂單 100產能200產能200100km工廠3500km工廠3200km150km產能200產能200總體物流成本低總體物流成本低：100+200+150=450km|多工廠訂單、產能分配：階梯運費車輛載重噸數車輛載重噸數運價運價0 X 3T551.98X3T X 10T524.61X10T X 20T445.83X20T X 32T393.43X局部優化局部優化全局優化全局優化基于訂單“就近原則”就近原則”基礎上的手工調整基于“全局統籌”“全局統籌”基礎上的智能分單優優化化決決策策技技術術1.運費計算復雜，需要基于“整車配送”降低成本2.分單工作需要多

16、人配合完成，訂單調整過程中容易出現產能不匹配等問題，導致分單結果不可執行運費結構復雜運費結構復雜|拓展：進一步把物料限制，生產成本等因素都加入到生產計劃工廠產能 工作日歷 班次可行域 產線JPH 設備檢修等產能損耗訂單需求 月度需求 年度產銷平衡 月度產線平衡 車型優先級生產要求 產線爬坡 總產量限制 拉空停臺 停產停線 班次均衡車型限制 車型爬坡 車型組合JPH限制 SOP/EOP影響 車型不能排產日基礎資源與目標成本定義 能耗成本(生產/待機等狀態的能耗)人工成本(崗位固定成本和績效等變動成本)物料限制 BOM信息 關鍵物料供應(包括庫存與到貨計劃)|04汽車與化工行業案例實踐主機廠生產運

17、營案例實踐l 六國化工生產運營案例實踐|六國化工數字化供應鏈案例 實施背景六國化工總經理2020年，杉數科技與六國化工在其計劃與運營的數字化、智能化方面達成合作，著力打造協同優化、智能決策平臺。通過該平臺，我們知道了企業應該在什么時間生產什么樣的產品，在這個市場上投放，才能真正賺錢。提升銷售滿足率8個百分點降低庫存資金占用6000萬人民幣/年8%6000萬/年交付：端到端決策平臺數弈初步生產計劃需求計劃需求計劃模塊市場需求分析需求動態實時監控智能需求計劃建議生產計劃模塊計劃平衡會工廠生產計劃產能預估生產優先級分析多工廠協同成品供應計劃模塊需求拉動的要貨函建議智能調撥建議倉網整體智能統籌需求計劃

18、、發貨計劃庫存狀態產能預估庫容端到端決策平臺 安徽省經濟和信息化廳公示2021年制造強省建設資金支持項目 六國化工端到端決策平臺項目榮獲IDC 2021數字化轉型堅定者 六國化工項目入選信通院新一代信息技術助力鄉村振興典型實踐案例|六國化工數字化供應鏈案例 痛點介紹 化肥行業整體市場環境：產能結構性過剩、產品同質化嚴重、原材料價格波動等嚴峻現狀倒逼化肥企轉型升級。轉型中需要解決的問題-銷售端難以預測及原材料價格波動的沖突精細化管理的革新銷售鏈條過長產銷聯動的革新產能過剩1產品體系的革新同質化嚴重2問題變革方案建立供應鏈管理KPI體系端到端協同決策：1、考慮財務目標的計劃：以運籌學的思想來實現合

19、適的時間生產合適的產品贏取最大的利潤2、對決策產生的影響進行模擬與理解：輔助產品預測銷量，快速分析物料，產能等限制，統籌倉網，分鐘級調整計劃，響應市場，降低生產&倉儲&運輸成本計劃體系的革新原材料供應波動3目標提升精細化管理能力跨組織的科學計劃提升產銷協同能力提高市場響應速度提高企業凈毛利4|多場景算法模擬分析六國化工數字化供應鏈案例 庫存分析|六國化工數字化供應鏈案例 解決方案端到端的計劃打通“需求-庫存-生產 發運”全流程計劃決策多部門多計劃的流程協作平臺算法驅動的全局優化決策物流銷售生產采購倉儲銷量預測銷售優先級分析銷售計劃分貨計劃產能計劃生產計劃換產計劃急單插單物料需求計劃多級庫存計劃

20、發貨計劃S&OP可視決策平臺客戶分類、訂單分類12個月by SKU by 銷區量、價格、利潤客戶、量基地、車間之間產能合理分配多工廠，生產+運輸成本最小生產順序，產能損失最小對原計劃影響最小多層級BOM拆解半成品、原材料需求廠內庫、廠外庫多級庫存優化保證周轉、兼顧公平與成本企業資源協同，企業經營計劃：銷售計劃、生產計劃、采購計劃、財務計劃，兼顧產值及利潤，實現產銷平衡、資金平衡保障開工保障周轉保障供應保障生產及收益保障收益廠外庫調撥盤活庫存資源采購方案決策采購的精度、量、價格復雜棘手的業務問題轉化為數學模型在多種可能的解決方案中最佳解決方案其中，運籌優化引擎：庫存優化生產優化補貨優化物流優化通

21、過影響因子分析得到合理預測值預測結果建議其中，機器學習引擎：銷售預測|六國化工數字化供應鏈案例 效果展示|六國化工數字化供應鏈案例 效果展示|六國化工數字化供應鏈案例 效果總結銷售員責任人信息下月需求計劃員生產計劃生產部財務部采購部產能計劃財務計劃采購計劃計劃平衡會企業經營計劃人工經驗，缺少數據量化支持線下溝通，費時費力，信息易遺漏串行計劃，無法協同決策流程變革決策質量變革月初的計劃利潤有30%，怎么月底反倒虧了？數據量成倍增加數據更加復雜決策的速率需求提升某些決策過程甚至不需要人的參與決策難BeforeAfter高管復審&實時分析銷售與市場預測共識需求計劃對營業額&利潤的影響目標庫存設置與計

22、劃考慮物料與產能制約的計劃系統量化最優、仿真模擬線上聯動計劃閉環，互相影響，提升協同力 銷售預測滿足度從87%提升至95%結余庫存水平平均下降0.5個月的月銷量，降低庫存資金占用6000萬人民幣/年 企業各部門間協同效率增強20%。制定需求計劃、生產計劃人力投入時間縮短50%以上智能決策|杉數科技化工行業企業典型痛點生產業務：全局最優智能生產方案 連續生產，產能期望拉滿，但需求存在波動，如何匹配？多工廠生產同一產品種類現象越來越多，計劃員兼顧成本如何分配產能？產品切換生產，損失如何優化？原材料供應波動，環保限電，廠內物流等因素影響，生產計劃如何起到指導作用？長周期的生產計劃模型目標：產能均衡+

23、經濟批量目標+碳資源利用情況約束：各產品的銷售波動目標：整體成本最優+生產碳排+運輸碳排約束：客戶需求、產品的上下游關系、產能、物料 生產順序模型目標：產能損失最小+綜合能耗最優約束：客戶需求，交期，換型損失矩陣 多約束多目標生產計劃模型目標：成本最優+交付滿足率約束：產能、物料、限電、廠內物流運力 多工廠生產計劃模型生產決策工廠1工廠2客戶1客戶3客戶2產品A產品A產品B產品C產品D產品E痛點|Station 301生產制造過程中的碳排放02外購能源所涉及的碳排放03上下游供應鏈中的碳排放Station 1Station 2工廠工藝流程三方倉客戶工業生產中的碳排放根據2019年的數據，工業中

24、的碳排放占總溫室氣體碳排放的23%。工業溫室氣體排放中，大部分來自于化石燃料的燃燒。許多廠商也不得不采取一些化學手段來降低這些來自于原材料的碳排放。能源供應如何我們在這些問題中引入關于碳排放的思考呢？|基于端到端業務流，追溯企業碳排放的碳素流銷售機會銷售計劃銷售訂單銷售線索需求管理訂單評審發貨計劃成品分銷倉儲管理產品/物流庫存監控在制/車間庫存監控&管理供應管理產能規劃供需匹配S&OP例會采購下達&執行物料PO/VMI協同供應商管理外協執行協同產線排產制造執行車間物料配送產品收貨打包裝箱質量管理庫存管理銷售需求計劃計劃物控采購OEM制造IE物流運輸計劃運輸監控運費結算運輸需求設備維護轉產換型執

25、行計劃需求匯總主計劃MRP&RCCP關鍵物料采購預測&承諾外協產能預估&承諾企業碳素流碳指標消耗預估訂單整合歸類生產整合歸類物料整合歸類整合歸類后統一協調資源部署獲取外協生產碳排總流程碳指標消耗計劃日生產碳指標消耗計劃物流碳指標消耗計劃訂單產品碳排統計物料運輸碳排統計外協生產碳排統計生產碳排檢測統計物流路線運輸車型碳排統計倉儲恒溫碳排統計倉儲能耗碳排統計C02C02C02C02C02C02|企業碳排放的“碳流向”所形成的“碳網絡”用流向，流量和節點（內）來刻畫整個企業的完整經營鏈條（網絡）。供應鏈的實物流向，會來帶價值流，也會帶來“碳流向”。通過模型可以幫助企業更好的來控制碳流向的方向，大小和時間。倉儲網絡客戶/下游企業集團式的制造中心供應端|方法論的背后優化碳排放與經營目標之間的整體最優碳排放總量約束規則運用生產能力約束規則運用交付目標約束規則運用非常感謝您的觀看|