愛分析：2022工業“智能決策”白皮書——點亮企業增長“燈塔”（53頁）.pdf

1、業“智能決策”書點亮企業增的“燈塔”INTELLIGENTDECISION2022-工業“智能決策”白皮書序訂單、物料約束復雜，如何排產最效？保平穩產要提升訂單滿率，應該如何統籌？消費者需求快速變化，如何預測爆款？2021年1124，中共中央政治局委員、國務院副總理劉鶴在報的署名章指出，現階段，我國生產函數正在發生變化，經濟發展的要素條件、組合方式、配置效率發生改變，面臨的硬約束明顯增多，資源環境的約束越來越接近上限，碳達峰碳中和成為我國中長期發展的重要框架，高質量發展和科技創新成為多重約束下求最優解的過程。隨著全球新輪科技命和產業變深發展，新代信息技術的不斷突破，并與先進制造技術加速融合，為

2、制造業智能化、綠化發展提供了歷史機遇。在這歷史性的交匯點，企業端訴求、技術變與基礎設施完善共同推動智能決策時代到來。本次書聚焦業互聯建設中的智能決策問題，次對智能決策的概念進定義，梳理業智能決策的應價值，提出智能決策應落地法論。我們希望通過工業智能決策最佳實踐的研究，為工業企業提供轉型升級的路徑參考，幫助工業企業實現第二增長曲線。工業互聯網在互聯驅動企業增時代，上半場主是消費互聯，下半場的主則將是萬物互聯模式下的業互聯。業互聯是實現智能制造的重要抓，也是業企業當前發展的最機遇。智能化當前，我國業正處于由數字化向智能化發展的重要階段，數字化與智能化建設是螺旋式上升的過程。智能化在信息化與數字化建

3、設的基礎上，通過智能技術實現了從數據到信息、知識、決策的轉化，擺脫傳統認知和知識的邊界，為企業提質增效、釋放產潛能、實現企業收益最化提供有效撐，成為業互聯建設價值的核。智能決策智能決策是業互聯智能化的“腦”，以全局優化為標實現企業綜合收益最化。機器學習與運籌優化技術的深度融合，推動智能決策技術不斷擴充能邊界。前，部分領先企業已經搶先落地智能決策應并實現了業務價值突破，未來智能決策將成為領先業企業必備的能。212345迫在眉睫擁抱變革尋求突破業互聯建設勢所趨智能化是業轉型升級的必由之路智能決策時代已然到來躬身入局業智能決策應落地法論展望未來業智能決策發展前瞻CONTENTS6實踐探索智能決策實現

4、業互聯價值倍增2022-工業“智能決策”白皮書本報告核發現 Executive Summary工業互聯網進入2018年前后，智能技術開始與業場景融合發展，開啟了業互聯智能化建設時期。智能化在信息化與數字化建設的基礎上，智能技術實現了從數據到信息、知識、決策的轉化，挖掘數據潛藏的意義，擺脫傳統認知和知識的邊界，為企業提質增效、釋放產潛能、實現企業收益最化提供有效撐。數字化和智能化是螺旋上升的過程，成為業互聯建設價值的核。作為智能化的價值核，智能決策正在引起市場泛關注。頭部企業正大步經濟新常態下，精細化運營成為企業增的關鍵動，對業務決策的質量提出了更的要求。數據基礎建設逐步完善，機器學習與運籌優化

5、技術的結合與突破，都為智能決策提供了更加成熟的技術可性。Gartner預測，到2023年，將有超過33% 的大型機構采用智能決策的實踐 。智能決策應，要以全局優化為標，運籌優化與機器學習相結合是主流技術路徑，智能決策將成為領先企業的必備能。工業互聯網產業增加值1993年中國正式啟動了國經濟信息化的起步程“三程”2012年業互聯概念次提出，為業數字化、絡化提供了實現途徑2021年業互聯產業的增加值規模將突破4萬億，成為推動我國經濟發展的重要量2000年我國提出要以信息化帶動業化，新型業化道路2015年信部發布國務院關于積極推進“互聯+：動的指導意，促進互聯與產業的融合；中國制造2025發布，明確

6、了制造業智能化、互聯+的發展向 2018年智能化建設開始在領先的工業企業滲透2017年國務院關于深化“互聯+先進制造業”發展業互聯的指導意指出，業互聯是連接業全系統、全產業鏈、全價值鏈，撐業智能化發展的關鍵基礎設施信息化數字化智能化第二產業增加值感知控制層是業互聯智能化的“手”，構建業數字化應的底層“輸-輸出”接決策優化層是業互聯智能化的“大腦”，聚焦數據挖掘分析與價值轉化，形成業數字化應核功能數字模型層是業互聯智能化的“骨骼”，強化數據、知識、資產等的虛擬映射與管理組織，提供撐業數字化應的基礎資源與關鍵具4跨入智能決策時代智能化建設時期2022-工業“智能決策”白皮書迫在眉睫：業互聯建設勢所

7、趨全球產業鏈正經歷深度重構，同時，受疫情影響短期過熱的海外市場需求將在國外經濟滯脹背景下受到抑制，短期增動減弱。對復雜變化，中國制造業需要向智能制造轉型升級，出第增曲線。作為實現智能制造的重要抓，業互聯建設已經開始釋放出強價值潛能。完整的業類與最的消費市場，正在催顛覆性的商業創新和制造業變?！?2022-工業“智能決策”白皮書中期：疫情加速全球產業鏈重構，智能化轉型勢在必數據來源：CEIC、申萬宏源、IMF全球疫情加速產業鏈深度重構，市場供需兩側不確定因素增加，加快塑造企業韌性成為我國業企業抵御市場險、實現中期戰略標的必答題。從全球發展的經驗規律來看，制造業產業升級是趕超發達國家的關鍵，以智能

8、化轉型實現智能制造是提升制造業質量效益的必由之路。全球產業鏈深度重構，加快塑造工業企業韌性迫在眉睫根據世界銀行最新預測，對比全球主要發達國家2020年-2022年GDP增速，中國率先在疫情中恢復，并增長強勁。全球經濟全復蘇尚需時，疫情防控措施導致全球產業鏈多環節受阻，加之中國制造業穩步復蘇，其余國家疫情蔓延，勢必加速全球產業鏈深度重構。同時也暴露了全球分的弊端，將促使供應鏈縮短的進程加快，全球產業鏈將向區域性聚集演化。此時中國制造業更應該調整產業結構，深化產業升級，增強產業鏈韌性，提升敏捷響應、抵御險的能?？鐕髽I將轉向以產業鏈安全為考量的垂直體化布局。原先分包給不同國家和企業的產序和環節將會

9、被收回到跨國公司內部進產，企業依靠縮短供應鏈條使產業實現主可控的要求。疫情爆發以來，區域內的貿易往來呈增加態勢。2021年前10個，中國與東盟、歐盟、美國的進出增速均超過20%，增速均于同期整體平。未來，于產所需的中間品貿易主要在區域內進，跨國公司的全球產業鏈將在歐洲、北美、東亞、東盟等區域聚焦。全球產業鏈由全球化布局向區域性集聚演化全球供應鏈縮短，企業垂直一體化進程加快51.9631.7326.3925.1822.90 19.2316.1110.339.87美國本法國德國英國韓國中國印度巴西2019年各國制造強國指數中質量效益分項數值中國程院戰略咨詢中2020中國制造強國發展指數報告顯，我國

10、制造業發展的質量效益與發達國家差距明顯，其中利潤率偏低是我國制造業發展的核痛點。我國業轉型升級迫在眉睫。同時，國際環境趨復雜，全球科技和產業競爭更趨激烈，國戰略博弈進步聚焦制造業，美國“先進制造業領導戰略”、德國“國家業戰略2030”、本“社會5.0”和歐盟“業5.0”等以重振制造業為核的發展戰略，均以智能制造為主要抓，圖搶占全球制造業新輪競爭制點。埃森哲預計到 2035 年，業因智能化應增加值增速可以提 2.0% 左右，是所有產業部中提幅度最的?！八奈濉敝悄苤圃彀l展規劃提出，到2025年，規模以上制造業企業基本普及數字化，重點業企業初步實現智能轉型。我國制造業質量效益尚有提升空間，智能化轉型

11、勢在必行-3.4-6.3-4.6-9.8 -1.92.3 6.05.02.46.84.68.05.24.3 3.25.03.75.6美國歐元區本英國其他發達經濟體中國20202021E2022EIMF 對全球主要國家和地區GDP增速預測（百分比）62022-工業“智能決策”白皮書短期：全球經濟滯脹將導致出需求衰退，過熱增不可持續前，世界經濟整體處于復蘇階段，但受疫情反復的影響，全球產業鏈的運依然不暢。這時期，中國國內產保持總體穩定，有效填補了全球供需的缺。同時疫情使得全球供給與需求同步下滑，將對出導向型業造成持續影響。疫情之后，我國經濟以制造業產的超強恢復為第特征，供給端不但未受明顯沖擊，業產

12、的增速度連續明顯超出疫情沖擊前，顯現“產過熱”的格局。疫情影響下，外需缺拉動的增使中國成為全球主要經濟體中業產恢復最強的國家，海外過度的貨幣政策引發的滯脹危機，將會在未來共振式收縮，過熱的市場需求受到抑制，出增速將幅降溫。業企業應對短期需求變化需要有更前瞻的戰略布局。中國工業生產穩步復蘇，顯現“生產過熱”格局2020年下半年2021年上半年，我國業增加值、制造業增加值兩年平均增速達到6.5%，2019年這兩項增速分別僅為5.9%、6.0%，表明疫情后產恢復提速擴張的程度。國內工業市場供需穩定，出口需求預測衰退中國出口同比及2022年三年平均增速預測21-717-1 17-7 18-1 18-7

13、 19-1 19-7 20-1 20-7 21-1中國工業生產指數500100015000預計2022年我國出三年平均增速在2019年低基數的影響下可能幅上，但全年同增速在今年30%左右的增之后可能迅速回落4.5%左右，這意味著出對于我國業產和經濟增的拉動作或將不可避免的降溫。國家統計局數據顯，近5年來我國業產指數趨于穩定。但對2021年以來業產短期強需要需求端的持續拉動，2020-2021年業品需求呈現外需強內虛弱的格局，預計2022年外需回落，出與國內消費需求再平衡是2022年中國經濟的主線邏輯之。短期來看，在需求端的明顯變化，促使業企業加速進前瞻性的布局，通過轉型升級幫助企業在業競爭中占

14、據有利地位。數據來源：申萬宏源研究虎變2022年宏觀經濟展望數據來源：國家統計局、申萬宏源研究虎變2022年宏觀經濟展望601510505040302010-1018/0319/0320/0321/0322/030出口三年平均增速及預測 （%， 美元計價， 右）出口同比及預測 （%， 美元計價）中國與美歐日英工業生產兩年平均增速（%）72022-工業“智能決策”白皮書卡奧斯引擎（COSMO Business Best Practice）知識圖譜 Knowledge GraphAIConfig（畫像、產參數、藝參數、設備參數、環境參數）數字空間 Digital Space業互聯引領企業進質量發展

15、階段業互聯是新代信息通信技術與業經濟深度融合的新型基礎設施、應模式和業態，通過對、機、物、系統的全連接，構建起覆蓋全產業鏈、全價值鏈的全新制造和服務體系，為業數字化、智能化發展提供了實現途徑，是第四次業命的重要基。概念內涵與外延當前，業互聯融合應向國經濟重點業泛拓展，形成智能化制造、絡化協同、個性化定制、服務化延伸、數字化管理五種典型應模式，賦能、賦智、賦值作不斷顯現，有地促進了實體經濟提質、增效、降本、綠、安全發展。海爾作為中國最早探索數字化轉型的企業之，具備堅實的數字化、智能化基礎，2016年推出卡奧斯COSMOPlat業互聯平臺，基于在家電業的最佳實踐，跨業、跨領域輸出智能制造和數字化轉

16、型解決案，現已成為覆蓋7領域、15個業、全球20多個國家和地區的智能制造和數字化轉型解決案基礎平臺，具有很強的代表性?？▕W斯COSMOPlat在包含IoT層、IaaS層、PaaS層、SaaS層的通架構下，通過部署新型絡基礎設施，并全線貫穿標準標識體系和平臺安全防護能，構建起強的業互聯平臺態。Devops平臺機理模型平臺BI平臺AI平臺志監控預警標準標識體系安全防護體系業機理模型InduMachi ModelCDN運維類開發類應類數字化管理規模定制IoT器環境采集器攝像頭.存儲絡虛擬機裸屬基礎類業APP業品采銷消費品定制SaaSBaaS機端平板端桌PC端API 開發者政府企業消費者員智能關+安全

17、管理邊緣治3D組態RFID云端設備管理SDK濕度傳感器邊緣計算管理容災備份IaaSPaaS絡存儲虛擬機數據庫標識解析區塊鏈機器學習數字孿體Digital Twin平臺家電裝備電化汽模具建材農業服裝品旅采購利智能、云計算、數據等技術，在包含IoT層、IaaS層、PaaS層、SaaS層的通架構下建業互聯平臺，通過部署新型絡基礎設施，并全線貫穿標準標識體系和平臺安全防護能，將重塑企業形態、供應鏈和產業鏈模式，構建業新態。安全為保障數據為要素網絡為基礎平臺為中樞基礎設施應用模式工業生態工業生態應用模式基礎設施重塑企業形態、供應鏈和產業鏈的業新態互聯、數據、智能與實體經濟深度融合的應模式業數字化、絡化、

18、智能化轉型的基礎設施資料來源：IDC業互聯態書工業互聯網為產業發展延展新空間工業互聯網平臺體系架構以卡奧斯COSMOPlat為例資料來源：卡奧斯82022-工業“智能決策”白皮書業互聯是實現智能制造的重要抓，雙碳標倒逼加速轉型新輪科技命為實現智能制造提供技術準備，業互聯建設是實現我國智能制造重要途徑?！八奈濉睒I綠發展規劃提出，到2025年，業產業結構、產式綠低碳轉型取得顯著成效，為2030年業領域碳達峰奠定堅實基礎。因此，“四五”期間成為能源結構轉型關鍵期，雙碳標將倒逼業企業加速轉型，在這關鍵五年找到之有效的轉型法將贏得未來先機。數據來源：BP世界能源統計年鑒、愛分析研究繪制鍛板：聚焦優勢業占

19、據產業競爭制點。補短板：針對業基礎領域實施好關鍵核技術攻關程。強企業：分層打造“專精特新”中企業群體。智能制造業互聯中共中央政治局就推動我國數字經濟健康發展進第三四次集體學習指出：要站在統籌中華族偉復興戰略全局和世界百年未有之變局的度，闡釋數字經濟對于我國發展的重要性及意義，業的柱性決定了業互聯轉型升級過程的重要性必要性。業互聯是重要抓提優質企業主創新能促進提升產業鏈供應鏈現代化平引導優質企業端化智能化綠化發展夯實絡基礎加快業互聯平臺建設提升平臺運營能提升產品與解決案供給能強化安全保障構建信息安全、功能安全和物理安全強鏈補鏈實現路徑重要抓手目標氧化碳總排放量碳達峰是碳中和的基礎和前提，達峰時間

20、的早晚和峰值的低直接影響碳中和的實現時和實現難度。氧化碳具有很的命周期，所以“十四五”是實現2030年碳達峰目標、調整能源結構轉型的關鍵期，這將倒逼工業企業加速轉型。2030年，單位國內生產總值二氧化碳排放比2005年下降65%以上碳中和碳達峰203020452060陣痛期202120252025年，單位國內生產總值二氧化碳排放比2020年下降18%關鍵五年轉型法贏未來先機第四次科技命成為技術準備5G以5G、云計算、數據智能等信息技術為代表的第四次科技命，將助業企業提升產。新輪科技命和產業變與我國加快轉變經濟發展式形成了歷史性交匯，第四次科技命為業互聯數字化、智能化建設提供堅實技術撐，是實現中

21、國制造業跨越式發展的重要基礎。人工智能物聯網云計算大數據區塊鏈單位業增加值氧化碳排放降低18% 碳排放強度持續下降 能源效率穩步提升規模以上業單位增加值能耗降低13.5%2025年主要目標“四五”能源結構轉型關鍵期92022-工業“智能決策”白皮書業互聯成為賦能企業增的重要量據中國業互聯研究院數據顯，業互聯對我國GDP產巨帶動作。其中，2021年業互聯帶動制造業增加值預計達到1.68萬億元。與此同時，業互聯產業增加值規模將突破4萬億元，成為促進我國經濟質量發展的重要量。業互聯核產業增加值在2017年-2020年期間超過93%，年復合增率達24.6%。三年時間，業互聯核產業增加值實現近倍增。資料

22、來源：中國業互聯研究院中國業互聯產業經濟發展書（2021年）工業互聯網拉動GDP作用明顯，賦能企業增長工業互聯網“綜合性+特色性+專業性”的平臺體系基本形成絡體系不斷成熟。質量外連接超過 18 萬家業企業，部分省份已實現業互聯外所有地市全覆蓋以及業園區覆蓋。數據體系持續完善。數據是業互聯的核要素，結合業知識和業機理，滿制造業千百業的需求。業互聯運的數據來源于“研產供銷服”各環節、“機料法環”各要素，通過對數據的采集、流通、匯聚、計算、分析，促進數字化轉型，打造數字化、絡化、智能化的基礎。安全體系發揮作。全國業互聯安全態勢感知平臺全建成，通過監測預警、應急響應、檢測評估、功能測試等段解決設備、控

23、制、絡、平臺、業 APP、數據等多絡安全問題，確保業互聯健康有序發展。70+家100+家20202021有影響力平臺數量4000萬7000萬20202021連接工業設備數量25萬59萬20202021工業APP數量業互聯平臺建設蓬勃發展，2021年業互聯鏈接業設備數量實現近翻倍增，在兩化融合的基礎上推動業企業在數字化、智能化更范圍、更深程度、更平上融合發展，成為繼移動互聯之后最的經濟機會。IDC預計2025年中國業互聯帶動的經濟規模將突破萬億美元。CNNIC發布中國互聯絡發展狀況統計報告顯，我國業互聯發展初具規模，業互聯體系呈多層級全蓬勃發展的態勢。當前我國“綜合型 特型 專業型”業互聯平臺體

24、系基本形成，具有定業和區域影響的平臺超過100家，平臺賦能效應進步顯現。億元10708.7112408.81375314878.5516808.5315.88%10.83%8.18%12.97%0.00%2.00%4.00%6.00%8.00%10.00%12.00%14.00%16.00%18.00%02000400060008000100001200014000160001800020172018201920202021E工業互聯網帶動制造業發展情況產業增加值規模名義增速資料來源：中國互聯絡信息中，愛分析整理繪制3372億元6520億元20172020E工業互聯網核心產業增加值CAGR24

25、.6%102022-工業“智能決策”白皮書擁抱變：智能化是業互聯建設的必由之路業企業的數字化建設與智能化建設呈現螺旋上升的態勢，其中智能化建設是業互聯建設的價值“C”位。智能決策是業互聯價值實現的關鍵，并正在幫助領先企業獲得持續速發展的能。智能化幫助企業更“聰明”的核心價值體現在決策環節?！?2022-工業“智能決策”白皮書12工業互聯網產業增加值業互聯發展路徑清晰，智能化成為增核驅動引擎資料來源：國家統計局、中國信息通信研究院，愛分析研究繪制1993年中國正式啟動了國經濟信息化的起步程“三程”1994年我國第家MRP企業成2012年業互聯概念次提出，為業數字化、絡化提供了實現途徑2017年國

26、務院關于深化“互聯+先進制造業”發展業互聯的指導意指出，業互聯是連接業全系統、全產業鏈、全價值鏈，撐業智能化發展的關鍵基礎設施2021年業互聯產業的增加值規模將突破4萬億，成為推動我國經濟發展的重要量2000年我國提出要以信息化帶動業化，新型業化道路2015年信部發布國務院關于積極推進“互聯+：動的指導意，促進互聯與產業的融合；中國制造2025發布，明確了制造業智能化、互聯+的發展向2018年業互聯標識解析國家頂級節點在湖北省武漢市東湖區正式宣布啟動建設。2011年“五”推動業化與信息化深度融合，形成全業覆蓋、全流程滲透、全位推進的發展格局以現代通信、絡、數據庫技術為基礎，數據開始成為關鍵產要

27、素在信息化的基礎上，通過進步數據治理構建互聯互通的業數據體系，進步提升產平智能技術與業場景、機理、知識結合，以模仿或超越類感知、分析、決策等能，實現設計模式創新、產智能決策、資源優化配置等創新應信息化數字化智能化2015年兩會政府作報告，國內次為業互聯建設提供頂層設計，業互聯創新發展動計劃（2021-2023）中明確將發展智能化制造擺在新型模式培育動中的要位置。預計2021年業互聯建設帶動的產業增加值規模將突破4萬億，成為推動我國經濟發展的重要量。 2018年智能化建設開始在領先的工業企業滲透第二產業增加值2022-工業“智能決策”白皮書新品優化適應力資料來源： acatech STUDY I

28、ndustrie 4.0 Maturity Index、埃森哲、愛分析研究繪制自動化業互聯建設路徑裝備動化信息化網絡化智能化軟件系統應CRM、SRM 設備、系統、數據互聯互通工業4.0成熟度指數埃森哲智能制造“新四化”理論設備層產層產業層企業內企業間柔性供應排產排程需求預測智能倉儲物流優化資源匹配智能化信息化數字化核制造環節智能優化與決策協同運營差異定價藝優化.工業3.0計算機化連通性可視化透明性預測力 業3.0時代強調在設備層實現裝備動化，通過信息化軟件系統等應實現設備連通性業互聯發展路徑是從信息化、數字化向智能化，相應地，智能化是業企業在業互聯賦能下向轉型升級的階形態。當前，我國業正處在由

29、數字化向智能化發展的重要階段，智能化在信息化與數字化建設的基礎上，通過智能技術實現了從數據到信息、知識、決策的轉化，挖掘數據潛藏的意義，擺脫傳統認知和知識的邊界，為企業提質增效、釋放產潛能、實現企業收益最化提供有效撐，成為業互聯建設價值的核。智能化是業互聯建設的價值“C位” 業4.0時代，在信息化與數字化、絡化建設中需要實現多設備、多產線數據互聯互通，實現業務數據等可視化穿透業務運情況，增強產透明性 通過智能化建設實現業務預測、產主響應，實現智能優化與決策轉型132022-工業“智能決策”白皮書數字化與智能化建設螺旋上升理論數字化與智能化相互融合智能化不是數字化建設量變引起質變的結果。數字化的

30、顆粒度與深度是個持續細化與加深的過程，智能化在其中不斷滲透，者并完全獨，是相互融合。數字化完成沒有明確的界限，企業并先將數字化能全建成，再開始智能化建設。數字化與智能化能相互疊加，不斷擴價值創造的“底盤”數字化基礎越好，智能化產的價值與影響就越。即使是很的智能化落地場景，也可能四兩撥千，深度挖掘出企業數據資產的價值。數字化與智能化建設相輔相成，螺旋上升數字化是智能化的基礎，數據和信息的互聯互通是切應的前提條件。智能化平的發展會對數字化基礎提出新的要求，倒逼數字化能提升。數字化能進新境界能夠輔助實現更多智能化場景的落地。在業互聯建設中，通過信息化、數字化建設發現業務場景智能化需求；另，信息化、數

31、字化為智能化建設提供數據基礎。通過智能化建設企業可以發現信息化、數字化不，補充缺失數據有利于“解鎖”新的智能化場景，放數字化建設價值，在數字化與智能化建設螺旋上升的過程中，不斷挖掘業數據隱藏價值，釋放企業價值潛能。需要的數據：歷史銷售數據（品類、季度銷售數據，直銷/渠道商數據）業數據政策數據.按訂單產模式下企業以需定產，只有更精確的產計劃才能更好指導整個供應鏈的資源調配，因此需求計劃是后續所有智能化應建設的核。典型制造企業數字化與智能化建設過程示例圖數字化建設與智能化建設是螺旋式上升的過程發現缺少經銷商數據，造成預測結果準確度欠佳解鎖智能化場景庫存管理生產計劃解鎖智能化場景庫存管理生產計劃需求

32、預測更精準數字化能力補強應用建立經銷商系統管理經銷商數據智能化建設需求預測智能化建設需求預測數字化效果價值推動產生智能化需求數據基礎應用ERP系統留存企業財務數據和主要經營數據142022-工業“智能決策”白皮書數字模型智能化的價值核是智能決策資料來源：中國信息通信研究院，業互聯產業聯盟業互聯體系架構（版本2.0）業智能書業互聯智能化體現在感知控制、數字模型、決策優化三個基本層次，基于海量業數據全感知，通過端到端的數據深度集成與建模分析，實現核環節智能優化與決策，由下上的信息流與上下的決策流共同構成了應優化閉環。以智能決策為核的決策優化是業互聯智能化的“腦”，最化發揮業數據的價值，成為業互聯價

33、值實現的關鍵。設備層生產運營層產業鏈層物理空間數字空間業知識智能化藝管理檢測維修產能管理產運營智能化物流計劃庫存計劃產計劃產業鏈協同智能化產品研發定價策略上下游協同工業互聯網數據功能原理感知控制決策優化信息流決策流感知控制執識別服務管理數據模型數據管理業模型感知控制層是業互聯智能化的“手”，構建業數字化應的 底層“輸-輸出”接決策優化層是業互聯智能化的“大腦”，聚焦數據挖掘分析與價值轉化，形成業數字化應核功能數字模型層是業互聯智能化的“骨骼”，強化數據、知識、資產等的虛擬映射與管理組織，提供撐業數字化應的基礎資源與關鍵具指導分 析描述診斷預測152022-工業“智能決策”白皮書智能決策正在幫助

34、領先企業獲得持續速發展的能資料來源：紅杉中國2021年調研報告；埃森哲研究院2021年跨越發展、領軍未來調研； 肯錫2018年Notes from the AI Frontier: Insights from Hundreds of Use Cases1%10%18%19%22%31%35%42%48%58%0%20%40%60%80%其他機器設備性能優化提升產品研發效率險動識別成本控制與資源優化業務流程優化畫像智能營銷運營分析與優化輔助管理層決策潛在價值（萬億美元）智能技術產生價值1.2-2.0供應鏈及制造管理3.6-5.6總價值智能技術產價值根據調研顯，智能技術將帶給供應鏈管理和制造環節1

35、.2-2.0萬億美元的新價值。通過實施智能化的決策機制將幫助端到端的供應鏈更有效地降低成本，提產效率。智能化決策機制釋放新的價值空間501001502002503003504004505002015年2020年2023年20xx年后進企業與領軍企業之間的收差距進步擴后進企業與領軍企業之間的收差距進步擴后進企業領軍企業2倍于后進企業的增指數倍增收/億美元2021年向4,300位管的全球調研，中國領軍企業憑借強的成熟度的系統和創新出例，極地提升了增速度，未來領軍企業相后進企業將呈現指數倍增。領軍企業對技術的投入和應用助力企業快速增長智能決策成為企業最關注的大數據應用場景智能決策可以為企業帶來新的運

36、營式，在決策機制上降低對的依賴，從顯著提企業的收益增速度，提升企業成空間。管理層最關的數據應場景多數都可以使智能決策技術進賦能，未來通過智能決策機制可以在供應鏈及制造管理釋放的價值空間達1.2-2萬億美元。向16個細分業的222家企業CIO的調查，調查結果顯，“輔助管理層決策”已成為企業最關注的數據應場景，利數據分析技術提企業決策能成為企業數字化管理者的根本需求。162022-工業“智能決策”白皮書尋求突破：智能決策時代已然到來企業端訴求、技術變與基礎設施完善共同推動智能決策時代到來，運籌優化與機器學習成為智能決策的兩關鍵核技術。前，智能決策已經滲透進企業經營、公共服務、個活等。到 2023

37、年 ， 超 過 33%的型機構將采智能決策的實踐 ?！?2022-工業“智能決策”白皮書描述診斷指導業務價值通過數據分析建模，由系統直接給出能達成預期業務標的動案典型應用：智能決策系統通過數據分析，發現業務現象背后的原因，實現業務可診斷典型應用：大數據平臺通過數據采集和展，描述業務正在發什么，實現業務可視化典型應用：數據大屏輔助決策智能決策（增強決策&動決策）系統在決策中的傳統的業務決策依賴于業務規則和專家經驗，從決策到智能決策經歷了期的發展過程。隨著數據科學和智能技術的發展，系統基于“數據+算法” 可以在決策中實現越來越重要的價值。根據系統在決策中扮演的，可以分為系統輔助決策、系統增強決策、

38、系統動決策個階段，業務價值逐步增強。企業端訴求、技術變與基礎設施完善共同推動智能決策時代到來。Gartner預測，到 2023 年，超過 33% 的型機構將采智能決策的實踐 ?；跀祿治鎏峁┟枋?、診斷，為類作出決策提供持增強決策：系統基于數據分析直接提供關于決策的建議自動決策：系統直接作出最終決策，由類對結果進監督和審查資料來源：愛分析整理繪制預測通過數據分析，判斷業務未來可能會發什么，實現業務結果可預測典型應用：機器學習平臺企業端訴求、技術變與基礎設施完善共同推動智能決策時代到來18企業端訴求：精細化運營與決策復雜度提升經濟新常態下，精細化運營成為企業增的關鍵動，對業務決策的質量提出了更的

39、要求。消費和產業互聯帶來決策要素增和關聯性增強，市場環境快速變化，使得業務決策變得更加復雜，經驗愈發難以應對。據Gartner 2021 年調查，47% 的受訪者表，他們的決策在未來 18 個內會變得更加復雜。技術變革：大數據和人工智能技術的突破以數據分析、智能為代表的技術應迎來突破，尤其是數據、算法和算的發展，并與運籌優化等技術相結合，為智能決策提供了更加成熟的技術可性?；A設施：數據基礎趨于完善隨著信息化和數字化建設的推進，企業普遍具備了定的數據基礎，更多業務數據可采集、可分析，為數據驅動的智能決策提供了必要條件。2022-工業“智能決策”白皮書?智能決策是組織或個人綜合利用多種智能技術和

40、工具，基于既定目標，對相關數據進行建模、分析并得到決策的過程。該過程綜合約束條件、策略、偏好、不確定性等因素，可動實現最優決策，以于解決新增時代益復雜的產、活問題?！?92022-工業“智能決策”白皮書智能決策流程意圖資料來源：愛分析研究繪制數據大屏數據治理數據可視化智能決策vs傳統決策傳統決策智能決策分鐘級速計算，實時更新決策結果，并可通過模擬仿真進情景分析經驗法有效標準化和量化，決策過程不清晰，不能形成數據積累不清晰腦計算有限，對于復雜問題不能全局考慮，簡化處理容易顧此失彼效果差決策費時費，對于不斷變化的需求和環境因素難以作出快速評估和有效應對難應變基于數據和業務規則進決策，過程標準化，可

41、回溯，決策法和結果可以積累傳遞更透明利數學建模和運籌優化算法全局考慮問題，篩選所有可案輸出最優結果更優化更敏捷智能決策流程示意圖將實際問題中的決策標的、約束、偏好以及標轉化為數學模型，是將決策問題與智能化段和法進銜接的關鍵環節。在已經建好的模型基礎上輸數據，利機器學習、運籌優化等技術，對模型進效求解。運籌優化 機器學習、深度學習、強化學習、遷移學習智能技術求解器、機器學習引擎 智能決策工具決策標的、約束、偏好、標實際問題建 模求 解決 策抽象為數學表達模型變量、條件、函數自動輸出優化算法數據輸入制造業典型問題為例決策標的：緊急插單計劃約束條件：產線產能限制物料供應限制生產偏好：產穩定生產目標：

42、滿足訂單實際問題抽象為數學表達業務部門歷規則加周期庫存加計劃需求中期周計劃計劃班次計劃缺料影響計算數據中臺建模求 解決 策設備儀器信息企業資源計劃（ERP）倉庫管理系統（WMS）運輸管理系統（TMS）訂單管理系統（OMS）輸入企業信息數據自動輸出求解器機器學習引擎智能決策工具管理層輸出輔助決策202022-工業“智能決策”白皮書智能決策的關鍵技術主要包含機器學習技術、運籌優化技術等多種智能技術。機器學習技術通過強化學習、深度學習等算法實現預測，通常需要量數據來驅動模型以實現較好的效果；適于描述預測類場景，如銷量預測。運籌優化技術基于對現實問題進準確描述刻畫來建模，通過運籌優算法在定約束條件下求

43、標函數最優解，對數據量的依賴性弱，結果的可解釋性強；適于規劃、調度、協同類問題，如員排班、補配貨。智能決策的關鍵技術：機器學習與運籌優化機器學習算法助力智能決策的數據分析和預測能力線性規劃(LP)運籌優化技術助力智能決策的規劃求解能力數據依賴模型類別算法類別機器學習+運籌優化：技術的結合有效彌補了彼此應用的局限性，更好地服務于智能決策速度和質量的提升取長補短速質提升數據處理（機器學習為主）問題描述（運籌優化為主）+在邏輯側對問題進理解及分析進建模（運籌優化），在數據側對起因及結果的記錄乃預測（機器學習），兩者構成了現實業產中解決問題的要件，但各均存在不同程度的局限性，因此需要取補短來共同服務于

44、決策速度和質量的提升。特征局限性在有量數據基礎的條件下，機器學習通過對巨量數據的學習和分析來預測未來容易忽視對問題本的邏輯描述，使得結果不可解釋或失真 約束條件線性 例如：路程-速度-時間問題 結果數值連續，不離散 結果值不連續 例如：是/否問題、個數問題 約束條件線性 例如：拋物線 結果數值連續，不離散 結果值不連續 例如：是/否問題、個數問題機器學習是多領域交叉學科，涉及概率論、統計學、逼近論、凸分析、算法復雜度理論等多學科，專研究計算機怎樣模擬或實現類的學習為，以獲取新的知識或技能，重新組織已有的知識結構使之不斷改善的性能。在智能決策領域，機器學習、深度學習、強化學習主要應于數據識別、分

45、析與預測。智能決策所涉及的機器學習算法主要有：機器學習、深度學習、強化學習資料來源：愛分析整理繪制機器學習強化學習深度學習100100X+Y100443322110100X,Y僅可能為整數100maxX +Y 10022單純形法內點法沿著有效域（約束條件）外側尋找最優解從有效域（約束條件）內部向外發散尋找最優解其他算法分定界法啟發式算法階優化等模型依賴特征局限模型的可操作性需驗證在多重約束條件下，求解器使相關模型對問題進擬合，通過算法得出最優解線性規劃(NLP)混合整數線性規劃(MILP)混合整數線性規劃(MINLP)212022-工業“智能決策”白皮書實現智能決策的開發與部署，需要通過求解器

46、對運籌優化模型進算法優化和求解，機器學習引擎對機器學習相關算法的敏捷開發。尤其是在求解器領域，IBM等國外廠商處于先發和領先地位，在2017年前我國在此項領域長期處于技術空白。作為撐我國業智能決策發展的關鍵核技術，在主可控的背景下，擁有主知識產權的求解器對于中國業智能化建設分重要。近年來，杉數科技、中科院、阿里、華為等企業和機構陸續研發并發布了國產求解器。求解器與機器學習引擎撐智能決策效準確實施資料來源：愛分析整理繪制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求解器智能決策的“計算芯片”在國際貿易摩擦的背景下，我國制造業在數字化轉型過程中臨技術“卡脖”的險，掌握核技術越

47、來越重要且緊迫。國內企業需要尋找技術領先的合作商的同時，合作穩定性和安全性，應放在極其重要的位置。近年，國內企業紛紛開始了業級別求解器的研發，杉數科技、阿、華為均陸續研發并發布了求解器產品。擁有國內主知識產權的求解器為業發展提供了重要的國產替代案。優化標提升決策效率 22.5%提營收 12.5%降低成本 47.5%優化資源配置 17.5%數據來源：杉數科技，COPT商業使的分析國內求解器發展為國產替代提供解決方案求解器機構解決問題次發布時間國內MINDOPT阿巴巴2020年8OptVerse華為2021年10COPT杉數科技線性2019年5CMIP中科院2018年3LEAVES杉數科技上海財經

48、學2017年10整數階錐線性線性線性求解器機構國別特國外CplexIBM線性+整數XpressFICO線性+整數+線性Gurobi獨公司線性+整數+線性SCIPZIB研究所整數美國美國美國德國國內外主要求解器橫向對整數半正定何規劃概念原理求解器是于求解運籌優化問題的底層專業計算軟件，能夠針對多種運籌優化模型進算法優化和求解，是實現智能決策的“計算芯”。機器學習引擎高效開發機器學習引擎是進機器學習開發與應的系統框架，是機器學習開發的具。通過具組件、開發套件、預測部署等集成包實現算法選擇，參數調整，訓練部署、管理監控從效開發?？s短開發時間降低開發難度削減使成本現實效果國內外主流機器學習引擎槳百度持

49、超規模模型訓練Angel騰訊擅稀疏數據維模型訓練MindSpore華為Tensorflow歌PyTorchFacebook使基于源碼轉換的動微分開發者社區最持基于動態計算圖轉換的動微分222022-工業“智能決策”白皮書“卡脖”難題的關鍵突破，國內求解器發展歷程可以將復雜商業問題“通盤考慮、統籌優化”的數學規劃求解器，期處于國外技術壟斷狀態，早期國內求解器發展緩慢。2017年10，杉數科技與上海財經學共同發布國內個求解器開始，中國在求解器領域的探索開始快步邁進。2019年5，杉數科技發布國內個達到世界流準的線性規劃求解器COPT，并在此基礎上陸續推出整數規劃求解器、階錐優化求解器，不斷推國內求

50、解器技術平。近期，也有阿巴巴達摩院推出線性規劃求解器MINDOPT，華為發布線性規劃求解器OptVerse，此互聯及科技領軍企業也開始全進求解器的研發階段。資料來源：愛分析整理繪制國內求解器研發歷程2017.102018.32019.52021.62020.82020.102021.92021.10 杉數科技聯合上海財經學共同發布開源求解器LEAVES 中科院數學所發布學術性整數求解器CMIP 阿達摩院發布線性規劃單純形求解器MINDOPT，性能達到世界一流 華為發布線性規劃單純形法求解器OptVerse，性能達到世界一流 2019年5，杉數科技發布中國首個商用求解器COPT 可求解線性規劃（

51、單純形法），性能達到世界一流 2020年10，杉數科技推出中國個線性規劃內點法求解器，性能達到世界流 2021年6，杉數科技發布中國首個工業級整數規劃求解器，性能達到世界流 2021年10，杉數科技發布中國首個商用二階錐求解器，性能達到世界流中國首個大規模商用求解器推出線性規劃內點法求解中國首個工業級整數規劃求解器中國首個商用二階錐求解器 在通信、能源、軍事、電、航空等領域，出于保障國家重要數據安全的的，具有主知識產權的優化求解器和運籌優化算法平臺不僅具有極的商業價值，更具有可估量的社會價值。 前我國在線性規劃求解器領域中已經擁有成熟的國產化替代案。232022-工業“智能決策”白皮書收益管理

52、 價格診斷 產品周期管理運營需求預測庫存優化倉儲優化產銷協同生產排產排程產藝優化良品率檢測設備預防性維修設備智能運維藝參數優化智能決策應用場景地圖從公共服務、企業經營到個活，智能決策已經滲透越來越多的業，賦能更多的場景，改變產活的。從賦能價值維度來看，不同場景各不相同，公共服務側重保障，企業經營注重提產效率實現業績增，在個層更能強調智能決策對活品質和便捷性的提升。價值資料來源：愛分析整理繪制第一產業第二產業第三產業選種鑒別預測灌溉農事操作決策肥藥使決策產量預測.企業經營個人生活動駕駛、智能導航、營養攝指導公共服務公共服務保障增強國防安全企業經營提升產效率降低成本損耗實現業績增個人生活提升活品質

53、增強便捷性制造業電、熱、燃氣及水生產和供應 機組組合優化 電（油）調度優化 多樣性能源管理 管道絡優化投資 智能投顧 頻交易決策保險 智能核保/核賠 智能定損借貸 智能催收 險管理金融航空 航班規劃 智能恢復航空調度 任務派遣空勤排班物流交通運輸需求預測 趨勢洞察 銷量預測補貨 選品優化 多級庫存補貨倉儲 理貨案優化 任務調度優化門店管理 店執 促銷案消費品與零售服務絡規劃 市政資源調度 應急響應 交通優化 軍事作戰仿真醫學影像診斷、患者需求預測醫療內容偏好預測互聯網地物料管理優化建筑業采礦業在線監測預警產過程控制軌道交通 智能運維 智能檢修智能決策應場景地圖 系統運優化 交易市場 油供應鏈優

54、化 智能運價 智慧路由 AGV路線優化及實時調度 倉儲及配送中選址優化 港資源調度 運輸路徑規劃 反欺詐24 資產定價2022-工業“智能決策”白皮書資料來源：對杉數科技等智能決策商的調研智能決策平臺根據不同的功能需求，具象化成為多種功能模塊供企業選擇和使。各細分業頭企業已經搶先進智能決策能建設，業務價值顯著，部分企業已實現智能決策在產供銷全流程滲透?；?C3C汽汽配采礦航空港物流物流物流物流商業零售零售零售3C3C零售零售3C物流物流鋼鐵鋼鐵融家電輕紡服飾醫療融化融領先企業搶先實踐智能決策場景應，業務價值提升顯著功能類型典型場景類型企業經營與供應鏈計劃運輸優化決策智能制造決策智能決策平

55、臺基礎設施運營需求計劃庫存計劃調撥計劃產計劃排程排序物料計劃運輸計劃調度優化補貨計劃產銷協同資源調度低碳優化訂單履約路徑優化智慧交通能源優化定價管理新品投放促銷計劃客畫像智能營銷決策已經進智能決策應的代表性企業252022-工業“智能決策”白皮書實踐探索：智能決策實現業互聯價值倍增業企業通過智能決策技術實現向設備、向產、向運營、向產業鏈全場景賦能。業智能決策最佳實踐案例表明，智能決策已經幫助領先企業實現業績突破與業務變。智能決策將幫助企業實現業務跨越式變“42022-工業“智能決策”白皮書智能決策在業領域典型場景實施路徑本書重點探討業領域的智能決策應。在業領域，智能決策的典型應場景可以分為面向

56、設備、面向生產、面向運營（市場/銷售/生產/供應鏈）、面向產業鏈四。企業建設智能化的實施路徑可以先從最核的產環節切，同時打通端到端供應鏈，以及增強設備監控管理，再橫向拓展到產業鏈上下游協同創新。面向產業鏈典型場景 特殊藝反應提升產出 優化產品產出質量相關 損壞預測 預測性維修設備預測性檢修上下游協同計劃分配 同產線、多型號混最能 同型號、跨產線的最能限制 模具型號、數量，維修限制執追蹤 批次追蹤 原料鎖定 供應商管理急單加產 緊急訂貨要求 原材料供應問題 臨時排放受限間產 考慮庫存 考慮訂單/預測 產能損失向產向設備藝參數優化 產供協同 產銷協同價格協同 差異定價供應鏈融 差異信貸新品優化 定

57、位新品需求向運營需求預測 常規單品預測 促銷預測 尾品預測 新品預測庫存優化 多級庫存優化 安全庫存位 庫存位預警 補貨優化產銷協同 需求/供給匹配分析 多場景模擬和KPI分析 預計交期答復 產能缺分析倉儲優化 倉內布局優化 庫上架策略 出庫揀貨任務分配 AGV智能調度運輸優化采購計劃產計劃主計劃庫存計劃調撥計劃補貨計劃需求計劃銷售計劃促銷計劃選品計劃拜訪計劃預測性檢修 藝參數優化協同產 價格協同 新品優化 供應鏈融產環節設備控制打通端到端供應鏈產業鏈協同實施路徑 線運輸優化 城配運輸優化 運輸費率優化資料來源：愛分析研究繪制272022-工業“智能決策”白皮書智能決策在業領域典型場景向設備智

58、能決策向設備的應是通過傳感器、攝像頭等進設備狀態數據采集，再基于機器學習、深度學習、運籌優化等技術，進數據分析、建模，找到各種參數之間的對應關系，并在實踐中不斷提升算法準確度，實現視覺識別檢測、參數優化、設備檢修等應。其中智能決策中運籌優化技術的使，可以與產計劃聯動實現更合理的維修時間窗安排，實現更效的維修資源調度。通過機器學習引擎的建模型，對產藝參數進動優化，減少花費量的和物，實現特殊藝反應提升產出，優化產品產出質量。傳統式將計算機視覺應于對零件表常的裂紋缺陷的動監測中，具有準確度、速度快、檢測結果客觀、較低成本等特點。根據設備部件狀態及其相應的預估剩余循環壽命，進維護作范圍評估，確定需要進

59、的維護任務及相應資源，結合計劃作包任務安排及基地整體維修資源，進合理的時間窗安排。VS智能決策式視覺識別裂紋檢測藝參數優化依賴于的主觀觀察和判斷檢測產缺陷，在批量產檢測中效率低下、且標準不統、容易誤判?；谠囼?、數值模擬或專家知識進，成本、效率低。由于型裝備內部部件之間的復雜聯系運，傳統故障診斷式對單設備或者系統進分析很容易出現誤診或者漏診，且很難預測設備故障的發時間。分析/識別建模找到參數之間的關聯性及最佳匹配關系獲取數據（傳感器等）指導設備運故障診斷與預測性檢修部件狀態監控（實時獲取運參數）維修任務/時間窗技術評估剩余壽命預估構建運參數與維修案之間的關系特征采集（攝像頭等）AI算法訓練不斷

60、提升判斷準確率VSVS資料來源：愛分析研究繪制設備狀態實際調整計劃工作包需進行維護使用期窗口期使用期維修資源窗口282022-工業“智能決策”白皮書傳統排產模式訂單1訂單3訂單2訂單1訂單2意向單意向訂單計劃結束時刻意向單 產計劃排程模塊可以根據當前的物料能及資源能，在對當前計劃影響最的情況下對意向訂單進模擬排程，從準確回答客訂單交貨期。極增強企業快速應對市場的能智能決策向產環節的排產系統是對業企業的賦能核，是從全局優化的視對資源進合理調度，即對各類產要素的使進優化。相于傳統排產模式，智能決策產銷協同系統在主產計劃與級排產排程間，加采購計劃、物料套計算模塊，不僅可以指導期采購備貨，且可以進需求

61、波動監控，確保產套，進指導合理安排產。同時智能決策產銷排產系統能夠及時應對突發情況，通過模擬排程得出最佳案以效滿插單需求，提升企業敏捷響應的能。原排產模擬排產作業層計劃：結合需求、產能、物料等約束，協助排產計劃的決策。戰術層計劃：確定在現有資源條件下所從事的產經營活動應該達到的標，如產量、品種、產值和利潤。作業層計劃：緊急訂單的快速響應。作業層計劃：根據產實際情況，結合序、藝要求，確定產經營活動的安排。按訂單產緊急插單采購計劃（MRP）物料套計算（IPS）單維度產計劃智能決策產銷協同排產模式主產計劃（MPS）級排產排程（APS）整體資源法統籌平衡計劃成及調整效率低下法有效應對急單插單需求，嚴重

62、影響產計劃的前瞻性和穩定性線下收集效率低，信息容易不匹配且法成實時信息在智能決策的加持下，采購計劃和物料套計算作為約束因素得以被考慮在內，使得企業能夠從全局出發制定更加符合實際的產計劃。智能決策提升了企業對緊急插單需求時的敏捷響應能。意向單VS缺點敏捷響應產銷協同全局優化資料來源：愛分析研究繪制智能決策在業領域典型場景向產292022-工業“智能決策”白皮書向運營的智能決策能夠幫助企業從局部優化到全局優化，通過全局優化視，為企業決策提供核優化模擬能和擴展性。通過需求預測指導采購、產、倉儲、運輸、銷售等環節，實現端到端的聯動互通，做到快速協同，避免產環節間的短板制約造成浪費或錯失機會，從達到企業

63、經營收益最化。智能決策在業領域典型場景向運營企業效益提升智能1天/即時即時計算最優疏漏全是智能決策優化后的產銷協同狀態智能運輸平臺需求預測產銷協同智能決策系統需求、庫存、產、倉儲、運輸環節之間的傳導表現出機械化、效率差的特點。例如：企業在對市場實際需求驟降時，其他環節法瞬時響應，決策滯后導致產計劃調整遲緩，商品滯銷，倉儲、營銷壓增。產銷協同智能決策系統中包含多個功能模塊，分別對應企業實際運營中覆蓋的各個環節。各個智能模塊之間互聯互通，助企業實現全局優化。需求驟降需求預測庫存優化產優化倉儲優化運輸優化 企業借助智能決策段優化了運營過程中的多個環節，再通過產銷協同系統實現全局的優化和敏捷響應。 例

64、如：企業在對市場需求波動等不確定因素時，能夠在全局視下及時做出聯動決策。傳統數天/數周數天靠經驗有疏漏否少計劃排產等待期計劃調整、會告周期產排期物料套、產能模具驗證持提前采購敏捷產持的快反計劃模式例如產銷協同智能決策系統資料來源：愛分析研究繪制傳統運營倉儲腦多級庫存聯動模塊產排產系統智能營銷需求庫存產倉儲運輸營銷營銷優化302022-工業“智能決策”白皮書智能決策向產業鏈是在打通上下游企業信息流的基礎上，實現將產業鏈上企業整體進各種資源統調配，形成更加深度與效的協作關系。業企業可以通過上下游協同運營進柔性化產，利智能決策技術基于市場競爭進差異化定價，通過消費者數據分析，洞察流趨勢與市場需求進新

65、品優化，從在整個供應鏈系統中匹配最優產資源，同時可以為下游企業提供供應鏈融服務，提升供應鏈效率。供應鏈融原料企業2原料企業1原料企業N協同運營差異化定價新品優化元件制造企業零件制造企業品牌商組裝企業經銷商消費者企業將上下游的供應與零配件、代都考慮在的整體絡中，在加強供應鏈強度的同時，也在幫助整體上下游產業鏈完成升級，使得協同決策更加效，上下游企業的產能利和庫存都得以發揮最的價值。以核企業的資質作為信擔保，對供應鏈上所有企業的信進捆綁，為供應鏈中制造、采購、運輸、庫存、銷售等各個環節提供融資服務，評估險等級，實施差異化信貸策略，激活整個供應鏈的效運轉，促進銷售增。動態跟蹤市場需求變化和客畫像，適

66、時推出新品，并協同管理供應鏈，利數據分析定位新品需求，結合供應鏈計劃系統最優匹配產資源。利智能定價算法，基于市場需求和競爭態勢，分析價格彈性以及需求模型，靈活制定價格策略，提升收和利潤。資料來源：愛分析研究繪制智能決策在業領域典型場景向產業鏈312022-工業“智能決策”白皮書細分領域智能化程度呈現差異化發展，多數賽道頭部企業已開始將智能決策應于供應鏈協同、柔性產等環節。從業上看，當前智能決策已經從應程度較的汽制造業、3C電制造業，逐步向機械、鋼鐵、紡織等業滲透，覆蓋離散制造與流程制造典型業。業領域細分業智能化的應概況細分領域頭部企業智能決策滲透程度制造類型典型特征細分業典型應流程制造 安全險

67、 流程管控要求 污染重 能耗 鋼鐵 設備狀態檢測 綠產 藝優化 供應鏈協同 化品飲料醫藥物離散制造 序分散 個性化需求多 同質化問題嚴重 產品更新快 汽電機械設備紡織服裝輕制造 按需定制 研發設計協同 供應鏈協同 資源調度優化 產制造優化 柔性產 設備狀態檢測 根據申萬級業分類，選取業領域典型細分業分析智能決策發展滲透程度： （左圖）業制造按照產類型可分為流程制造和離散制造，因業主要特征不同，所以在其細分業內均有不同程度的應。 （右圖）根據2021年9份公布的財務數據，研究對象為業領域主要9類細分業以營收計TOP10企業（共計90家）。智能決策滲透度多品種批量機械設備電鋼鐵化汽品飲料少品種批量

68、流程制造醫藥物輕制造紡織服裝低離散制造智能決策建設滲透程度細分領域差異明顯：汽、電制造在前列資料來源：上市公司年報、愛分析研究繪制322022-工業“智能決策”白皮書整業供應鏈復雜，受疫情影響與全球產業鏈分不同，韓與德系零部件制造企業供應鏈受阻，全球整制造正經歷場巨的業變。新能源汽在中國落地開花，傳統企紛紛成為新勢造品牌代，新型供應鏈與造態加速形成，主產模式多樣需求復雜化。11%17.81%18.71%9.50%17.20%7.72%12.35%5.71%2019年我國整車企業產能利用率范圍占比整車企業產能利用率（百分比） 近年來，我國汽銷量增乏，整制造業整體產能嚴重過剩。 整業邁向以需求驅動

69、為主導的新階段，新能源汽快速發展也在對傳統汽供應鏈進重塑。 從產類型劃分，整制造屬于典型的離散制造業。 上游擁有數萬零部件，對應多層級供應鏈體系。 供應鏈的度復雜決定了對整的訂單、產、物料進統籌規劃的難度。供應鏈復雜需要精益管理燃油產能過剩，新能源汽產銷兩旺，主機產需求益復雜注：國際標準普遍認為將產能利率在79%83%之間作為正常值，產能利率低于79%則視為產能過剩。 新型供應態圈以為中，進靈活精準的定制化產。 新型供應態將變傳統串聯模式為并程，減少中間環節，最限度地提資源配置效率。 產業鏈上下游在數據流、信息流、現流的輸與輸出將實現更多觸點。新型供應鏈體系正在變局中形成新能源汽局，產類型復雜

70、化 蔚來、理想等造新勢汽商，也為傳統企提供了代機會，以帆、江淮等國內汽制造第、三梯隊的主解決過剩產能的同時獲得純代訂單成為新常態。 相燃油，新能源汽的核零部件，如主要動電池企業和產能，其全球布局更為泛。同時，全球些零部件產業的布局也在逐步向亞洲特別是中國轉移。中國已成為新型供應鏈中動電池主要的供應地之。產能兩級分化，新能源汽發展成為最變量資料來源：愛分析研究繪制汽制造業供應態復雜變化，智能決策推動精益管理中游上游機械電鋼鐵塑料油漆橡玻璃紡織下游物流銷售融改裝維修備件加油駕培訓殼窗廂安全防護內飾件配企機構電器照明空調起動機傳動系底盤電電器整發動機曲軸連桿供給系冷卻系冷卻系駛系轉向系制動裝置產能利

71、率于80%的企業僅有28.1%332022-工業“智能決策”白皮書汽眾汽有限公司是我國第個按經濟規模起步建設的現代化乘產企業，產能布局五地六，產品覆蓋三品牌共20余款產品。公司混合產線情況復雜，排產難度極，排產耗時低效，法定量分析考慮能耗成本。通過智能決策系統成單成本最低的產計劃，有效降低成本的同時提升產能，提升物料籌措過程中的準確率，減少浪費。排產速度慢，加之排產為計劃討論和調整留下充分余地，導致計劃平衡周期過，效率極低。p 不全面汽眾希望通過智能排產，通過精準需求的計劃指導資源籌措，實現成本最化焊裝1焊裝2涂裝1涂裝2總裝1總裝2涂裝總裝焊裝1焊裝2焊裝1背景需求每年能耗超過18億元，產成

72、本。汽眾混合型產線情況復雜針對對多產線及JPH不同的情況，排產困難度極排產弊端p 低效率p 高成本排產法統優劣標準，全定量分析，同時滿產線要求和經濟性要求，例如能耗成本在當前排產中不會考慮。 汽眾五地六，節約產成本1000萬/年/ JPH提升1%，貢獻產能1萬臺 平衡周期5天減少2天，減少設備停產2%，貢獻產能5000臺 提升管理平：提升型整個BOP需求的精準度，進步提升了產管理的精細程度 提升籌措準確率：提升物料需求的準確率，更好的指導供應商產 降低成本：通過提升需求準確率提升供應滿率，降低庫存，進步減少籌措過程中的浪費，減少成本效果價值解決案單產成本=（能耗成本=成本+后勤成本）/產量符合

73、約束條件下次單產成本最低的產計劃班次信息 銷售預測排產周期JPH 需求滿產量均衡排產約束滿數據輸標+排產模式和策略設置策略優化排產結果分析求解器業收益價值轉化汽眾：智能排產實現單成本最化342022-工業“智能決策”白皮書上汽通：以平準化產排序為綱，實現均衡化物料需求上汽通作為國內頭整制造之，在本化發展過程中，國外整信息化具法滿國內產制造實際的需要，原先的動作式已經成為制造智能化、精細化的發展瓶頸。為了提產計劃效率，迎合國內制造數字化的趨勢，該企業通過建設智能排產系統實現了排產和物流優化。上汽通某主機擁有三個間，可同時產五種型。原有的排產和物料計劃規則是三個間按照同序列、取最的路徑，再按同節拍

74、打散到物料需求。0.020.0JQCP各車型 計劃JPHp 線與主線產、級制造計劃（JPH和序列）不致p 所有間共個排序計劃p 各類物料需求不均衡p 物料實際需求量與預測值有較波動，出現溢庫和緊急拉動p 實際物料運輸次&裝載率波動這些問題導致按藝要求和物流最優制定分間排序計劃，確保各間排序計劃與實際產規則致優化輸出符合各區域產規則的平準&循環排序計劃，以達到均衡貨量的要求。改進系統功能，實時制造信息采集與跟蹤，實現重排序更新單獨制定線排序計劃，提升線計劃與實際產匹配度 整車平準化排產 分車間排序 車身分子線排產整數字化排產系統應讓上汽通實現更精準、更效、更均衡的排產標，實現了精細化的物料拉動，

75、降低了物流成本?；谡女a優化項對運輸效率的提升，結合各路線/供應商結算模式，預計年化收益達數百萬。Inputoutput業務數據汽訂單（系-型-配置等）算法數據靜態業務約束規則SAP Leadtime約束規則固定算法參數intermediate初始值動態約束算法可配置參數算反簡易版產能化成VAPSS輸入內部算法模塊流轉參數業務數據BS序列PS序列GA序列3個間計劃下線時間評價指標statistics約束違背統計分析reportVAPSS總輸出背景需求解決方案效果收益p 整排產度計劃JPH與規劃JPH存在較差異在實際產過程中，產了如下問題VAPSS計劃拉動物流次運輸效率10%均運輸管理費7%提

76、升降低352022-工業“智能決策”白皮書“產+供應+倉儲+物流”全整合，創造主機全局優化新模式整產裝配涉及眾多供應商與上萬種零件，為保證平穩產，供應、倉儲及場物流都臨解決復雜約束問題的挑戰。通過智能決策技術，將實現“產+供應+倉儲+物流”的全整合，從局部優化到全局優化。例如：通過配送路徑與運輸輛裝載率聯合優化，助整企業實現產前供應鏈更深層次的精益管理，達到降本增效的的。業困境初始化次次輸出Hub優化算次優化算單TSP算建模求解后處理預處理解決案效果收益保障產穩定，降低倉儲積需求使得鏈路更加通暢調度實現動化，節省成本和運輸成本節約場外庫積總次與總程數min裝載率max可視化次按托匯總，輸出次指

77、標產平準化要求： 考慮提卸貨的站點順序，決定在廂內的裝箱位置 考慮托盤之間的碼放規則，最化裝載率單裝箱調整成本節約效率提升管理升級標準箱型的智能化拼箱、拼托提卡裝載率，降低卡送貨頻次次路徑復雜：裝 載 率 問 題：需要平衡各個零件消耗速率與倉儲積。輛裝載率低，造成資源浪費。場外庫數量多，且呈多地分布，場物流運輸需要更科學的規劃。拼托碼放提取站點間距離矩陣體積數量轉化根據拉動需求和拼托結果成配送時間窗成配送運單優化標配載難度組托計算邏輯多組垛型多配載組垛需考慮多個維度，例如：交付時間與成本，訂單類型，距離（區域）業務場景復雜，存在DC,RDC,LOC等等同場景下多條線路路線規劃362022-工業

78、“智能決策”白皮書化學業曾隨著經濟快速發展壯，成為我國重要的柱產業之，但隨著數字經濟的不斷發展，多數企業逐漸成為附加值低、產能落后的傳統型企業。污染、耗能的特性使得化業亟待轉型。且部分業產能過剩嚴重，利潤率低，與“綠制造”格格不，對于化學業企業，業互聯智能化轉型則是適應新時代發展的唯出路?；瘶I：產銷失衡并臨環保挑戰，智能化轉型成破局向綜合利資源生產特征顯著產配嚴格、中間產品多耗能、污染配置產過程對環保合規的要求對產連續性的要求行業競爭加劇同質化競爭嚴重附加值低產能過剩動化平，儀器儀表類設備為產流程中創造海量數據，標準化程度對資源配置的要求對產銷聯動性的要求對營銷體系的要求市場環境產資源最優配置

79、設備產排程追蹤產銷協同運營營銷體系新藝精細化管理產數據效利66%24%10%化工行業上市公司利潤率分布比例1億1億以內虧損26%74%化工行業上市公司數字化轉型比例（營收CR50）數字化轉型中尚未部署數字化轉型根據2021年9公布凈利潤數據，A股化學制品業上市公司273家，其中24%的企業凈利潤不到1億元幣，10%企業處于虧損狀態。業整體經營壓。數據徑：2021年9份公布財務數據凈利潤TTM：最近發布的四個季度凈利潤累計值數據來源：上市公司年報、愛分析研究繪制數據來源：上市公司年報、愛分析研究繪制化工行業3成以上上市企業盈利微薄甚至虧損化工行業整體數字化滲透率低，7成以上上市公司未部署數字化建

80、設愛分析根據2021年9份公布的財務數據，按照營業收對A股化學制品業前50家企業進了掃描，其中有13家企業對數字化轉型做出了部署。資料來源：愛分析研究繪制372022-工業“智能決策”白皮書六國化是集化肥、肥料、化學制品、磷膏、礦渣等產、加和銷售為體的上市公司?；十a具有明顯的淡旺季周期性，且化肥品種多競爭激烈，如何匹配市場需求，產合適種類的化肥實現收益最化，成為亟待解決的現實問題。六國化供應鏈計劃仍在線下靠制定完成，效率低，急需套案實現產銷快速協同，快速響應市場。六國化：業需求難以預測，響應速度跟不上市場變化錯失良機化肥產品季節性強寄售占過同質化嚴重，競爭激烈，產能過剩銷售鏈條過環保安全對藝

81、的要求行業背景企業現狀業務痛點供應鏈計劃制定，耗時（3周），可執性差（粗顆粒度并存在量反復調整過程)。旺季銷售難預估：從前采“拍腦袋”形式根據歷史銷量進預估，且法精確到不同化肥種類。難以合理安排庫存旺季產能不、淡季滯銷，在不同化肥種類之間產了既產能不產能過剩的畸形狀態。信息流單向流通，效率低業務覆蓋的產品種類多、地域范圍、銷售渠道復雜100+品種250萬噸化肥三季市場1600個經銷商2萬個電商200+名銷售員7家公司18個銷區30個省份經銷商、公司、集團缺乏統的市場認知，改阻重重歷史數據產品信息價格折扣營銷信息業績指標決策層主觀判斷+傳統需求預測背景介紹亟須提升精細化管理能力總成本：體現產、運

82、輸、倉儲成本分配投產出：體現產決策提升產銷協同能提升需求預測、需求響應能提升市場響應速度降低缺貨概率減少不必要的緊急訂單減少滯庫存提投產出資源合理分配增加銷售機會周轉率：反映庫存周轉速度快慢產能利率：反映淡旺季產能利情況響應周期：反映產制造及供應鏈對市場需求波動的響應能目標訴求主要指標382022-工業“智能決策”白皮書六國化：構建全局可控產銷協同系統，打造企業精細化管理能六國化通過建設產銷協同智能決策系統實現了智能化升級，通過更加合理地安排產物料資源，實現利潤最化。企業利銷量預測，掌握市場動態，合理規劃企業供應鏈；產銷協同的智能決策系統實現了以利潤為導向，指導整體采購、產、庫存、發運。同時通

83、過優化產能規劃與產藝，進步符合環?？刂埔?。SAP線銷售數據反饋SMSERP外部數據媒體政府公開地理經濟業數據內部信息數據打通深度學習、定制建模產品A需求產品B需求產品C需求概率預測法庫存優化場外庫經銷商最終客多級庫存聯動優化庫存仿真動態安全庫存優化對六國化庫存進全局優化，統調配全國可化肥庫存和倉庫資源智能計劃排產將提報的下個的銷量預測分配到每個，輸出成本最優&實際產量最匹配的產品產計劃動態的計劃調整訂單交期預估急單插單排產智能排程恒定產速率下當前份的天度產任務安排產銷協同智能決策系統生產優化 六國化在每的“計劃評優會”上借助“產銷協同職智能決策系統”，對潛在可能出現的場景進模擬，并查看相應場

84、景下的結果，以便做出最優決策，于直觀地指導后續產、銷售、采購等計劃。 效的協同模擬可以幫助企業將偶發變動因素（例如：偶發急單插單計劃）快速可視化，得出現有產計劃影響最、產成本最低的案。需求預測提質增效成果庫存周轉率提升超過10%倉儲成本預計降低2000萬運輸費降低5%需求計劃產計劃投時間減少50%部間協同效率提20%市場響應速度及客忠誠度提升5%庫存積壓降低20%0123452020年1月2020年2月2020年3月2020年4月2020年5月2020年6月2020年7月2020年8月2020年9月2020年10月結余庫存水平（仿真結果）六國算法淡季旺季2016-032017-012017-1

85、12018-092019-07050100150200250300qtyforecast某類化肥區域銷售預測392022-工業“智能決策”白皮書行業特征：3C產品零部件數量眾多，以標產品為主，體積、精度要求產業鏈構成完整，分明確以OEM/ODM模式為主業務瓶頸：企業之間同質化嚴重，競爭激烈技術更新速度快，產品命周期短，導致庫存積壓嚴重3C電子制造業產業鏈示意圖企業從某垂直細分領域逐漸擴張，成為覆蓋多品類、擁有多的業巨頭，規模協同需求激增。智能排產排程需求預測制造模式轉型集團戰略轉型：快速滿足用戶需求的最佳體驗排產模式轉型規模批量制造定制發展規劃，批量多型號訂單到周單排產模式全流程聯通，訂單即時

86、下單，即時排產業特殊性需求，如共料、專料的計劃、管理、分配、領約束較多，管理復雜低效，需要提升管理能。以物料套為核出發點，綜合考慮銷售訂單、庫存、采購計劃、采購訂單、交貨單等因素，進業務優化。智能排產產協同原材料協同送貨協同交期反饋交付計劃排產計劃不同類型智能化轉型動因，擁有相同智能決策應用訴求行業特征鮮明，業務瓶頸復雜企業發展戰略調整，原來的產式法滿新的發展需要 戰略驅動型從單產品到多品類、多的業巨頭 橫向擴張型特殊產過程需求不同，約束條件較多 特殊需求型通過與下游品牌商實現度協同，提升供應鏈敏捷性和產柔性，實現降低存貨成本、庫存成本、物流運輸成本的標。資料來源：愛分析研究繪制3C電制造業相

87、對于整體制造業領域發展成熟，產業鏈構成完整。因消費升級與技術新的帶動，擁有企業之間同質化嚴重、技術更新速度快、產品命周期短，庫存積壓嚴重等特點。同時，不同類型企業因戰略驅動、橫向擴展、特殊需求等動因，都在智能化轉型過程中亟需智能決策幫助企業實現更敏捷的智能排產，從提升市場競爭。3C電制造業業務瓶頸復雜交錯，競爭激烈且易受市場波動上游：電元件顯屏外殼PCB電池芯攝像頭中游：產制造下游電腦通訊消費電線通訊設備（機）智能家居PC平板終端相機硬件交換設備機周邊傳輸設備響電視品牌商經銷商零售商402022-工業“智能決策”白皮書海爾集團：產計劃系統幫助企業真正實現業4.0背景需求收益成果海爾冰箱在全球擁

88、有10研發中，30座互聯，6品牌集群，覆蓋全球每個本市場，以往基于單業務場景的排產流程，隨著企業規模不斷發展，已經不能滿業務需求。海爾集團在卡奧斯COSMOPlat業互聯平臺基礎上，采杉數科技智能產計劃系統，實現了動化柔性排產，取得了多種收益。 需求清單：考慮未來周訂單在兼顧產效率的同時減少換模次數考慮的物料供應限制、產線產能限制、模具使規則限制，訂單優先級限制，次動排產到產線，輸出該內的天加計劃指令智能識別異常，持業務主分析共計推復制：9家 核心痛點：該企業前依靠經驗，進排查，構建了套基于單業務場景進加計劃排產的流程，隨業務發展，單的計劃排產系統已經不能滿客業務的需求，需要量的預，嚴重影響產

89、效率。計劃成及調整效率低下整體資源法統籌平衡線下收集效率低，信息容易不匹配法實時展法實現動化推送等系統功能 核心目標：在卡奧斯COSMOPlat業互聯平臺基礎上，通過智能產計劃系統，幫助企業真正地實現動、智能的產計劃，從機械繁復的作中解放計劃員，實現企業供應鏈更加柔性的進整體計劃安排。輸BOM基礎數據歷規則加周期庫存加計劃需求9個3000+個產品1周內銷+外銷需求上百萬種可能計劃百萬級限制條件智能計劃引擎天顆粒度產品詳細加指令輸出秒顆粒度時序產計劃產品未滿訂單詳情訂單、換模次數KPI統計解決方案9+推廣上線工廠數1min單次運算時間不超過70%人工排產干預降低50%換模次數降低30%產能損失率

90、降低20%訂單滿足率提升412022-工業“智能決策”白皮書舜宇光電：以產供銷協同為基礎，全局優化實現物料分配智能決策背景需求解決方案效果收益按客分配的物料采購與庫存依靠計算統計，準確率、清晰度與效率低。系統發料信息依靠線下傳遞，多線下溝通占量與時間。專物料挪分配依靠記錄，易出現物料混情況，加客投訴的險，另外導致產計劃重新排產分配，增加產成本。訂單達成率10%庫存周轉天數7%提升降低線上雙層動套檢查，減少核算，提數據精度，提升決策效率完成數據協同打通，加快決策速度減少原料缺貨，降低庫存周轉，提升客滿意度舜宇光學科技集團是全球領先的綜合光學零件及產品制造商，信息化和數字化建設處于業領先地位，通的

91、業產運營系統法滿舜宇光電在銷售訂單、產狀況、庫存平等動態多約束條件下進物料的計劃、分配、領需求。通過以產供銷體的思路進物料分配，舜宇光電實現了智能化物料管理，并帶來了產、庫存和運營各環節協同優化效益。計劃齊套檢查客戶二級物料計劃生產齊套檢查物料供應分配建議采購計劃建議客庫存挪建議光電元件所需零件種類繁多，且需要嚴格配套，物料套作復雜。不同訂單之間部分種類物料可共，共料按單分配難度。外部訂單需求、庫存平、產狀況等因素動態變化，物料分配案也需動態調整。物料分配需考慮齊套問題，共用料問題，以及外部影響因素動態變化問題，決策復雜物料分配多環節需要人工干預，弊端明顯基礎約束訂單需求變化生產狀況變化庫存采

92、購變化物料主數據BOM主數據供應商主數據.訂單優先級訂單類型交貨期.計劃完期訂單類型交貨期.客鎖定庫存庫存現有量到貨期.輸出標物料智能分配決策平臺422022-工業“智能決策”白皮書5躬局：業智能決策應落地法論智能決策落地核在于智能決策平臺的建設，選擇擁有技術和豐富落地經驗的合作伙伴，有利于智能決策系統快速部署，快速效。智能決策幫助企業實現全局優化，有利于企業在更的發展時間保持更有優勢的競爭?！?022-工業“智能決策”白皮書業企業智能決策建設常的四誤區業企業通常在智能化建設時存在個的誤區，軟硬系統的體化打造、流程組織和系統的協同、打通數據壁壘等對企業的數智能化建設關重要。打通業務環節的數據孤

93、島與煙囪數據挖掘和建模深度結合業務場景建數據驅動決策的業務變各類硬件之間獨，法串聯各部之間信息傳輸效率低下缺乏中控核的指揮系統誤區1重設備智能化，輕系統柔性化智慧不是智能設備的簡單堆砌，需要由統效的算法調度IT部搭建數據業務中臺就算完成轉型所有業務流程有IT系統就算完成轉型所有決策都有數據撐就算是完成轉型誤區3數字化轉型信息化轉型企業層親掛帥建起專職的數字化職能部/CDO由“虛”到“實”構建數字化職能組織誤區4規劃時間過 整個規劃周期跟不上業務變化 獨模塊之間打通的成本常 咨詢案，重流程不重產出設置專項團隊，消除信息壁壘定期對業務現狀與規劃之間進分析快速迭代數字化轉型案，步快跑誤區2重前端展，

94、輕底層邏輯數據的簡單展和堆砌缺乏數據的深度挖掘和分析法真正指導業務決策和體現價值打通軟硬件之間的信息壁壘深度結合實際場景的專業軟件建體化的軟硬件系統數字化分析看板真正的商業智能，分析與決策更重要流程、組織、系統及科技需要協同作戰數字化轉型規劃需要敏捷開發，定期復盤，快速迭代442022-工業“智能決策”白皮書業企業在推進智能決策應的落地過程中，需要有體系化法論撐，以保證建設過程和結果可靠。建設智能決策平臺，并選擇最佳業務場景落地，是智能決策應的核要素。平臺建設，業企業需要具備定的數據基礎，并選擇擁有較強技術、產品、落地經驗和服務能的商作為合作伙伴。業務場景選擇，業企業需要以全局優化為標遠規劃，

95、并從業務情況出發，定位智能決策場景的優先區率先落地，有助于快速實現收益。管理層推動智能決策落地的決，對業務流程進梳理與規范，匹配的能夠撐期運營的團隊和數據驅動的組織化，是智能決策建設的撐保障。資料來源：愛分析研究繪制智能決策應落地法論管理層推動落地智能決策的決組織和化建設建立數據驅動的組織文化支持智能決策長期運營的團隊建設以全局優化為標，逐步推進智能決策場景落地智能決策平臺建設數據基礎設施建設機器學習深度學習核要素打通信息數據孤島業務增運籌優化技術模塊化敏捷開發時效性好產品程化落地案例業專業化程度經驗本化團隊定制化開發及時響應服務向設備向產向運營向產業鏈商選型業務流程梳理與規范準確與完善的數據

96、規范治理迭代進步持保障45統數據治理平臺2022-工業“智能決策”白皮書 數據完備性和可獲得性 輸的標準化程度 結果輸出可標準化程度 場景聯動數量 軟件兼容性場景識別場景排序建設實施企業總體收益的實現需要產、營銷、倉儲、運輸各環節之間相互配合。僅在局部優化，優化的環節會受到短板環節的掣肘，法發揮出應有的價值。企業從原材料到最終交付的完整鏈條當中。各環節成本之間呈現出“蹺蹺板”式的關系，往往牽發動全，因此必須全局優化，統籌考量。業產各環節成本關聯性強，有相互制約性，僅考慮單環節成本最優則會陷“桶效應”，所以智能決策應以全局優化為標實現企業綜合收益最化。在實際操作中，業企業可根據業務場景數據基礎完

97、備程度以及潛在收益ROI綜合考量優先場景進智能決策落地建設。全局優化場景優先級重點建設區潛在收益ROI數據基礎完備程度識別場景價值評價數據基礎針對痛點需求進案設計產需求采購倉儲運輸營銷企業收益實現智能決策全局優化企業“收-成本”意圖全局優化以企業綜合收益最化為結果導向123智能決策應要以全局優化為標全局優化的智能決策系統將打通各部、各產環節之間的“信息孤島”，利全局優化的視，綜合考慮產供銷各個環節中的成本，達到降低總成本的標。防陷“桶效應”的短板制約，導致投產差，資源浪費，錯失發展機會。由于智能決策結果是綜合所有內外部因素后的智能產出，所以全局的部署和滲透才能使智能決策效果貼近理想平，真正地決

98、勝于市場競爭。優先區必做區次優先區資料來源：愛分析研究繪制訂單式產 訂單模擬、產銷協同庫存式產 庫存位控制 多級庫存絡優化裝備制造類 質量監測其他流程制造 物流倉儲優化縮短的業務決策時間節省的時減少的全職員數準確率的提復購客的提升市場有效觸達范圍和次數提升潛在收益ROI數據基礎完備度指標影響因分布不同產模式優先區場景全局優化視下，智能決策場景落地需要優先級規劃462022-工業“智能決策”白皮書業領域規劃系統多數采規則式和啟發式算法，隨著業務場景復雜度增加，僅能作為替代計算，從快速得到可的規劃案，但是法保證案全局最優，也法量化案結果。技術選擇智能決策商需要綜合考量技術、產品、落地經驗、服務能四

99、維度。對更為復雜的產場景以及應對企業敏捷性的要求以流程控制、傳統規則式的解決案，逐漸顯現出低效性，在業4.0時代，機器學習與運籌優化結合的智能決策，可以應對要素條件、組合式、配置效率發改變等復雜條件下多約束求最優解，成為業互聯建設中解決復雜場景問題的主流技術路徑。近年國際形勢變化、經濟貿易摩擦升級，國外商合作穩定性不可控，尤其在智能等新技術領域的來國際的經濟封鎖尤為嚴重，對于企業來說，為了避免經濟投淪為沉沒成本，更穩定更線的合作伙伴顯得關重要。技術路徑我國已將業化數字轉型的主可控上升國家經濟戰略層度，并出臺多份政策件做出指引。故國內商的選擇是企業數字化轉型更為線考慮和優質的選擇。主可控通過以機

100、器學習、深度學習、強化學習為代表的技術，對數據特征進分析建模，并通過模擬仿真或實踐數據，對預測類問題不斷迭代優化。多種機器學習算法與運籌優化技術交叉融合，利求解器在多約束條件下對復雜問題建模求解，成為前業智能化建設最新的技術趨勢，更代表未來智能決策應的主流技術路徑。產排程路徑優化需求預測藝優化機器學習機器學習+運籌優化產品落地經驗服務能模塊化匹配多場景需求敏捷開發產品快速落地有豐富的模塊化產品匹配業企業復雜的場景需求是選擇智能決策商的重要考量因素，模塊化產品須從0到1開發，整體研發周期短，產品可以快速上線，收益可以短期效。程化落地案例豐富業專業化程度場景貼合度本化團隊不同場景智能化建設時間周期

101、多需要數的時間，實施前需要量的實際調研與需求溝通，實施中需要對企業業務有深的了解，將涉及多個部的聯動與溝通。從案的構建到落地全過程需要業企業與商進度配合，商是否有本化的落地團隊直接影響項的實施進度與效果，語與化的差異也會形成配合中的阻礙。定制化開發端到端解決案及時響應程化落地經驗豐富的商，在應對復雜的定制化需求時的綜合能更強，同類業案例越多，有助于商提升垂直業專業程度，對企業需求痛點理解越深刻，場景化解決能越強。收益快速效規則式啟發式規劃系統3.0時代業信息化資料來源：愛分析研究繪制4.0時代業互聯智能決策商選型要綜合考量四維度472022-工業“智能決策”白皮書技術路徑發展方向工業信息化3.

102、0時代工業互聯網4.0時代強弱機器學習技術為主運籌優化+機器學習規則式啟發式運籌優化+機器學習從向設備、向產、向運營、向供應鏈的跨場景能強弱上劃分，可以分為單/多場景落地能與全場景落地能?？鐖鼍奥涞啬芰θ珗鼍奥涞啬苋珗鼍奥涞啬軉螁? /多場景落地能多場景落地能資料來源：愛分析研究繪制智能決策解決案商眾多。包含在業3.0時代，通過規則式啟發式技術提供產排程類解決案商，以及前業4.0時代使新代信息通信技術為主要路徑的智能決策案商。在業4.0時代逐漸形成以機器學習技術為主、運籌優化與機器學習技術相結合的兩種技術路徑，其中運籌優化與機器學習技術相結合的技術路徑為目前主流發展方向，此種技術路徑同時也擁有

103、了全場景落地解決的能力。運籌優化技術與機器學習技術是相輔相成共同促進的關系。機器學習算法中蘊含運籌學思想，運籌優化技術本也需要如機器學習、強化學習等技術加持。因商技術依賴性不同，所以在業互聯時代會有兩種不同類型的技術路徑。機器學習技術為主的商，部分是在某類AI技術的領先企業，能外溢讓其突破原有業或場景邊際；另部分是在業單或多場景有豐富業經驗，隨著新時代技術發展，通過機器學習技術優化原有解決案。運籌優化與機器學習技術相結合的商，多數擁有研求解器，可以通過更快速度在更復雜的問題中得到優化解決案，從擁有全局優化的能，是前智能決策技術路徑主流的發展向。智能決策解決案商圖譜482022-工業“智能決策”

104、白皮書智能決策場景建設需要企業上下變經驗式化為數據驅動式化；同時，為了實現企業從局部優化向全局優化，需要搭建智能決策應相關運營團隊，幫助企業做到業務流程與運營規范化，從具備持續擴展智能決策應、實現智能決策業務價值的能。期運營的團隊建設智能決策需要搭建業務分析團隊與IT團隊IT團隊負責后續系統運維、測試、部署作。業務分析團隊負責對公司運營數據進監控、評估和分析，并通過業研究、競爭對狀態跟蹤等式，輔助企業的經營及戰略決策。業務分析團隊通過分析數據，精確提出當前業務場景下所需的智能化變需要，IT團隊將這種需求轉化為落地案。如何進智能化轉型團隊建設多數傳統制造業企業均存在數字化才儲備不的問題，企業可以

105、綜合考慮項需求、業務特征、成本預算等因素，選擇主搭建或是委托運營。傳統業企業可能因智能化建設引發組織結構的調整，企業應敏捷調整，為智能化轉型提供保障。從經驗驅動轉變為數據驅動業企業傳統化般是典型的“匠式思維”，珍視在產過程中的經驗總結和積累，這種對于經驗指導業務的堅持，往往容易成為智能決策落地的阻礙因素。智能化轉型在供應鏈全局優化等業務場景中的應，先要做到量化決策，決策的整個過程都需要基于數據的撐。因此，業企業需要培育數據驅動化，相信數據和算法的量，區別于匠化，擺脫以往的經驗束縛。建設數據驅動的組織化上下推動企業需要培養從管理者到員的數字化思維，消除認知偏差，從堅定轉型的信念，破除轉型阻。業務

106、調研能數據整理能IT團隊能要求業務分析團隊能要求開發算法通識數據庫設計上線運維能軟件測評能運營規范化是智能決策精準實施必要的前提智能決策應落地需要業務流程及運營規范化，從避免不準確與不完善的數據，污染整個數據命周期，破壞價值鏈條。培育數據驅動的企業化，建設運營團隊是智能決策建設的重要保障經驗驅動數據驅動492022-工業“智能決策”白皮書6展望未來：業智能決策發展前瞻機器學習與運籌優化技術進步結合，將成為智能決策技術的核關鍵。隨著市場認知深化與技術迭代，智能決策技術也將泛應于更多業場景，幫助企業實現智能化轉型，賦能實體經濟。未來的智能最重要的突破應該與優化算法緊密結合。機器學習之Michael

107、 Jordan“2022-工業“智能決策”白皮書前，雖然機器學習技術的發展新異，但是單純使機器學習的法對現實中般性問題求解的可靠性還有待進步論證。在未來相當的時間內，機器學習與運籌優化的結合仍會作為智能決策最為前沿的技術發展向。從技術原理進拆解，機器學習與運籌優化技術可以在數據、模型和求解器三個層進結合，具體結合式則分多樣化?？偟膩碚f，深度學習、強化學習等機器學習領域技術的突破，將為智能決策提供更好的初始解、更好的策略以及簡化模型等做出重要貢獻，者的發展與結合將不斷促進智能決策技術擴充能邊界。采運籌優化算法指導強化學習增強機器學習在不同運籌學問題上的泛化能強化學習的優勢在于通過交互獲取環境的動

108、態信息，從解決規模復雜系統性問題。但其存在收斂效率不、速度過慢、不穩定等問題。因此可以考慮其他啟發式算法指導，提強化學習的效率并降低學習難度，提升處理具體問題時的準確性與穩健性。技術前沿的探索向針對現階段精準建模難，動態問題建模難的瓶頸，逐步提升基于深度強化學習模型的精準度，使模型更加符合趨復雜的動態系統的需要。將元學習、遷移學習、多任務學習以及終學習等法引RL并應于運籌優化領域，使其能夠在對新問題時快速發現問題的本質，并能遷移以往的學習經驗來加速學習進程。提升模型精準度資料來源：愛分析研究繪制機器學習與運籌優化技術結合，促進智能決策技術不斷擴充能邊界機器學習與運籌優化結合層次數據基礎A深度學

109、習強化學習預測數據B模型1模型2決策數據C機器學習運籌優化優化的模型運籌優化學習發現規律啟發、優化模型擴充數據基礎，預測更加準確起始環節2環節1模塊1+AI模塊2模塊3模塊4內嵌深度學習強化學習算法分求解結果求解器式2結合層次復雜簡單求解器數據基礎A深度學習強化學習機器學習決策數據C數據層模型層求解器層預測數據B求解器式1式3512022-工業“智能決策”白皮書業智能決策處于技術接納命周期早期，未來五年將逐步實現規?；S著市場認知與技術的雙重強化疊加影響，越來越多的業企業將采智能決策技術，更多的場景的落地也將驅動智能決策成熟度進步提。資料來源：愛分析整理繪制創新者早期采者早期眾晚期眾落伍者產品

110、能度時間技術接納命周期曲線智能決策技術為企業帶來的提質增效降本的價值體現，將有效助企業獲得第增曲線。隨著智能決策技術的升級和滲透到更多場景釋放價值，業企業對智能決策的市場認知度將會提升，帶來市場接納度進步提。前，業智能決策技術尚處于技術接納命周期曲線的早期，預計未來5年將逐步滲透早期采者和早期眾，向規?；?。2.5%13.5%34%34%16%來業企業的需求和供給端的技術均健康發展，勢必會帶來智能決策市場的成，更多的商業案例涌現隨著企業對智能決策認知的不斷提隨著機器學習、運籌優化等相關技術的不斷發展市場涌現出更多數量和更多種類的需求技術層可以持有更多的需求得到滿認知技術多元市場需求技術持能更多實

111、際應案例的落地企業效、市場繁榮將進步加強企業對智能決策的正向認知量應案例的落地將產更多更有價值的數據，催出更多更準確的模型，反哺技術發展52智能決策技術2022-工業“智能決策”白皮書需求釋放標準模塊未來變隨著標準化帶來的規模效應，智能決策技術將成為業企業實現智能制造必備的技術案，同時也將賦能中國經濟實現彎道超。智能制造降本增效柔性產節能減排敏捷響應助實現智能制造智能決策技術在業互聯建設中的泛運，將全激活業數據，為我國智能制造裝上決策腦，將有效助實體經濟提質降本增效，并在碳跡、碳排放等能耗、減排等業領域的關切問題中顯。智能化時代的到來，業企業可以提全要素產率，發揮智能決策技術對經濟發展的放、疊加、倍增作。智能決策技術將成為企業獲得第增曲線的重要密碼，也將成為企業彎道超的重要驅動。智能決策將成為未來領先業企業必備的能前，領先企業正在通過智能決策技術拉開與后進者之間的距離，隨著市場認知、技術的循環強化，更多的市場需求被釋放，智能決策技術將成為越來越多的業企業必備的解決案。智 能 決 策 商 也 將 從 能 效 相 對 較 低 的 “ 產品”+“定制”模式逐步轉化為“標準化功能模塊產品”的供給，滿不同企業的相似需求。智能決策技術將在更多領域被普遍使，全業也將迎來新輪商業變。標準化帶來規模效應53