智能供應鏈在智能制造領域的應用(上）

文/邱伏生

智能制造的發展，必須要有智能供應鏈作為保障

智能制造強調數字化、網絡化和智能化，強調端到端的拉通，強調橫向與縱向協同，不僅僅強調智能制造本身，智能供應鏈更是智能制造的應有之義。智能制造必須要有智能供應鏈作為保證，才能夠實現精益制造、安定制造、有效制造、有效交付。如果沒有智能供應鏈的協同與匹配，智能制造將停留在實驗室階段—實際上智能供應鏈的應用場景，更多還是與智能制造相匹配、相適應的。從供應鏈整體而言，智能制造其實是智能供應鏈的一個核心環節。通俗而言，它們應該是在一個“生態圈”里。本文介紹了智能供應鏈在智能制造領域的典型應用，分析了制造企業智能供應鏈存在的瓶頸與實現的路徑。

一、智能供應鏈在智能制造領域的典型應用

智能供應鏈在智能制造領域的應用主要體現在五個方面：

1.智能研發、設計與智能供應鏈過程仿真

《中國制造2025》將創新擺在了制造業發展全局的核心位置。“智能研發”是實現強大的創新能力的支柱和必要條件，是智能制造先決水平、提升企業競爭力的核心要素之一。

智能化研發需要實現產品數字化、研發數字化、業務數字化（主要信息數據可以分為關聯知識、項目管理、技術參數、產品系列、運營過程等）；不僅僅是就產品本身展開的研制與開發，而是更多的需要強調產品的可制造性、可流通性、安全性、有效性、可銷售性（終端銷售人員對于產品研發初衷和價值的傳遞）和客戶的滿意度，必須站在全價值鏈的高度來思考和模擬仿真。智能化研發的終極目標只有一個，就是讓產品更加順應中國乃至全球市場的需求。智能研發需要從龐大的用戶基盤、用戶數據、產業發展導向數據等，以有助于進行完善、可信的市場調研，而超強的研發實力和長期的技術積累、對市場的精準把握，更是研發更好產品的基礎。

比如，汽車開發中心使用虛擬化技術，在正式進行撞擊測試之前，首先模擬多次撞擊實驗結果，減少撞擊測試的整車數量，從而減少成本和裝配時間，大幅提升研發效率。同時，智能化研發也要求研發團隊擁有統籌貫穿產業鏈智能化的要求的能力，進行相應產品研發設計，以支撐之后的智能制造、智能物流、智能銷售管理等產業鏈可視化聯動，進而實現靈活協同為終端客戶加速提供高度定制的產品和服務。

達到智能化的研發管理，將進一步推動制造、物流、銷售環節實現智能供應鏈。研發部門可以在研發過程中結合制造、物流、銷售的智能化需求，設計開發產品，以更好地加快制造、物流、銷售環節效率，縮短產品開發生產周期，實現大規模快速定制化生產，提高消費者、客戶對產品或解決方案的滿意度。例如，通過實現模塊化管理技術，優化產品模塊設計，可以使客戶能在最短時間完成解決方案配置，同時將模塊化設計運用到生產線制造流程管理，從而達到快速定制生產的目的。

通過信息化技術實現的數字化的研發管理將大幅提升研發效率、降低研發風險，增強創新能力。在研發過程中運用數字化技術實現虛擬模擬及個性化技術，幫助企業在開發前期即進行產品模擬，產品測試不需要等待硬件到位，即可進行性能測試，將大大幫助縮短研發周期，提高研發效率。通過智能嵌入、大數據和實時數據的管理、分析和分享，以及全面使用貫穿產品周期的開發、制造、物料和使用數據，將大幅降低研發風險，從而降低產品周期管理中其他環節因研發問題導致的潛在損失。

與傳統的供應鏈現場數據收集后再進行人工整理、輸入系統不同，智能嵌入技術將幫助實現實時環境和使用數據的采集和傳輸，確保了供應鏈全過程數據的準確性、完整性、實時性。實時數據能大幅加強研發設計產品的可靠性，減少因數據不精確、數據滯后或差別環境造成的產品問題（如樣品測試失敗、生產停線、質量退回等），從而降低產品開發風險。

應用可視化技術，智能供應鏈能夠針對具體的單個產品進行數字化描述，以便在產品周期各（關鍵）階段都可以快速的追蹤到產品及配件、元件、電子件等各類部件，以幫助研發部門得到及時產品數據，進行產品設計或解決方案優化。這將幫助研發部門減少不必要的數據收集、確認、再收集的過程，從而加快優化效率。

2.智能預測與計劃的維度、內容、任務發生了變化

供應鏈需求預測和計劃的目標是形成一個精確可靠的關于市場需求的認識。傳統供應鏈環節多、利益訴求不同、信息不共享，容易導致訂單交付流程長，從而對于客戶需求的響應周期延長，于是，從訂單到交付（order to delivery，OTD）的長短以及供應鏈響應策略，通常決定了供應鏈過程環節中的庫存高低，從而最終決定了企業的盈利能力。通常情況下，訂單交付周期越短的企業，響應能力就越強，反之就越差，面對客戶對于交付的效率要求，只有不斷地備庫存，一旦需要備庫存了，就涉及到預測和提前期、計劃的問題。

驅動傳統的供應鏈要素主要有兩個：預測和訂單。而訂單是來源于客戶對于既有產品的選擇性購買的訴求，客戶并未參與定義。

比如在汽車制造行業（或者家電、手機、家紡、家居等有經銷機制的行業），銷售門店并不是主動營銷車輛，消費者往往要到“4S”店（或經銷商），去購買車輛。此前，不管消費者是否已經購買汽車，品牌商都不會與他們溝通對于汽車購買的需求導向（不關注或者不知道誰是潛在消費者），于是對于某個時間段的銷售預期只能夠憑著經驗或者任務來設定，而為了后續及時交付，從經銷商到汽車制造商，再到零部件供應商，涉及到經銷商預測、汽車制造商銷售加權整理做安全庫存、生產計劃加權做有效生產、采購加權做批量采購與供應、零部件供應商加權做零部件生產與采購，最終可能極大的放大了實際需求量（牛鞭效應），但是，實際銷量是不可控的，加上供應鏈過程中的變數影響和供應鏈管理的失誤與失效，往往導致預測偏差巨大、計劃變更、承諾與交付無效、庫存層層累積、各方利潤空間降低和新一輪的談判與博弈，導致供應鏈過程的惡性循環，浪費了巨大的供應鏈資源、蘊含了巨大的供應鏈風險。

在智能制造中，預測和計劃已經有了新的維度、工作內容和績效要求。

在智能供應鏈中，采用大數據預測和智能算法模型，通過趨勢結合動態實時需求感知、預測市場和重塑市場，從而主動掌控洞察需求。通過產品價值引導和有競爭力的訂單響應周期承諾，完善企業的產銷協同計劃（sales、inventory、operation and planning，SIOP）系統提供支持，使得管理層能夠長遠全局戰略洞察產銷平衡，也能短期柔性應變產銷的波動；同時通過工業互聯網實時掌控設備與產線的實際能力約束，對不同優先級的訂單進行智能排產，把人工智能融入高級排程系統（advanced planning system，APS）中，結合不同的場景，適應性的、分布計算優化。通過制造大數據部署預計庫存計劃，實時監控智能供應鏈過程中的差異，應對不確定性。

在智能供應鏈中，不再是既有的產品批銷、預測、庫存計劃和被動補貨，而是根據客戶需求、企業經營戰略、供應鏈價值導向、財務目標和產品策略，綜合定義產品、制造工藝、物流模式和交付與結算模式，不僅僅關注產品的結構以及產品是如何被銷售出去的，更多地關注產品的結構和形態是如何來的；不再是被動響應消費者要貨需求，而是主動與消費者溝通獲得產品需求，從而進行設計和研發，通過設計熱銷產品來引導客戶消費導向，從而實現產品的熱銷可能（實現戰略價值）。對于銷售的產品，不僅僅是通過已銷售的產品來分析未來銷售的可能性，更是通過溝通與大數據來反映的消費者社群、行為、導向、事件影響、季節因素、流行引領等來分析和預測銷售的可能（對于汽車、家電、家居等耐用消費品尤其如此，實際上，每銷售一件庫存產品，就成功阻止了一件新產品的銷售機會，傳統的預測成為無本之源，最后只有為了庫存的預測）。

圖1：計劃工作模式與供應鏈物流邏輯優化

產品構成和來源是需求預測和計劃的基礎，它決定了企業如何進行銷售預測的合并和分解，達成全價值鏈的預測共識。智能供應鏈以此為起點，然后通過物聯網和大數據（包含數據化的歷史經驗）對于全渠道流通流量的模擬與仿真，做出基本面上的初步預測和引導，然后與大型客戶和關鍵渠道與合作伙伴對其包含的變數信息作進一步的修改和調整，結合營銷團隊的工作計劃中的關鍵節點（比如大型促銷活動、重要節假日等），從而使得需求預測和供應鏈資源計劃能夠與內外活動保持同步。當然，需求預測和相應的生產、物流計劃，不再是人工編制或者獨立的計劃模塊編制，而是立足于全價值鏈運作的（人工智能化）協同系統主動完成。

智能供應鏈體系通常會評估每一個產品的產品生命周期并進行持續跟蹤，預測產品數量的遞減和遞增，以確定其進入和退出市場的節拍和方式。引入新產品必須綜合上一代產品的供應鏈過程中的庫存和采購渠道中的半成品及零部件數量。從而保持產品的新鮮度和減少新老產品的市場沖突，保持消費者的滿意度和忠誠度。

智能供應鏈系統中擁有完整的跨企業智能預測和供應鏈資源計劃工作流程，在物聯網環境下協作的各方能及時準確地傳送需求信息。于是預測可以從供應鏈的任何一個環節發起，從而促發所有環節的實時響應，即供應商可以給客戶發出一個基本預測以便客戶在此基礎上作回應，也可以是客戶先提供一個對基本面的預測然后讓供應商作出評估。除了預測信息，關于銷售速度、消費者現場體驗滿意度、庫存水平和補貨需求等方面的信息同樣可以通過大數據的方式在企業和客戶間溝通傳遞。由此也減少了供應鏈中不同環節采用囤積庫存以彌補信息不靈通造成的影響，大大降低了效率損失和運營風險。

即使在智能供應鏈環境下，各個環節難免受到各類變數的影響而產生動態調整，而影響需求預測和計劃的正常進行，需求分析既要最大程度的減少預測錯誤同時又要充分考慮需求的變數，一般需要設置應急模式和自我修正、調整的緩沖模式。依據產品形態、工藝路徑、客戶需求、交付和結算模式的不同，反應緩沖保護區的設置也就不同。正因為如此，表現出來的生產和物流計劃也會相應的有所區別。

由于智能供應鏈大大降低了產品研發周期，互聯的智能制造工廠也是實時生產，在智能物流的配送下，消費者獲得產品和服務的時間，能夠比傳統供應鏈縮短30%～50%，大大提高了供應鏈的響應能力和消費者滿意度。由于訂單到交付時間的縮短，反過來提高了預測的準確性和計劃的有效性。

圖2：傳統采購保證供應帶來的庫存壓力

圖3：數字化采購保證有效性

3.智能化采購與供應商協同到貨

在傳統的運營中，各個部門并不是在高度認同的供應鏈戰略和價值導向下運作，同時，鑒于采購業務是整個供應鏈體系中最晚得到供應信息，卻是最早需要提供物料，以保障和支持安定生產，于是由于各類運營過程中差異和風險的存在，容易導致無效供應（還需要面臨庫存降低壓力），從而事實上難以保證生產的正常運作。由于沒有實現數字化協同，所以各類變數無法在同一時間傳遞給所有環節，導致供應鏈敏感度下降，最終各個環節只能依靠經驗（即所謂“拍腦袋”）來做安全庫存，以應對變數，隨著管理變數的層級增加和時間延長，累積誤差自然隨之加大，到最終形成了“庫存冰山”，反而掩蓋了所有的問題。在這種情況下，各個環節KPI指標無法在同一個邏輯上兌現和協同，于是容易產生職責推脫和部門壁壘，供應鏈一體化自然也就無法實現。

智能化采購中，要求所有的流程必須拉通，其運作戰略是基于高度認同的一個供應鏈戰略協同下開展，各個部門和環節的KPI指標也是基于供應鏈戰略績效的協同和分解而來，于是所有的參數和指標都在同一個邏輯下展開，形成數字化的作業單元，由于有了智能供應鏈協同中心，得以將所有環節的計劃-執行-信息-物流等串聯起來，形成端到端的縱向管理體系，同時，由于每個訂單、每個物料（產品）都有自己的資源要求，容易導致資源再分配計劃，所以，供應鏈運作部門還需要將不同運作邏輯的物料和訂單橫向協同起來，最終形成互聯互通的供應鏈體系。

這就要求采購方在選擇供應商伊始，就要求供應商能夠與采購方實現軟件互聯互通，運營時更是要求實時可視、預警和協同。比如采購方（智能工廠）的計劃和預測需要直接傳遞給供應商的主生產計劃系統，供應商的發運計劃必須與采購方的作業計劃系統對接，先期發運通知（ASN）需要由軟件系統完成，而沒有人工的參與；并且要求全過程必須條碼化（或者采用RFID技術），對交接貨物時的標簽和信息都有嚴格和統一的規定。

從運作邏輯而言，就是通過信息平臺，承載所有的模塊聯動，以供應鏈交付計劃為驅動力，聯動成品物流計劃，形成主生產計劃、細化為作業計劃，從而拉動供應物流計劃、物流配套計劃以及產線工位配送計劃。在不同的環節和模塊協同過程中，總是會出現各類執行誤差和數據差異，那么智能化系統需要自我反饋、逐漸主動減少運作誤差，從而形成計劃-信息-執行的一致性，如圖1。

從表現形式上而言，形成了“計劃—采購—物流—信息”一體化；其任務的本質不再是保證供應，而是有效供應。

比如，假設某產品有A、B、C、D、E、F六個零部件，其采購到貨周期分別為A5天、B10天、C15天、D20天、E25天、F30天，生產計劃本月1號提示，本月30號需要生產某個產品，傳統的采購“保證供應”，直接在1號之后就下了訂單，供應商也“按照要求”準時交付，能夠在約定的交付周期內到貨，于是效果如圖2。圖2中陰影區域就是庫存，而這個部分通常就直接進了采購方的倉庫。此時，采購完全達成了其業務的KPI指標，能夠保證生產，而庫存壓力居高不下，管理成本隨之上升。但是，由于利益訴求的不同，買賣雙方往往不愿意承擔庫存成本的壓力，加上盤點和信息管理的時間—數量差異，形成了累積誤差，于是成了供應鏈上巨大的瓶頸。

在智能化采購中，通常采用計劃倒排模式，形成精益化、數字化采購，以保證采購-到貨的有效性。如圖3所示。圖3中所示為主生產計劃在1號發出提示，而在30號正式生產，根據各自不同的交付周期，進行倒排，強調實物齊套，以有效保證生產的安定化。圖中陰影部分為相對于傳統采購帶來的收益。此時不是以采購業務KPI指標為唯一依據，而是協同作業計劃、到貨計劃、實物齊套情況以及可能發生的過程差異（比如考慮質量有效性）進行實時監控和響應，形成“計劃—信息—采購—物流—生產”的一體化。

在實際采購業務中，先期的主生產計劃發布之后，企業供應鏈計劃協同平臺根據各個環節的運營參數進行細分，排布詳細的作業計劃（包含制造作業計劃、配套作業計劃和物流作業計劃），然后進行人工或者自動化作業，過程中追蹤差異和變數。如圖4是某典型企業數字化采購詳細作業計劃。

圖4中所示為某物料執行數字化采購以支持精益生產的作業計劃倒排表，從上往下為計劃的倒排邏輯，從下往上為實際采購及入廠物流運作過程（藍色區域為采購業務與入廠作業計劃）。

在通常的運作中，各個環節通過掃描條碼或者RFID感應進行過程數據的收集，以實時形成計劃達成率（采購計劃達成率、供應方到貨計劃達成率、入廠物流計劃達成率等），如果該過程中出現運營規則和計劃要求的標準之外的偏差和變數，系統將自動抓取該數據，進行實時分析和應急。

但是，在智能供應鏈中，上述邏輯通常不出現在操作界面中，實際的運作界面大多數情況下是某個具體的指令或者需求信息，如圖5是某典型企業數字化采購的簡單界面（人們稱之為“一張紙”one page模式）。

圖5所示為某汽車行業采購-供應商協同運作表單，運營流程如下：

（1）采購方供應商管理平臺系統（SRM）根據已有的供應商管理數據，自動尋源、鎖定供應商，同時根據先期對供應商的ABC分類評估，自動分配訂單和交付計劃給供應商；

（2）供應商在交付前的某個窗口時間，通過授權登陸ASN（先期發運通知）界面，打印表單（攜帶條碼或者RFID標簽）出來，由于采購方和供應商之間實現了數據的互聯互通，該計劃制定過程中不允許人為的干擾，而且所有采購方對于同一家客戶的表單（或者指令格式）都是標準的、符合行業或者國際要求的。供應商按照表單要求的時間和數量進行生產，等待物流公司提貨，此時含有條碼的單據卡（或者RFID嵌入）在智能化的包裝單元（帶有條碼或者RFID標簽的周轉箱或者托盤），實現信息對應，直到配送到工位使用之后。

圖4：數字化采購作業計劃倒排表

（3）參與milk-run（實現數據的互聯互通）的第三方物流公司將會在相應的時間內打印類似的表單信息，其中的量產區分、計劃代碼具有相同的邏輯，會在指定的日期和時間內到達供應商發貨區域（擁有條碼或者RFID標簽）；

（4）第三方物流公司收貨之后會根據表單中的指令(來源、供貨地點分別是指運輸車輛的車牌代碼和卸貨車位代碼，通過條碼或者RFID標簽實時捆綁和對應)進行運輸與到貨；

（5）采購方卸貨人員（條碼或者RFID實時對應卸貨設施和作業時間）根據卸貨作業時間要求實時卸貨；

（6）卸貨后物料進入排序區域，這些區域也有各自的貨位代碼（條碼或者RFID），形成貨位-物料的實時捆綁和對應；

（7）根據總裝工位（條碼或者RFID實時對應操作人員、機器人、作業設施和作業時間）的數字化拉動需要，通過智能物流（條碼或者RFID實時拉動）配送到工位使用；

（8）智能化的包裝單元（帶有條碼或者RFID標簽的周轉箱或者托盤）中物料使用完后該表單被專門收集起來，通過條碼閱讀器讀取上述關聯數據，于是該被使用后的物料數據就被實時傳輸給了供應商，以及計劃、采購、物流、制造和財務部門，供應商進入后續作業。

上述業務針對每個供應商、每個物料、每個訂單實現，以保證橫向+縱向管理的協同性和同步性。這些工作的順利運作，解決了以下問題：

（1）智能化選供應商的問題；

（2）信息流端到端的一致性問題；

（3）實現了全價值鏈拉通的數字化；

（4）物料來源可追溯、去向可查證；

（5）解決流程導向的縱向鏈接；

（6）解決單據（信息）流的一貫性；

（7）解決單個環節管理的時序性和唯一性；

（8）保證不同環節運作的橫向邏輯關系；

（9）各個環節KPI實時化、自動化抓取，以保證考核的客觀性。

顯然，快速的、可靠的、整合的、實際的和標準化的信息流通是必要的，以減少有形實物和管理流程上的提前期，從而提高采購業務和入場物流的效率。

在智能供應鏈中，供應商需要根據客戶要求和相關的工業標準，必須有發送和接收電子通訊的能力。傳統的電子數據交換（EDI）或基于網絡的EDI是可以接受的電子通訊方式，而E-mail和傳真是不可接受的電子通訊方式（因為需要保證存檔和一致性、和客觀性）。

在實際的供應鏈運作中，通常需要對供應商進行交付能力的評審，規定所有供應商、分承包方和后勤提供者，必須實施電子通訊，包括發送和接收的能力。根據客戶的要求，對目前沒有能力發送和接受電子格式的供應商、分承包方和后勤提供者，規定一個時間段，建立電子溝通的能力；要求供應商物料的裝運通知信息整合進采購方的接收系統內，且沒有人為的介入。傳輸的頻率和計劃時段要適合供應鏈協同平臺的綜合管理要求，且滿足采購零件和物料的提前期。

4.智能物流配合智能制造強力發展，成為生產的基礎和前提

智能制造需要以智能物流作為前提和基礎，越來越多的智能制造工廠，（在規劃時）將智能制造設施嵌入到智能物流系統中，成為流水線化物流系統的一個不可缺少的環節和部分，從而實現有效運營過程中的無縫對接和聯動，由此，通常也稱之為“制造工廠智能物流中心化”。與此同時，企業智能化物流也日趨向供應鏈方向整合和提升（遵從遵守于智能供應鏈計劃和資源協同），其涉及到的智能化要素也越來越專業化和精準化。智能物流系統包含采購環節智能物流、制造環節智能物流和成品環節智能物流，以及回收環節智能物流。

采購環節智能物流主要是供應商的成品如何送達至采購方（供應鏈核心企業），可能涉及上門收貨、先期發運通知（ASN）、EDI互聯互通、精益包裝、精益配送、經過評審（并且可以互聯互通）的第三方物流、到貨計劃協同、通過式檢驗、智能化收貨、空容器回收、全過程物料足跡追溯等。

制造環節智能物流主要是廠區內部智能倉庫、WMS/WCS、智能輸送上工位（與智能制造設施對接）、條碼/RFID數據識別、智能單元化包裝（與機器人對接）、自動化裝配技術、雙箱制、空容器回收、成品包裝下線以及制造過程數據化追溯等。

成品環節智能物流主要是成品進入智能化成品倉庫、智能化裝車算法、快速智能化裝柜技術、智能化成品運輸、發貨計劃協同、分倉流通、經銷商智能倉庫、全過程導航與追溯等。

圖5：簡化后的數字化采購界面

回收環節智能物流主要是包裝材料、容器具、不良品的智能循環、智能追溯的過程。

在傳統的制造型工廠，物流流程一般包括物料包裝、收貨、檢驗、倉庫、裝配線、揀料和發貨，大量采用領料、脈沖式送貨方式，主要模式是人工、叉車、牽引車、液壓托盤車等獨立元素（物流作業計劃缺乏或者不連接，信息是斷檔模式、變數不易控制、管理過程不閉環等），即使偶爾采用了自動化物流設備，也只是實現了局部的自動化，且生產主要面向批量生產，不具備柔性化、定制化和智能化的生產特點。在設計初期沒有將智能物流納入智能工廠規劃范疇的企業，在運作時容易導致過程不均衡，能力不匹配，數據過程衰減、變化和錯位，雖然購買了先進的智能制造設備，但是仍然無法在同一邏輯下聯動和完成制造計劃。

在個性化的智能制造工廠里，智能物流已成為核心元素。

智能制造需要面向客戶定制的產品，屬于小批量、多品種生產，物流模式需要采用節拍精準、移動靈活、數據互聯互通、實時可視、實時監控的物料輸送策略。如通過AGV（或者連續輸送模式）從收貨區（通過式檢驗或者免檢）到自動化倉儲中心（可能使用堆垛機模式、密集存儲模式或者多向穿梭小車模式），再連續輸送到工位（或者收貨后直接輸送到工位），設計出面向智能制造的物流輸送技術。

本刊重點關注的物流展會

智能工廠采用訂單驅動式的生產模式，主要按照客戶需求，每個產品訂單有可能只有一臺或兩臺，但產品種類會多至上萬個。需要通過精益、柔性化的生產，模塊化物流配套保證，以支持生產計劃和物流作業計劃的有效性，支持智能制造，同時保證產品零出錯率。

智能物流包含智能方案、智能輸送和數字仿真。從信息驅動到通訊，再到控制，再到智能物流設施動態管理，實時提供更加智能的系統控制解決方案。

在智能物流的初始階段，絕大多數工廠愿意采用一臺或者多臺AGV代替叉車負責拉動式精益物流配送到工位，遵循的是高級排程中的配送時區和拉動計劃倒排節點；此后AGV變得更加智能，起到了銜接各個組裝、補裝等前置工位，以及聯動總裝的作用；對于周轉率高、流量大的物料和產品（比如家電、手機、服裝、家居產品等，通常需要大規模定制）經常會有特殊的物流規律分析（plan for every party，PFEP），提出連續物流計劃和智能化作業模式，采用連續輸送（智能輸送機、智能懸掛鏈等）到工位，形成多點對多點的智能配送模式，減少了過程中的在制品暫存、等待、包裝、中轉、交接、信息二次采集等斷點，從而使得制造和物流渾然一體。對于離散型制造特點相對明顯、產品體積相對龐大、生產節拍相對緩慢的制造（比如電機、發動機、坦克、飛機、軌道交通產品等），可以直接采用專用的智能流轉設備（如大型AGV），此時工廠里見不到傳統的組裝流水線，取而代之的是一個個AGV移動工作臺，沿著工藝路線自動行走，且能夠攜帶產品在裝配過程中的重要信息穿梭于工廠，這些信息在工人實際操作時可以有效避免人為出錯。隨著產品產量的增加，可以有越來越多的AGV環繞在裝配線周圍，協助物料的智能搬運，不再有傳統流水線的剛性束縛，大大提升了生產的柔性。

智能工廠中的智能物流系統能夠高效、準確、穩定地完成重復性工作，保證過程品質一致均衡。隨著人與機器在產品裝配過程中的交互更加緊密，不同的生產環節可通過操作人員（或者人工智能控制的機器人），按照定制產品的需要來使裝配流程做出改變。更可以通過系統仿真，針對每個訂單、每個物料、每個工位驗證生產和物流的工藝流程，從虛擬連接現實世界，具體運作過程中可以是通過一個虛擬訂單，看到工廠里的各種設備，通過仿真發現瓶頸并反饋信息，進行實時調節；當實際訂單當運行時，協同不同的工廠模塊，就可以反饋到監控/優化軟件模塊。

5.智能供應鏈保障生產能力和過程可視化，提高過程的偏差管理和自我協同和調整能力

智能供應鏈需要保證信息-物理系統（CPS）的一致性，從而減少執行過程中與計劃或標準的偏差，保證企業級的“知行合一”。但是，在實際運作過程中，難免存在各類變數帶來的過程偏差甚至瓶頸，偏差如果不能實現過程的可視化，瓶頸容易長期積累形成隱患，當其爆發時，往往導致供應鏈的“掉鏈子”，其后果輕則造成停產或者斷供，重則可能為企業帶來莫大的風險甚至災難。

智能供應鏈在保證過程一致性的同時，需要建立過程偏差場景設定、識別和響應流程，更需要設定變數預警、瓶頸和風險識別、應急預案和應急物流管理模式。

常見偏差場景如：停電、設備故障導致的停產、配送過程中堵車、翻車、大批量不合格、火災、臺風、地震及其他災害、由于環保問題帶來的停產整頓、工人罷工、信息標簽丟失、容器具損壞、檢驗不及時、模具損壞、總裝不合格、貨損等。針對上述可能產生的風險，需要有應急培訓和實施演練，以避免實際情況的發生。

在智能制造中，這些供應鏈過程的可視化、偏差管理、實時應對問題顯得越來越重要。否則，再好的智能制造工廠和設備都無法有效協同運行。

傳統供應鏈管理過程中，可能有偏差數據的統計和可視化通知，通知的對象是操作團隊或者監控團隊，但是，往往不能保證偏差數據抓取、通知的實時性和真實性，從而難以保證應對的及時性和有效性，導致供應鏈系統的累積誤差；比如，供應商端出現了諸如翻車、批量不合格、停電等因素導致的問題，主要是通過打電話、發傳真（而不是系統）等方式告知管理人員；倉庫端如果找不到物料，通過人工當面溝通或者對講機通報；制造端如果設施故障導致計劃變更，通過開會或者對講機溝通……都無法保證全過程的數字化和數據化，更無法給后續相關環節以足夠的時間應對，容易導致無法交付、無法追溯、無法查詢。

智能供應鏈偏差管理，是通過智能化的數據抓取方式，直接通過系統傳遞給關聯系統或者智能設施，“看”偏差數據的可能不是人，而是整個供應鏈系統，實時的進行有效反饋和處理，形成自組織、自反饋、自調整的職能運作體系。以下案例能夠說明偏差管理的邏輯和應急管理可視化的升級路徑。

H企業位于某市近郊，交通便利、環境宜人，其有效使用面積近10萬平方米，擁有五個倉庫和三個零部件、總裝分廠,分布于廠房的三個樓層。日最高產量達30000臺，每天24小時連續運轉，平均每分鐘可生產20.83臺；5條生產線同時生產，則每條線每分鐘可生產4.16臺。

按照該產品的品牌形象和市場上對該產品的需求以及該廠現有的各項資源，該企業的生產節拍期望值應可提到5臺/分鐘（即每天可生產3.6萬臺，潛在總資源占20%）。為了追溯制造潛力的約束瓶頸，隨機抽取了任意兩周的停線時間作為研究對象，發現供應鏈運行狀況可以描述為：生產設施的高效率運轉所帶來的物料消耗與各類物料無法按照生產計劃有效配送到工位達成安定生產之間的矛盾。由于供應鏈協同不均衡、信息不共享、數據邏輯與KPI指標考核不一致，從而造成生產上的瓶頸現象，降低了供應鏈整體系統的價值鏈傳遞效率，造成很大浪費。

（未完待續）