決策智能：推動制造業供應鏈數智化轉型的新動能

文/秦 虎 王 愷

一、制造業供應鏈數智化發展現狀

我國“十四五”規劃中提出：“增強制造業競爭優勢，提升產業鏈供應鏈現代化水平；促進數字技術與實體經濟深度融合，賦能傳統產業轉型升級。”目前，我國已建成了門類齊全的工業體系，擁有完整的產業鏈，在全球供應鏈中的地位不斷提升，但制造業供應鏈仍存在一些不足，如：供應鏈整體運作效率低，物流成本偏高；供應鏈數字化基礎設施薄弱，上下游信息割裂，缺乏聯動；供應鏈決策智能化水平低，敏捷性和柔性有待加強，難以應對突發風險。

制造業供應鏈數智化是在企業數字化基礎上，借助數字技術和智能技術實現供應鏈的智能決策和高效管理。為了使我國制造業在激烈的全球競爭中取得優勢，推動制造業供應鏈數智化升級正成為大勢所趨。

制造業供應鏈的數智化過程可分為數據標準化、流程信息化和決策智能化三個階段。第一階段是數據標準化階段，企業運用傳感器、PLC、RFID、數據庫技術等，實現企業內部及其上下游數據的快速傳遞、存儲和處理，為流程信息化提供基石。第二階段是流程信息化階段，企業通過CRM、ERP、APS、MES、WMS、TMS等信息系統來管理供應鏈的日常運作，實現端到端的數據連接。在流程信息化的基礎上，最后進入決策智能化階段，企業運用大數據、人工智能和運籌優化算法，借助決策優化系統實現供應鏈管理的決策智能化。全球最具權威的IT咨詢公司Gartner將“智能決策”列為2022年重要戰略技術之一，并預測到2023年超過三分之一的大型企業將實現決策智能化。由“數據驅動”到“決策導向”，正成為眾多企業數智化升級的共識。

目前我國制造業供應鏈數智化水平較低，多數制造企業處于流程信息化階段，少部分企業甚至還處于憑借人工經驗進行生產管理的初級階段。在外部市場不確定性顯著增強、競爭日益激烈的背景下，我國制造企業面臨著更為復雜的供應鏈決策問題，普遍缺乏智能決策的能力，亟須完成從流程信息化向決策智能化的升級，升級過程中主要面臨以下問題：

第一，國內決策智能化相關的人才、公司、平臺較為匱乏。首先，智能決策和運籌優化近年來沒有受到高校和企業的足夠重視，人才儲備明顯不足；其次，市場上提供決策優化算法及服務的公司相對較少，水平參差不齊，華為、京東等行業頭部企業長期致力于內部運營管理的敏捷化、智能化，但通常不對外提供智能決策服務；最后，市場上始終缺乏高效的決策智能化服務供需匹配平臺，難以有效連接有痛點的企業客戶和有創造力的外部開發者。

第二，國外商業決策軟件性價比低。CPLEX、GUROBI等國外優化求解器及決策優化產品占據了我國商業決策智能化的部分市場份額，但該類產品費用昂貴，中小型企業的資本能力難以支撐其長期使用。此外，這類軟件還需根據企業的實際運營情況進行定制，存在開發部署周期長、落地難等缺陷。

第三，決策智能化服務的定制化與標準化之間存在矛盾。當前，國內的決策智能化服務提供者通常采用項目制的方式，為客戶提供決策智能化服務與解決方案。這些服務與解決方案采用高度定制化的方式，難以形成標準化的產品快速推廣至其他客戶。目前市場上仍然缺少能夠實現快速定制化的標準化智能決策服務與產品。

二、制造企業面臨的供應鏈決策難題

在當前疫情持續擴散的背景下，制造業供應鏈的不確定性急劇增加，客戶需求、業務流程和供應鏈網絡也日益復雜，制造企業在供應鏈諸多關鍵環節存在決策難題：

1. 設施選址

設施選址通常涉及工廠、倉庫和配送中心等關鍵設施的選址，與企業的運營成本、物流成本、稅收政策等多個方面密切相關。設施建造需要投入大量資金且建造完成后難以遷移，不科學的選址決策會造成企業運營成本偏高、勞動力不足、銷售渠道不暢、物流成本高企等問題。

2. 需求預測

需求預測是通過對歷史數據、市場環境等因素的分析，預測市場未來對產品的需求。需求預測能夠為制造企業的采購計劃、生產計劃等決策提供參考。制造企業往往根據主觀經驗或簡單的數學模型進行預測，使得需求預測不準確，導致庫存積壓或不足等問題。

3. 生產計劃與排產

生產計劃是制造企業進行生產管理的重要依據。我國制造企業大都缺乏有效的計劃層擾動預警機制，當遇到訂單追加、交期變化時，難以快速更新計劃。排產決策則需要確定訂單的執行順序以及產品的加工順序，容易受加工工藝、物料資源、插單改單等因素的影響。不合理的排產方案容易導致設備忙閑不均、生產效率低下等問題。

4. 庫存管理

庫存管理涉及庫位優化、上架、揀選、補貨等決策，良好的庫存管理可以為制造企業節約大量成本。盡管WMS倉儲管理系統在制造業中的應用已較為廣泛，但其主要實現出入庫管理和庫存盤點等基本功能，無法為庫存決策優化提供支持，容易造成庫位規劃混亂、倉儲空間利用率低、庫存周轉率低等問題。

5. 裝載與運輸優化

裝載與運輸決策需要提供高裝載率的貨物裝箱方案，同時還需要為運輸車輛規劃服務顧客的行駛路徑，使得運輸時間、運輸成本盡可能低。制造企業在進行裝載與運輸決策時，大多依靠人工經驗，缺乏科學決策，導致貨箱空間利用率低等問題。在面對大規模訂單和復雜場景時，難以快速生成合理的裝箱和車輛運輸方案。

總的來說，制造業供應鏈中存在著大量的決策優化問題。這些問題多數屬于NP難問題或者NP完全問題，難以在多項式時間內求出最優解；同時它們并非相互獨立，而是相互影響，需要進行聯合決策優化。我國制造企業在面臨供應鏈決策問題時，多數企業依靠人工經驗和慣性思維進行決策，決策方案缺乏科學性。即使部分企業使用了CRM、ERP、APS、WMS、TMS等信息系統，但這些系統通常只具有信息管理的功能，缺乏基于大數據、人工智能、運籌優化的智能決策能力，難以為企業的管理決策賦能。

三、制造業供應鏈決策智能化解決方案

根據我國制造企業供應鏈智能決策的發展現狀及痛點，供應鏈智能決策整體解決方案需要借助大數據、人工智能和運籌優化技術，為客戶的供應鏈管理提供標準化和定制化的決策優化服務。如圖1所示，一種可行的整體解決方案主要包括優化求解器、智能決策技術中臺和智能決策優化系統三個層次。該方案能夠有效解決制造企業所面臨的復雜供應鏈決策問題，全面提升供應鏈決策智能化水平。

圖1 制造業供應鏈智能化解決方案

1. 優化求解器

制造業供應鏈決策智能化解決方案的底層是針對不同類型決策問題設計開發的各類優化求解器，如生產計劃與排產求解器、車輛路徑優化求解器、三維裝箱優化求解器等。對于較為復雜的決策問題，也可以針對不同行業單獨設計開發行業求解器。求解器需要具有高性能、高擴展性的特點，能夠在較短時間內得到高質量的可行解，同時內置豐富的約束條件和目標函數，支持豐富的業務場景，支持多線程并發、二次開發和遠程API調用。求解器的設計目標是允許用戶像搭積木一樣對約束條件和目標函數進行拔插，自定義更為復雜的業務場景和決策問題，通過對標準化算法的簡單定制就能滿足不同制造企業客戶的需求，極大地縮短算法設計、開發和部署的時間。

2. 智能決策技術中臺

智能決策技術中臺主要包括模型組件、算法組件和平臺工具組件三部分。研發人員可以根據具體的決策問題，在優化求解器的基礎上對模型和算法進行進一步的設計，滿足企業的定制化需求。模型組件可由運籌優化模型、人工智能模型和數學統計模型構成；算法組件包括運籌優化算法、機器學習算法和大數據算法；平臺工具組件主要實現平臺的用戶權限管理和后臺任務管理等常規功能。

算法作為數字時代制造企業的核心生產力和新動能，也是求解供應鏈管理中各類決策優化問題的核心技術，主要包括運籌優化算法和機器學習算法。

（1）運籌優化算法

運籌優化算法可分為精確算法和近似算法。精確算法以最優解為求解目標，通常用于求解具有相對簡單約束的中小規模問題，常見的精確算法主要包括分支定界/切割/定價算法、Benders分解、動態規劃等；近似算法依據簡單規則或通過模擬某些自然界的現象和過程、生物群體的智能行為來完成隨機搜索，可以在較短的時間內得到高質量的滿意解，適用于大規模問題的求解，在制造企業的日常運營管理中得到了較為廣泛的應用。

（2）機器學習算法

機器學習算法能夠使計算機模擬、實現人類的學習行為，獲取并利用新的知識或經驗，實現優化求解和智能決策。機器學習作為人工智能的關鍵技術，根據學習任務的不同主要分為監督學習、無監督學習和強化學習。

目前智能決策優化領域較為前沿的技術，是將傳統的運籌優化算法和機器學習算法相結合，充分利用運籌優化算法的優化能力和機器學習算法的學習能力，在更短的時間內獲得更高質量的解。

目前智能決策優化領域較為前沿的技術，是將傳統的運籌優化算法和機器學習算法相結合，充分利用運籌優化算法的優化能力和機器學習算法的學習能力，在更短的時間內獲得更高質量的解。

3. 智能決策優化系統

在優化求解器和智能決策技術中臺的基礎上，可以進一步構建面向制造企業供應鏈管理的智能決策優化系統，用于解決供應鏈各個關鍵環節的決策問題。針對典型的決策優化問題，該系統可由設施選址系統、高級計劃排產系統、運輸專家系統、裝箱專家系統、倉儲管理系統等多個子系統組成。由于企業客戶的日常運營往往涉及供應鏈管理中的多個關鍵環節，它們可以結合自身痛點，定制所需的智能決策子系統并進行有效集成，例如將高級計劃排產系統與運輸專家系統、裝箱專家系統進行集成。

四、制造企業供應鏈決策智能化的發展趨勢

1. 供應鏈決策問題聯合優化

我國制造企業在進行供應鏈管理時，往往只關注供應鏈某關鍵環節的決策問題，很少系統地考慮不同決策問題之間的相互影響，難以實現供應鏈整體的最優。為了全面提升制造業供應鏈的運作效率，未來需要關注供應鏈中不同決策問題的聯合決策優化問題。例如，在供應鏈網絡規劃時，同時考慮設施選址和車輛路徑規劃；在制定生產計劃與排產方案時，也需要考慮產品裝箱以及配送線路規劃。

2. 服務標準化與快速定制化

近年來我國制造企業對供應鏈決策智能化的需求不斷上升，而每家企業的業務場景和痛點也不盡相同。為了使廣大制造企業擁有智能決策的能力，推出以優化求解器及決策優化算法為核心的標準化解決方案勢在必行；同時，也需要標準化解決方案具有良好的可擴展性，允許企業根據自身需求進行二次自主開發，實現快速定制。

3. 工業互聯網時代的SaaS服務模式

SaaS（Software as a Service）模式采用云計算技術，通過云平臺向客戶提供軟件服務。我國制造企業供應鏈的智能決策優化算法和系統服務可以通過工業互聯網的SaaS模式實現快速部署，無需客戶維護，降低客戶的資金和人力成本，未來有望在中小型制造企業得到廣泛應用。

五、結語

制造業供應鏈數智化升級勢在必行，而決策智能化又是供應鏈數智化的關鍵。制造企業只有具備面向整條供應鏈的智能決策能力，才能穿越驚濤駭浪，行穩致遠。我國制造企業的供應鏈智能決策解決方案需要高度融合大數據、人工智能和運籌優化等技術，在標準化產品的基礎上進行快速定制開發，才能有效提升制造業供應鏈的決策智能化水平，推進供應鏈數智化升級，助力中國制造業長遠發展。