对话

悠桦林,打造制造企业数字化转型“智慧大脑”

2022-08-25e-works 梁曦

2337
1 拥抱APS 这是最好的时代

       当下,随着我国劳动力成本、原材料成本和能源成本不断攀升,国际贸易争端愈演愈烈,疫情的散发影响,人口红利日渐消退,我国制造业面临着前所未有的压力和挑战。面对生产需求瞬息变化,需求波动频繁,企业供应链难以应对;多元生产链路复杂,库存堆积,产能无法充分利用;原材料供应不稳定,订单无法准时交付;采购成本走高,库存和需求平衡困难;设备故障等突发异常导致生产无法满足客户交期等种种难题,企业要想立足于不败之地,唯有以最小化整体成本,最大化满足客户需求,提升快速响应的能力。

       当下,APS已成为企业优化运营管理及作业流程,实现降本增效的必要选择,也成为企业推进数字化、智能化转型的重要环节。

       肖芳芳表示,自2020年下半年疫情后,企业数字化转型进程加快,企业基础建设市场渗透率有了明显的提升,随着企业ERP应用成熟度的不断提高,以及MES应用的持续火热,给APS提供了上下游数据,企业在拥有支撑体系后,对采购或供应链计划优化的需求就变得更加迫切;其次,从企业内生驱动力来看,随着人力成本优势的降低,制造企业为了提升核心竞争力,迫切需要通过数字化技术的应用提升精细化运营与实现降本增效,而APS就是其中的关键一步,无论是从中长期的主计划层面进行产能和物料的提前规划,短期的车间生产排程优化,或是订单跨工厂/车间的协同计划,都可以通过APS的应用提升供应链效率,加快市场响应速度。也因此,企业对APS的需求正在呈现明显的上升趋势。

       肖芳芳特别提到,以往企业在供应链计划上的需求呈现出被压抑的状态,市场上并没有特别成熟或是口碑非常好的产品来满足企业供应链优化的要求,但在当下,随着企业需求的爆发增长,APS算法的不断进化以及新技术的不断融入,APS市场的迅速发展,也将促进企业积极拥抱APS应用,真正实现精细化管理,提升竞争力。

2 运筹优化 AI提升企业决策能力

       虽然企业APS需求迫切,但APS产品弱、落地难似乎已成为企业推进APS应用的拦路虎,让不少企业望而却步。有的企业认为实施时机不成熟而一推再推;有的企业觉得APS就是MES系统里一个小模块,似乎用不起来;有的企业苦于找不到适合的APS系统,没有成功的案例作业可抄。

       在肖芳芳看来,APS难落地的核心原因在于很多客户对APS的认知上是有误区的。APS是以算法为核心的产品,通过智能算法为企业提供生产决策建议,提高生产计划效率与供应链协同融合,从而实现整体供应链上降低库存、提高交付、提升产能利用率等降本增效的作用。而市场上常见的老牌APS厂商,很多是将APS定位为提升排产员工作效率的小工具,甚至有些就直接就是MES里面增加的手工排产模块称之为APS。这种类型的软件很多都是用了很基础的人工经验总结写下来的代码作为排产依据,会严重依赖其对应的人工经验的成熟度,而且这种传统的规则式算法普适性不强,强烈依赖与行业know how甚至是企业know how,无法支撑当下企业的快速变化的需求,一旦企业应用场景发生了变化,就很容易导致软件失效。同时,APS不仅是凭经验开发出的软件,对算法工程师的要求非常高,供应商能力存在差距,也会导致APS无法使用。

       悠桦林正是一家以运筹学、强化学习、大数据分析等智能决策技术为核心驱动,聚焦制造业和大交通行业的场景需求,为企业提供“行业+AI+OR”的智能决策整体解决方案的科技公司。悠桦林致力于通过数据、运筹优化算法和具体的决策场景,切入到企业的决策层面,基于数据科学不断推演迭代,输出最优决策结果,解决海量数据环境下复杂决策问题,提升企业的决策水平,实现企业决策环节的快速、明智和可量化。

       肖芳芳表示,悠桦林公司联合创始人都是运筹学与人工智能方向技术出身,核心算法成员拥有美国佐治亚理工运筹学背景,且均为博士。悠桦林的核心定位是智能决策,以往企业的决策管理通常依赖人工经验,但在数据非常庞杂的情况下,可能会形成几个亿的可以执行的方案,在这种情况下,通过人工去做决策通常只能找到一个相对可行的方案,或是一个相对较好的方案,而不是在这个非常大的范围内寻找出更优的方案,并且在发生变化时缺乏快速反应的能力,而以机器学习、运筹学和深度学习的人工智能技术替代和辅助人工决策,将成为行业的发展方向。

       肖芳芳指出,在决策智能化领域,任何行业都有着智能决策的需求,而在制造领域,以数据驱动的智能决策更能将数据价值发挥到最大化。2018年,悠桦林聚焦到了制造业供应链计划方向。基于核心运筹优化算法和人工智能技术,悠桦林打造了智能供应链计划与排程系统,希望帮助企业在满足各种生产资源约束的基础上,实时、同步地给不同生产阶段的生产排程计划,最大化优化业务目标,帮助企业优化生产管理及作业流程,降低生产成本,提高整个生产及管理效率,提升精准决策能力,缩短生产周期,加快市场响应速度。

       目前,悠桦林在供应链领域主要服务离散制造行业客户,已为宁德时代、宁德新能源、BOSCH、奥克斯、海尔、大金空调、信义玻璃、立讯精密等行业领先制造企业提供智能APS产品。肖芳芳提到,离散制造的复杂度相对更高,智能决策带来的可量化的ROI也相对更高,也更能凸显出悠桦林能带给企业的价值。在供应链领域,悠桦林目前业务已实现了每年四到五倍的快速增长。

3 端到端的供应链计划与排程系统 不仅仅只是APS

       面对激烈的市场竞争和种种挑战,当下企业间的竞争已经升级为基于供应链的生态系统间的竞争。企业需要通过集成供应链的构建,以计划为核心驱动销售、生产、采购、物流相互协作,实现准时交期、最大化利用产能资源、产销平衡,从而带动整个生产供应链运营更加快速、高效运作,帮助制造企业在变幻莫测的商业环境下应对内外部环境变化,提高市场竞争力,提高供应链的韧性与快速响应能力。

       在解决方案的打造上,悠桦林以智能决策为突破口,从供应链计划全局角度为企业构建“智慧大脑”。悠桦林自主研发的智能供应链计划与排程解决方案基于资源能力、时间和物料等有限资源条件下,以运筹优化为核心驱动技术,帮助企业打造端到端的智能决策解决方案。

       悠桦林智能供应链计划与排程系统可划分为产销协同计划S&OP、主计划MPS,高级生产排程APS等几大模块及其衍生模块。在实际运用时,系统将根据不同客户的需求场景进行针对性调整规划,进行定制化开发,满足客户实际需求。智能供应链计划与排程系统通过打通销售预测、产能规划、计划排产、物料计划、物流配送等供应链计划环节,从战略性的产销协同到中长期的主计划排产,直至分钟工序级可执行的全局最优排程计划,实现需求和资源的精准匹配,达到资源、效率与成本的最佳平衡,并降低不确定性所带来的风险,助力企业降本增效,提升供应链运营效率。

悠桦林供应链整体解决方案

图1 悠桦林供应链整体解决方案

       ●智慧的供应链计划:支持人员、设备、工艺、质量、库存等各项复杂约束条件下的兼顾交付达成、产能利用、库存水平、成本等多目标优化计划,创建优化的生产/库存/采购及调拨计划,从而同步实现最大化需求满足,最小化成本及最大化资源利用率。

       ●透明的供应链计划:看的清/看的快/看的准,快速掌握需求、供应、产能的整体情况。基于数据和KPI制定决策,分析各项有冲突的指标对供应链的影响,避免凭经验和感觉决策。

       ●协同的供应链计划:覆盖关键供应商、各级工厂/车间、DC仓、客户的全供应链计划,平衡上下游各供应节点的需求和供应。从各自为政的计划方式变为围绕公司核心利益的整体规划,提升供应链整体效率的最大化。

       ●敏捷与柔性的供应链计划:对需求变更、紧急插单、生产异常、供货异常等能够快速捕获并对产能、物料、交付等的影响进行快速评估;能够快速更细计划,确保计划符合实际,具有可执行性;当业务扩展时,能够快速适应业务扩展所带来的计划规则、目标的变更。

4 数学规划算法突破行业限制

       在谈到核心竞争力时,肖芳芳表示,悠桦林的核心优势体现在算法加行业know how。通常对于APS而言,与MES一样,具有很强的行业属性,不同行业的APS的应用重点不同。肖芳芳表示,通过悠桦林自研开发的Deloris算法平台,基于数学规划算法,可以有效突破行业与人工经验的限制。

       传统的APS采用规则式的算法,基于TOC理论,将计划求解问题分解为若干个小问题,并依次计算求解。规则式算法会定义出瓶颈工序,先排瓶颈工序,后排非瓶颈工序;先排紧急订单,后排次紧急订单;先满足一部分约束,后考虑其它限制条件。在算法上基于规则计算,分步计算。规则式算法可在极短时间求出一个大致可行且易理解的计划,但无法从全局角度对KPI做出优化,无法实现全局最优决策,但满足约束的程度和计划的优化性能无法保障。

悠桦林Deloris智能决策算法平台

图2 悠桦林Deloris智能决策算法平台

       而悠桦林打造的智能供应链计划与排程解决方案突破了仅基于业务规则进行简单僵化的自动化处理的局限,基于数学规划算法,以全局优化为出发点,求得最优解而非传统算法的可行解。

       数学规划算法整个过程分为建模和求解两个步骤。在建模阶段将各项计划因素、规则和优化项转换为数学的决策变量、约束条件和优化目标,真实体现了各项计划因素之间的互相作用关系,构建统一的数学模型。在求解阶段通过后台的Deloris算法平台进行高速运算,输出满足所有约束的整体优化指标最好的计划结果。数学规划算法的特点在于帮助企业建立各项计划因素同步考虑共同满足的能力,可以确保各项计划因素之间的相互影响,实现多目标全局优化。

       在APS产品的行业普适性上,肖芳芳举例说道,不是每一个行业都会有一个非常清晰的瓶颈工序,因此会有瓶颈工序漂移的现象。当发生这种情况时,规则式算法通常采用采用锁死瓶颈工序的做法,但这样会导致无法实现全局最优决策。在锁死瓶颈工序的过程中,是人工依据行业know how去把可行解的范围缩小的过程,未必能找到最优解。但当行业不同时,一旦不熟悉制造流程和工艺特点,通过人工排产的经验总结的算法将无法满足新的行业的需求,有的甚至在同一行业,甚至是同一企业,该种类的算法都无法满足需求。

       例如,面对产能爬坡的现象,例如饮料行业,当进行管道清洗的时候,产能会降低成零,而在某些行业,产能爬坡是一个调参的过程,那么在不同的时间,甚至每一个小时,设备能够达到的产能是平时巅峰状态的产能的多少都是一个变量。如果是专门针对饮料行业的APS产品,可以基于行业know how来采用规则式引擎。但当面对有非常明显的产能爬坡的现象的行业里,应对饮料行业的APS算法将很难支撑另外一个行业的需求,需要开发各类附加程序来支撑这种情况。

       但在悠桦林的算法平台中,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。只需要设置不可打破的规则限制,在比较大的范围内通过先进的运筹算法寻求最优解。

       肖芳芳同时也指出,相对国外企业,我国制造企业的变化非常快,例如疫情时车企迅速转产生产口罩,在国外很少发生,我们中国的制造业是通过灵活的变动性和定制化去赢得很多客户的。这也是规则式的算法在国外企业中可以很好的运行,但在国内很难落地的原因。

       总的来看,相比于传统的为未来两三天的生产进行计划,让局部生产成本最小化计划,和以牺牲库存为代价满足市场需求的有限协同计划,悠桦林智能APS具备以下优势:

       ●决策更及时:实时获取业务数据的自动反馈,结合智能化分析进行动态预测,代替人工经验判断,提升决策的准确性和及时性。

       ●运营更精细:随着产业数字化进程加速,企业数据采集能力加强,所获取的数据颗粒度越来越细、数据维度也更加丰富,由数据驱动的企业生产、运营管理要求更加精细,更全面的分析与洞察帮助企业提升管理能力。

       ●应用更智能:智能化设备、数字化系统正在取代人工岗位,在产生更全面的数据同时,需要更全面的系统集成能力。市场环境变化周期缩短,需求变化快,算法在应用过程中需要持续进行自我迭代和优化,具备场景业务学习能力,具备多规则、多约束条件下的快速反应能力,不断提高决策水平。

       当下,悠桦林不断的深耕行业场景需求,基于行业经验,增强行业的普适性应用标准化。通过后台模型来更好地适应企业在不同阶段,发生不同变化时的业务场景需求,不断将运筹优化技术和AI融入到落地场景中,为制造企业提供更适合的解决方案。

5 100%交付 推进企业APS成功落地

       除了算法的先进与产品的成熟优势,在项目的交付上,悠桦林实现了100%的交付。例如在为某汽配行业客户打造的解决方案中,悠桦林搭建了一套智能计划系统,业务层分为52周计划和7日计划两层计划管理。周计划进行跨工厂计划协同,开班计划与产能规划,物料规划,成品库存计划(削峰填谷);日计划进行精细生产排程,工单下发以及接收生产完工信息。通过生产精益、库存精益、人员精益、减少换型等多目标协同优化,该客户降低了11%的单SKU备库存量,提升了15%的交付及时率,将以往需要花费数小时的生产排产工作缩短至5分钟内。

       肖芳芳表示,悠桦林的实施技术团队具备10年以上行业经验,主要成员来自国内外世界500强企业,如达索、Intel、IBM、埃森哲、宝信等,具备国际最前沿技术和本土化需求落地双重能力,可谓站在巨人的肩膀上,为项目的成功实施落地打下了坚实基础。同时,在产品设计上,悠桦林进行了很多交付的简化工作,将产品做了模块化的切分,可以实现分布上线,缩短上线周期,循序渐进的优化方式也让企业不断增强应用信心。

       此外,肖芳芳也表示,APS的成功交付也离不开企业的业务部门的配合,双方的信任和沟通尤为重要。特别是目前在市场上,APS并没有形成非常多的最佳实践,对于企业而言,软件排产的结果不可能和人工排产结果一模一样,有的企业会希望APS能排出同样的结果来证明软件是靠谱的,再来实现提升优化,会给交付增加很大的工作量。因此在推进APS成功落地的过程中,双方的信任基础非常重要。

6 后记

       肖芳芳表示,面对增长迅速的APS市场,悠桦林希望逐步搭建渠道体系,来实现共同交付,在整个市场上实现更大范围的覆盖。悠桦林将持续基于先进成熟的算法平台为国内制造企业提供更适配的解决方案,利用运筹优化算法、人工智能与大数据分析技术满足各类复杂排产要求,提升企业智能化决策能力,真正提升市场竞争力。
 
本文为e-works原创投稿文章,未经e-works书面许可,任何人不得复制、转载、摘编等任何方式进行使用。如已是e-works授权合作伙伴,应在授权范围内使用。e-works内容合作伙伴申请热线:editor@e-works.net.cn tel:027-87592219/20/21。