制造業供應鏈困局之下，智能決策如何提升物料管理柔韌性
發布時間：2022-10-20 www.xstr.xyz
瓶頸物料短缺，減配供貨、停產待料問題頻發，客戶交付周期延長？
物料常常不齊套，計劃趕不上變化，共用料總是拆東墻補西墻？
為防止物料短缺大量備料，庫存成本劇增、呆滯物料過期浪費？
百年變局疊加世紀疫情，讓全球供應鏈陷入困局，大環境的震蕩傳遞到企業生產制造中，最直接的影響就是前所未有的物料危機，無論是瓶頸物料成本的水漲船高，還是物料短缺后的過度儲備，都把物料管理推向了轉型升級的潮頭。
物料是生產制造的基礎和前提，從客戶下單到企業采購、生產、配送，最終成品到達客戶，每一個流程都離不開物料的支撐。任何一種物料“掉鏈子”，都可能會引發后續的“多米諾效應”，導致庫存、生產、交付等陷入泥潭之中。
為了防止物料問題，很多企業會提前大量采購，雖然可以較好的保障物料供應，但也意味著資金、庫存等成本的占用，回款的速度能不能快速彌補成本支出？這是關乎企業生死的問題。有的企業則本著“用多少買多少”的原則進行備料，這種方式可以降低成本支出，但可能會導致生產延期，影響訂單交付。因此，物料管理問題本質上是成本和收益之間的博弈，不僅是數量大小的博弈，也是速度的博弈，這就要求企業在管理中更加精準和敏捷。
從物料管理流程看，生產前要做好計劃和儲備，生產后要時刻關注動態變化，需要了解并持續調整年/月/周/日的庫存、補料、分配等數量及時間，每一個環節都需要“精打細算”，是持續的、動態的、精密的決策問題。但很多時候，決策跟不上變化，比如，臨時增加了訂單，物料夠不夠、怎么分、先分誰、能不能挪用？臨時高價采購值不值？當同時有成千上萬的物料要做這些決策時，累積起來的計算量將非常龐大，再加上訂單變化、設備維修、人員變動等影響，企業如何保證每個訂單都有足夠齊套的物料？
盡管在工業數字化的進程中，物料管理方式持續在升級，但一直缺乏端到端的精細化協同管理機制，需求和供應之間存在多個信息斷層，計算和決策效率低，效果差，一旦遇到變化就顯得非常脆弱。無法在多種影響因素之下快速制定優化的采購及分配方案，是物料管理的根源性問題，而此類問題正是智能決策技術所擅長解決的。從現代生產制造的應用來看，智能決策技術也越來越受青睞，正成為打開物料管理新局面的鑰匙。
物料管理三大痛點：預測不準、籌措不精、分配混亂
在分析智能決策如何解決問題之前，我們不妨先來看一看，在供應鏈困局之下，物料管理的主要痛點所在。
1、需求預測不精準，瓶頸物料短缺嚴重
在生產制造行業，物料的“木桶效應”非常明顯。一般說物料短缺，可能并不是什么都缺，通常主要是一些長周期物料或者瓶頸物料短缺，比如汽車芯片，本來就供不應求，遇到疫情等突發事件影響，就更加難以采購，關鍵物料的短缺往往是影響產能的“罪魁禍首”。
由于供應鏈格局改變，各類原料及零部件供應商不再是有求必應，特別是瓶頸物料，主動權往往掌握在供應方，生產廠商需要借助合理的中長期物料需求計劃更好的預訂供應商產能，以確保供應商未來不同時期能夠及時交付物料以滿足生產，而產能預定的核心點在于，企業能否精準的預測需求。
傳統方式在做需求預測時，往往基于歷史銷量數據和人工經驗，無法把疫情、政策、突發事件等因素考慮進去，預測準確率較低。而且，只能預測到成品數量，很難細分到各個零部件和物料層級。由于成品的物料配置具有多樣性，基于成品預測數量的物料產能預定，和實際需求會有一定偏差，如果偏差太大，未來需要物料時可能就采購不到。
2、缺乏動態管理機制，物料籌措手忙腳亂
企業在進行物料籌措或采購時，常規做法是，基于MSP（主生產計劃)及庫存情況，運行MRP（物料需求計劃）系統，打開BOM（物料清單），生成物料需求計劃，進而指導具體的采購數量和時間。不過一般企業在制定生產計劃時，是基于無限產能和無限物料的情況下進行的，而且無法將疫情等不確定性因素考慮進去，這就導致計劃和實際生產有很大差距，很難指導實際的物料籌措。
而且，MRP只能分析每種物料的總量齊套情況（庫存、缺料等），告訴采購人員需要在什么時間補多少料，無法分析每個訂單對應的缺料及齊套情況。由于沒有和訂單直接關聯，當訂單發生變化時，就無法及時調整。但在實際生產中，急單、插單非常普遍，物料庫存和銷售訂單是動態變化的，物料齊套情況也一直處于動態變化中，由于無法進行動態管理和籌措，往往在領用物料的時候，才發現物料不夠用，最后就會出現各種催料情況。
3、物料分配隨機，訂單齊套率低
在物料分配時，每個訂單的物料需求都是有優先級的，分配如果不能和訂單打通，依靠人工分配和領用，就存在很大的隨機性。目前大多數企業主要依靠人工展開BOM物料清單進行計算和分配，由于物料分配涉及成品、半成品、原材料等多個層級，每個層級又有多個條目，人工無法做到全局均衡。在做齊套檢查時，線上只能對庫存總量的齊套進行檢查，線下做訂單齊套檢查效率低，很難快速發現問題。
這樣在領料時就會出現挪用、多領或錯領的情況。比如共用料分配，不同產線的生產員去領料時，物料管理人員無法全面考慮生產計劃和訂單優先級，只是對領料的數量進行記錄，可能就會引起物料挪用，導致緊急訂單缺料，不僅會影響訂單履約，還會增加額外的成本。
供應鏈全局協同優化，智能決策帶來物料管理新范式
由上述問題不難看出，物料問題不僅僅關乎物料，還是和需求、生產等環節層層相關的，企業必須從點到面全方位聯動起來改進，才能真正增強供應鏈能力。常規的數字化系統要么協同性不夠，要么精準度較差，很難適應不斷變化的市場。隨著智能決策技術的發展，越來越多的企業開始把智能決策技術應用到物料管理之中。
例如，舜宇光電為了解決物料分配難題，與杉數科技合作打造了物料分配智能決策平臺，以產供銷一體的思路進行物料分配優化，充分考慮物料齊套、共用料、內外部動態因素等影響，實現了智能化的物料管理，并帶來了生產、庫存和運營各環節協同優化效益。在上汽通用凱迪拉克工廠，杉數科技提供的智能排產方案綜合考慮市場需求、產能限制、成本、外部因素等，以平準化生產排序為綱進行排產優化，實現了物料需求的均衡化拉動。
杉數科技提供的產供銷協同物料管理方案框架
領先企業的實踐表明，智能決策方案不僅可以幫助企業疏通各環節數據，還能利用人工智能和運籌優化技術高效求解優化，實現物料管理的精細化、協同化和敏捷化，為解決物料管理問題帶來了新的范式，下面我們從物料管理的不同環節來具體分析。
智能需求預測多層級打散，精準預定物料產能
同樣的供應環境下，如果能夠提前了解物料需求，就可以更好地把控供應商。基于智能決策技術的需求預測方案，可以利用人工智能和運籌優化技術，綜合考慮市場情況、歷史銷量數據以及其他內外部因素，得到優化的需求預測結果以指導物料計劃。比如，對于疫情影響，可以通過智能算法構建疫情模型，減少不確定因素對預測結果的干擾。
而且，方案可以結合企業的歷史物料需求、客戶特征、政策、市場供應能力等情況，對成品進行拆分和打散，將需求預測細化到不同層級的物料，尤其是瓶頸物料，通過擴展需求預測的顆粒度，幫助企業更好的預定供應商產能，保證關鍵物料的供應。
生產計劃加入物料/成本約束，有效拉通資源籌措
智能決策方案在做生產計劃時，可以把物料、成本和產能等限制考慮進去，提前將物料供應情況和生產能力及需求掛鉤，在一定程度上把物料問題扼殺在計劃層面。
生產計劃增加物料資源限制及成本因素
具體做法是，利用物料約束模型。考慮不同產品對物料配置的差異性、共用料、成本等因素，將物料作為一項約束加入生產計劃模型中，在制定生產計劃時，全方位考慮需求、成本、產能、物料、均衡性等影響因子，最終在保證產量和利潤的前提下，得到更符合實際的生產計劃和物料籌措計劃。基于智能決策的計劃系統支持周/月多種時間維度的計劃制定，以需求為輸入，按需生產、采購，達到計劃時間內需求與供應的平衡，避免生產資源的浪費和采購物料的庫存積壓。
該種方式可以打破訂單和物料籌措之間的信息鴻溝，當訂單情況發生變化時，系統可以自動計算求解，聯動生產計劃和物料籌措計劃進行調優。而且，企業可以通過系統進行計劃齊套檢查，結合需求量、即時庫存、在途庫存、BOM數據、齊套量、齊套率等數據，指導采購部門對缺料訂單進行補貨。
端到端智能分配物料，保障生產齊套
針對物料分配和領用問題，智能決策方案可以建立多級物料分配模型和機制，實現端到端的協同管理，讓操作員對物料總量以及不同維度的物料配置情況一目了然。
比如，以銷售訂單、庫存、生產訂單等元素作為輸入數據，建立訂單層級的物料分配機制，綜合考慮分配優先級、供應優先級、物料類型、客戶替代、協議備料等眾多約束條件，自動完成物料供需分析及核算，自動分配物料到相應的訂單，操作員確認分配建議后，物料就會自動匹配給系統指定客戶并進行鎖定，防止物料挪用。
基于智能決策的端到端智能分配方案為物料管理提供科學建議
當臨時有插單或者訂單取消，可以根據訂單數據給出挪用或調整建議。系統還可以自動進行生產齊套檢查，在生產上線前，對物料的毛需求量、即時庫存量、采購未交量、工單未領量、凈需求量、需領用量、已領用量、未領用量、分配量、齊套量、齊套率、齊料率等進行分析檢查，為生產訂單下達提供決策建議，避免上線生產后停工待料。
模擬仿真多場景分析，量化物料風險科學預防
遇到“斷鏈”問題時，為了避免停產，企業一般會緊急采購物料，但有時會過分備料引起庫存積壓。對于瓶頸物料，特殊時期采購難度極大，可能要花費巨額成本才能采購到，如果減配供貨又可能丟失一部分訂單，在成本增加和停產斷產損失之間，企業該如何抉擇？
依靠經驗“拍腦袋”決定，具有很大風險，因為過往的應對經驗不一定適應當前的情況，基于智能決策技術的模擬仿真系統可以幫助企業提前預見和分析物料問題，全面評估各種情況下的得失，通過智能算法幫助企業“未雨綢繆”，防止臨陣時手忙腳亂，降低物料風險。
以疫情為例，模擬仿真系統可以結合疫情數據，綜合考慮供應鏈各個節點的影響因素和相互關系，對原材料、半成品及成品的成本、庫存、變異系數等進行算法抽象，再借助求解器COPT進行高效求解，幫助企業提前洞察和量化疫情中的供應鏈風險，并提供優化的應對策略。比如，計算出不同疫情場景下全物料的庫存天數，采購料與半成品的內部需求、及時滿足率，以及成品的需求交付水平等數據。基于這些數據和策略，一方面，企業可以提前對一些瓶頸物料進行預儲備，另一方面，突發疫情時，也可以用更小的成本靈活應對。
除了疫情以外，政策、突發事件等其他外部因素的影響都可以借助模擬仿真技術進行預見性分析，從而幫助企業增強風險抵抗能力。
智能決策對于物料管理的價值是一體多面的，但不管從哪個面出發，思路都是從全局視角出發優化效率和質量，幫助企業用更高的效率、更低的成本解決物料問題，以全面提升業務價值。由于每個行業和企業的生產流程及業務模式不同，影響物料管理效能的關鍵點也不同，在應用智能決策技術時，企業需要根據實際的問題，找準切入點推進實施。
從制造業長期發展來看，物料管理能力的提升能夠起到四兩撥千斤的作用，智能決策技術打通了物料管理的核心關節后，可以從內到外增強企業供應鏈的柔性和韌性，對于破解制造企業整體供應鏈困境、推進智能化轉型都大有助力。