高效性 1756-IR12 編程簡單易學

高效性 1756-IR12 編程簡單易學

高效性 1756-IR12 編程簡單易學

智能決策，從更廣的維度重塑供應鏈價值

回過頭來看，該生物醫藥企業攜手杉數科技的供應鏈優化之旅固然令人振奮，但它在轉型之前面臨的痛點問題也同樣值得重視。對于制造企業而言，無論是從銷售預測上考慮突發事件對訂單量的影響、到生產計劃層面考慮對工廠產能的影響，乃至突發事件對斷供的影響……供應鏈上任何一環的細微波動，都會擴大成影響上下游的漣漪：

在以市場為導向的，傳統大批量訂單以獲得生產成本優勢的模式已過時，企業如何適應市場需求的改變，即小批量、多批次的生產制造訴求？

緊急插單會改變其他訂單的交付計劃，進而影響整體收益，企業如何以全局性思維判斷插單對于企業的綜合影響？

在企業的核心產品生產上，如何應對需求和供給的高波動性，將可能出現的供應鏈斷點帶來的沖擊降到低？

諸如此類的問題還有很多，黃翔表示受限于技術條件，很多制造企業對于市場需求的判斷、生產計劃的排程、供應鏈上下游的管理是割裂的，很多生產要素無法量化考慮，高層領導在進行決策時在“大局觀”的影響下難免顧此失彼，無法把所有因素都考慮進去，對企業訂單實現精細化的管理。

“這也是為什么杉數科技將求解器對模型進行運籌優化和求解，首先應用在制造業供應鏈系統的重要原因之一。”黃翔表示供應鏈的高度復雜性決定了企業需要在物料、人員、設備等多維度進行計算和優化。從實現價值上看，有效的運營管理不會只局限于規劃或計劃本身，其作用傳遞到不同的生產運營環節，都會為企業帶來更多實質性的業務收益。

圖 杉數數弈（LibraMind）工業智能制造決策優化平臺架構圖

值得一提的是，黃翔強調與火爆出圈的ChatGPT不同，AI大模型要發揮價值，不管是商業價值還是社會價值，關鍵的一點是輸出的結果必須是可信的。當AI應用于嚴苛的制造環境時，無論是研發端的生成式創新還是針對產線的工藝優化，一個微小的不可控錯誤就會造成災難性的后果。對于制造企業而言，在應用智能決策的過程中，離不開發方法論指引，也離不開場景選擇、業務邏輯的深入理解，更離不開機器學習和運籌學技術的深度融合。

例如同樣是對底層業務建模，杉數科技的數弈平臺會針對企業實際經營情況，經過數據描述和清理、規律分析、決策分析層層遞進，高保真的構建一個全維度的智慧型框架，終實現多目標多約束“優解”。

高效性 1756-IR12 編程簡單易學