(本文閱讀時間:7分鐘)
縱觀制造業發展數百年,產業對“人工”的要求從少到對,如今又向“少”甚至是“無”發展。手工作坊時代,完成從原材料進貨到生產、加工、銷售的全過程只需要一個人或少數幾個人;機械生產時代,工廠進行集約化生產,負責不同環節的工人能夠井然有序地在流水線上完成自己的工作。近年來,越來越多類似“無人倉庫”、“無人工廠”等無需人工干預的生產模式不斷涌現。無人化生產中,生產管理計劃是否合理、靈活、高效,就成為提升整體效率和產量的關鍵。
面對生產規模逐步擴大,產線、生產資料背后的關聯紛繁復雜,市場動態瞬息萬變,即使是非常有經驗的管理人員也難以僅靠經驗制定出最合理的生產管理計劃。企業決策模式急需從“以人為核心”轉變為“以數據和算法為核心”,“智能決策”的概念也因此誕生。
1
從感知到決策,讓數據和算法能真正“拍板”
對于智能決策來說,最離不開的就是機器學習和運籌優化。其中,機器學習可以通過深度學習和強化學習等算法來實現對未來的預測,預測的效果和輸入的數據量息息相關,對于結果的可解釋性較差;而運籌優化則是將具體問題進行抽象建模,得出在滿足一定約束條件下的最優解,對結果的可解釋性較強,通常被用在規劃、調度、協同類問題,如排班、排產、配貨等場景當中。
在智能決策被使用之前,通過數據來支持的操作自動化和流程信息化,已經可以為決策者提供較強的支持,但最終的“拍板”權力依然依賴于決策者自身的長期經驗。在此階段,機器學習等技術起到的作用還是取代大量的體力勞動,而對于做決策這類腦力勞動的替代還存在較大的提升空間。
但在下一階段的智能決策時代,哪怕是重要決策,也將由數據和算法先給到一個考慮到各種約束后的最優結果,在此之上,再由人工根據經驗和場景加以微調,而大多數的簡單決策則能夠完全交由算法和模型來完成。
未來能否讓模型和算法代替人類做出決策?對此,成立于2016年的杉數科技給出了自己的答案:它并沒有走主流智能企業的老路,而是選擇從智能決策入手,通過深層次的數據優化算法和復雜決策模型的求解能力,憑借與微軟建立的合作伙伴關系和微軟提供的云服務能力,打造“計算引擎+決策技術中臺+業務場景”的端到端智能決策技術平臺,為企業提供靈活、輕便、高效的決策優化服務。
2
用算法規劃排產,兩個引擎實現全局優化協同
對于制造業來說,由于產業鏈分工的不斷細化,生產流程也在不斷拉長,需要做決策的環節也在逐漸增加。以杉數科技服務的某消費電子產業頭部客戶為例,由于產品所需的零配件眾多,數百家工廠遍布全球,每個工廠都有各自的生產分工,涉及不同的產品和配件,對整體的協同排產提出了很高的要求。
在與杉數科技合作之前,該客戶使用的排產系統僅能在單個工廠范圍內進行優化運營,根據單個工廠中設備和物料的具體情況安排生產計劃。但隨著供應鏈和市場需求的不確定性增加,該排產系統無法在多個工廠之間進行排產聯動,就會造成環環相扣的生產鏈出現各種問題,導致預計的產出、收益與實際的偏差很大。而要想做到在整個鏈條上進行連貫生產,就需要把幾百家工廠放在一起做排產規劃,其難度不是簡單的線性相加,而是指數級地增長,單純依靠人力幾乎不可能完成。
而以上這些問題,不僅是該消費電子客戶面臨的難題,也是很多制造業企業生產運營狀況的真實寫照。對此,杉數科技對生產流程和業務場景進行了深入研究分析,仔細打磨每個環節的方案設計,最終為客戶構建了智能決策平臺,使得決策的質量和速度得到有效提升。
對于該智能決策平臺來說,其核心是兩種不同功能的“引擎”。當杉數科技在第一期為該客戶打造“多工廠協同排產引擎”之后,就已經可以通過考慮全套復雜約束來實現一次性排產,用全局最優解替代生硬的規則式輸出,在規定時間內完成滿足復雜業務優先級下的最優生產計劃與物料分配;第二期時推出的“原材料及半成品庫存優化引擎”,則可以通過分析產品的歷史銷售特征,輸出對未來需求預測和統計特征,進而判斷最合適的庫存策略,以最少的安全庫存代價,達到期望的需求滿足率,從而確定不同物料在不同節點的最優安全庫存水平。
通過使用杉數科技提供的智能決策平臺,并考慮到產線、產能、物料供應等大量約束條件,求解出可執行的決策,該客戶最終實現了訂單滿足率提升20%,產能損失率降低30%,人工排產干預降低70%,仿真速度提升1.5倍。同時,當遇到“急單、插單”等突發狀況時,智能決策平臺也可以快速敏捷地做出生產計劃的調整,自動迭代調整下一期排產計劃的模型參數,不需要再經過人工層層統計和協商,將生產計劃的整體影響降到最低。
當然,解決了多個工廠之間的聯動排產問題后,單個工廠的排產自然也不在話下。杉數科技為某3C電子的燈塔工廠定制的智慧排產系統,就能通過智能決策來動態控制庫存水位、統籌平衡物料供應和車間整體資源等,使得計劃排產的效率提升了80%,非常規產品庫存積壓天數縮短了57%,為客戶實現了每年千萬級別的成本節約。
3
自主研發求解器,高性能求解實現運籌帷幄
智能決策里的“智能”二字,體現在“建模+求解”的過程之中,而“決策”的本質則是一種資源分配。通過把企業面臨的問題梳理出來,經過建模轉換成數學上的表達,在滿足約束的條件下求得最優解供企業使用,就是智能決策的本質意義。
這看似簡單明了的過程,背后面臨的難度卻非常大。在建模階段,模型的輸入數據來自于產能、物料等信息,而不同環節需要滿足的約束條件則更多,其中還涉及到大量非線性的優化計算,在這個過程中,就需要使用求解器來進行計算。
作為一款工業軟件,求解器在能源、軍事、航空、金融、電網、工業制造等關鍵領域中都起到重要的作用,時至今日,仍有很多企業需要使用求解器來做運營方面的支持,甚至不惜花費高價去購買國外的求解器。而經過多年的努力,杉數科技自主研發的杉數求解器COPT(Cardinal Optimizer)已經達到國際一流水準,可以針對大規模優化問題進行高效數學規劃求解,是同時具備大規模混合整數規劃、線性規劃、二階錐規劃、半定規劃以及凸二次規劃和凸二次約束規劃問題求解能力的綜合性能數學規劃求解器,為企業應對高性能求解的需求提供了更多選擇。
而在各行各業都在進行數字化轉型的新時代,企業對智能決策等新興技術的理解和應用,不僅是對技術工具的全面迭代,更是產業進一步發展的大勢所趨。
自成立以來,杉數科技也一直是微軟的解決方案服務合作伙伴,此前在零售行業已與微軟進行過多次合作,并且基于微軟的云計算能力,使得杉數科技在服務跨國公司時產生了更大的優勢。隨著近兩年在制造業領域的不斷發力,杉數科技還將利用更多的微軟云服務,為客戶提供更好的解決方案,帶來更高收益。在此過程中,利用求解器技術和以此為基礎打造的智能決策能力,外加豐富的行業落地經驗,杉數科技將為各類行業客戶提供極致的產品和解決方案,為企業未來的數智化轉型之路提供強大的支撐。
原文標題:【制造業成功案例】無人工廠的下一步,排產也能“無人化”?
文章出處:【微信公眾號:微軟科技】歡迎添加關注!文章轉載請注明出處。
-
微軟
+關注
關注
4文章
6614瀏覽量
104186
原文標題:【制造業成功案例】無人工廠的下一步,排產也能“無人化”?
文章出處:【微信號:mstech2014,微信公眾號:微軟科技】歡迎添加關注!文章轉載請注明出處。
發布評論請先 登錄
相關推薦
評論