智能供应链在智能制造领域的应用

智能制造 强调 数字化 、网络化和智能化，强调端到端的拉通，强调横向与纵向协同，不仅仅强调智能制造本身， 智能供应链 更是智能制造的应有之义。

智能制造必须要有智能供应链作为保证，才能够实现精益制造、安定制造、有效制造、有效交付。如果没有智能供应链的协同与匹配，智能制造将停留在实验室阶段——实际上智能供应链的应用场景，更多还是与智能制造相匹配、相适应的。

从供应链整体而言，智能制造其实是智能供应链的一个核心环节。通俗而言，它们应该是在一个“生态圈”里。本文介绍了智能供应链在智能制造领域的典型应用，分析了制造企业智能供应链存在的瓶颈与实现的路径。

一、智能供应链在智能制造领域的典型应用

智能供应链在智能制造领域的应用主要体现在五个方面：

1.智能研发、设计与智能供应链过程仿真

《中国制造2025》将创新摆在了制造业发展全局的核心位置。“智能研发”是实现强大的创新能力的支柱和必要条件，是智能制造先决水平、提升企业竞争力的核心要素之一。

智能化研发需要实现产品数字化、研发数字化、业务数字化（主要信息数据可以分为关联知识、项目管理、技术参数、产品系列、运营过程等）；不仅仅是就产品本身展开的研制与开发，而是更多的需要强调产品的可制造性、可流通性、安全性、有效性、可销售性（终端销售人员对于产品研发初衷和价值的传递）和客户的满意度，必须站在全价值链的高度来思考和模拟仿真。

智能化研发的终极目标只有一个，就是让产品更加顺应中国乃至全球市场的需求。智能研发需要从庞大的用户基盘、用户数据、产业发展导向数据等，以有助于进行完善、可信的市场调研，而超强的研发实力和长期的技术积累、对市场的精准把握，更是研发更好产品的基础。

比如，汽车开发中心使用虚拟化技术，在正式进行撞击测试之前，首先模拟多次撞击实验结果，减少撞击测试的整车数量，从而减少成本和装配时间，大幅提升研发效率。

同时，智能化研发也要求研发团队拥有统筹贯穿产业链智能化的要求的能力，进行相应产品研发设计，以支撑之后的智能制造、智能 物流 、智能销售管理等产业链可视化联动，进而实现灵活协同为终端客户加速提供高度定制的产品和服务。

达到智能化的研发管理，将进一步推动制造、物流、销售环节实现智能供应链。研发部门可以在研发过程中结合制造、物流、销售的智能化需求，设计开发产品，以更好地加快制造、物流、销售环节效率，缩短产品开发生产周期，实现大规模快速定制化生产，提高消费者、客户对产品或解决方案的满意度。

例如，通过实现模块化管理技术，优化产品模块设计，可以使客户能在最短时间完成解决方案配置，同时将模块化设计运用到生产线制造流程管理，从而达到快速定制生产的目的。

通过信息化技术实现的数字化的研发管理将大幅提升研发效率、降低研发风险，增强创新能力。在研发过程中运用数字化技术实现虚拟模拟及个性化技术，帮助企业在开发前期即进行产品模拟，产品测试不需要等待硬件到位，即可进行性能测试，将大大帮助缩短研发周期，提高研发效率。

通过智能嵌入、大数据和实时数据的管理、分析和分享，以及全面使用贯穿产品周期的开发、制造、物料和使用数据，将大幅降低研发风险，从而降低产品周期管理中其他环节因研发问题导致的潜在损失。

与传统的供应链现场数据收集后再进行人工整理、输入系统不同，智能嵌入技术将帮助实现实时环境和使用数据的采集和传输，确保了供应链全过程数据的准确性、完整性、实时性。实时数据能大幅加强研发设计产品的可靠性，减少因数据不精确、数据滞后或差别环境造成的产品问题（如样品测试失败、生产停线、质量退回等），从而降低产品开发风险。

应用可视化技术，智能供应链能够针对具体的单个产品进行数字化描述，以便在产品周期各（关键）阶段都可以快速的追踪到产品及配件、元件、电子件等各类部件，以帮助研发部门得到及时产品数据，进行产品设计或解决方案优化。这将帮助研发部门减少不必要的数据收集、确认、再收集的过程，从而加快优化效率。

2.智能预测与计划的维度、内容、任务发生了变化

供应链需求预测和计划的目标是形成一个精确可靠的关于市场需求的认识。传统供应链环节多、利益诉求不同、信息不共享，容易导致订单交付流程长，从而对于客户需求的响应周期延长，于是，从订单到交付（order to delivery，OTD）的长短以及供应链响应策略，通常决定了供应链过程环节中的库存高低，从而最终决定了企业的盈利能力。

通常情况下，订单交付周期越短的企业，响应能力就越强，反之就越差，面对客户对于交付的效率要求，只有不断地备库存，一旦需要备库存了，就涉及到预测和提前期、计划的问题。

驱动传统的供应链要素主要有两个：预测和订单。而订单是来源于客户对于既有产品的选择性购买的诉求，客户并未参与定义。

比如在 汽车制造 行业（或者家电、手机、家纺、家居等有经销机制的行业），销售门店并不是主动营销车辆，消费者往往要到“4S”店（或经销商），去购买车辆。

此前，不管消费者是否已经购买汽车，品牌商都不会与他们沟通对于汽车购买的需求导向（不关注或者不知道谁是潜在消费者），于是对于某个时间段的销售预期只能够凭着经验或者任务来设定，而为了后续及时交付，从经销商到汽车制造商，再到零部件供应商，涉及到经销商预测、汽车制造商销售加权整理做安全库存、生产计划加权做有效生产、采购加权做批量采购与供应、零部件供应商加权做零部件生产与采购，最终可能极大的放大了实际需求量（牛鞭效应）。

但是，实际销量是不可控的，加上供应链过程中的变数影响和供应链管理的失误与失效，往往导致预测偏差巨大、计划变更、承诺与交付无效、库存层层累积、各方利润空间降低和新一轮的谈判与博弈，导致供应链过程的恶性循环，浪费了巨大的供应链资源、蕴含了巨大的供应链风险。

在智能制造中，预测和计划已经有了新的维度、工作内容和绩效要求。

在智能供应链中，采用大数据预测和智能算法模型，通过趋势结合动态实时需求感知、预测市场和重塑市场，从而主动掌控洞察需求。通过产品价值引导和有竞争力的订单响应周期承诺，完善企业的产销协同计划（sales、inventory、operation and planning，SIOP）系统提供支持，使得管理层能够长远全局战略洞察产销平衡，也能短期柔性应变产销的波动。

同时，通过工业互联网实时掌控设备与产线的实际能力约束，对不同优先级的订单进行智能排产，把 人工智能 融入高级排程系统（advanced planning system，APS）中，结合不同的场景，适应性的、分布计算优化。通过制造大数据部署预计库存计划，实时监控智能供应链过程中的差异，应对不确定性。

在智能供应链中，不再是既有的产品批销、预测、库存计划和被动补货，而是根据客户需求、企业经营战略、供应链价值导向、财务目标和产品策略，综合定义产品、制造工艺、物流模式和交付与结算模式，不仅仅关注产品的结构以及产品是如何被销售出去的，更多地关注产品的结构和形态是如何来的。

不再是被动响应消费者要货需求，而是主动与消费者沟通获得产品需求，从而进行设计和研发，通过设计热销产品来引导客户消费导向，从而实现产品的热销可能（实现战略价值）。

对于销售的产品，不仅仅是通过已销售的产品来分析未来销售的可能性，更是通过沟通与大数据来反映的消费者社群、行为、导向、事件影响、季节因素、流行引领等来分析和预测销售的可能（对于汽车、家电、家居等耐用消费品尤其如此，实际上，每销售一件库存产品，就成功阻止了一件新产品的销售机会，传统的预测成为无本之源，最后只有为了库存的预测）。

产品构成和来源是需求预测和计划的基础，它决定了企业如何进行销售预测的合并和分解，达成全价值链的预测共识。智能供应链以此为起点，然后通过物联网和大数据（包含数据化的历史经验）对于全渠道流通流量的模拟与仿真，做出基本面上的初步预测和引导。

然后与大型客户和关键渠道与合作伙伴对其包含的变数信息作进一步的修改和调整，结合营销团队的工作计划中的关键节点（比如大型促销活动、重要节假日等），从而使得需求预测和供应链资源计划能够与内外活动保持同步。

当然，需求预测和相应的生产、物流计划，不再是人工编制或者独立的计划模块编制，而是立足于全价值链运作的（人工智能化）协同系统主动完成。

智能供应链体系通常会评估每一个产品的产品生命周期并进行持续跟踪，预测产品数量的递减和递增，以确定其进入和退出市场的节拍和方式。

引入新产品必须综合上一代产品的供应链过程中的库存和采购渠道中的半成品及零部件数量。从而保持产品的新鲜度和减少新老产品的市场冲突，保持消费者的满意度和忠诚度。

智能供应链系统中拥有完整的跨企业智能预测和供应链资源计划工作流程，在物联网环境下协作的各方能及时准确地传送需求信息。

于是预测可以从供应链的任何一个环节发起，从而促发所有环节的实时响应，即供应商可以给客户发出一个基本预测以便客户在此基础上作回应，也可以是客户先提供一个对基本面的预测然后让供应商作出评估。

除了预测信息，关于销售速度、消费者现场体验满意度、库存水平和补货需求等方面的信息同样可以通过大数据的方式在企业和客户间沟通传递。由此也减少了供应链中不同环节采用囤积库存以弥补信息不灵通造成的影响，大大降低了效率损失和运营风险。

即使在智能供应链环境下，各个环节难免受到各类变数的影响而产生动态调整，而影响需求预测和计划的正常进行，需求分析既要最大程度的减少预测错误同时又要充分考虑需求的变数，一般需要设置应急模式和自我修正、调整的缓冲模式。

依据产品形态、工艺路径、客户需求、交付和结算模式的不同，反应缓冲保护区的设置也就不同。正因为如此，表现出来的生产和物流计划也会相应的有所区别。

由于智能供应链大大降低了产品研发周期，互联的智能制造工厂也是实时生产，在智能物流的配送下，消费者获得产品和服务的时间，能够比传统供应链缩短30%～50%，大大提高了供应链的响应能力和消费者满意度。由于订单到交付时间的缩短，反过来提高了预测的准确性和计划的有效性。

3.智能化采购与供应商协同到货

在传统的运营中，各个部门并不是在高度认同的供应链战略和价值导向下运作，同时，鉴于采购业务是整个供应链体系中最晚得到供应信息，却是最早需要提供物料，以保障和支持安定生产，于是由于各类运营过程中差异和风险的存在，容易导致无效供应（还需要面临库存降低压力），从而事实上难以保证生产的正常运作。

由于没有实现数字化协同，所以各类变数无法在同一时间传递给所有环节，导致供应链敏感度下降，最终各个环节只能依靠经验（即所谓“拍脑袋”）来做安全库存，以应对变数，随着管理变数的层级增加和时间延长，累积误差自然随之加大，到最终形成了“库存冰山”，反而掩盖了所有的问题。在这种情况下，各个环节KPI指标无法在同一个逻辑上兑现和协同，于是容易产生职责推脱和部门壁垒，供应链一体化自然也就无法实现。

智能化采购中，要求所有的流程必须拉通，其运作战略是基于高度认同的一个供应链战略协同下开展，各个部门和环节的KPI指标也是基于供应链战略绩效的协同和分解而来，于是所有的参数和指标都在同一个逻辑下展开，形成数字化的作业单元。

由于有了智能供应链协同中心，得以将所有环节的计划-执行-信息-物流等串联起来，形成端到端的纵向管理体系，同时，由于每个订单、每个物料（产品）都有自己的资源要求，容易导致资源再分配计划，所以，供应链运作部门还需要将不同运作逻辑的物料和订单横向协同起来，最终形成互联互通的供应链体系。

这就要求采购方在选择供应商伊始，就要求供应商能够与采购方实现软件互联互通，运营时更是要求实时可视、预警和协同。

比如采购方（智能工厂）的计划和预测需要直接传递给供应商的主生产计划系统，供应商的发运计划必须与采购方的作业计划系统对接，先期发运通知（ASN）需要由软件系统完成，而没有人工的参与；并且要求全过程必须条码化（或者采用RFID技术），对交接货物时的标签和信息都有严格和统一的规定。

从运作逻辑而言，就是通过信息平台，承载所有的模块联动，以供应链交付计划为驱动力，联动成品物流计划，形成主生产计划、细化为作业计划，从而拉动供应物流计划、物流配套计划以及产线工位配送计划。

在不同的环节和模块协同过程中，总是会出现各类执行误差和数据差异，那么智能化系统需要自我反馈、逐渐主动减少运作误差，从而形成计划-信息-执行的一致性。如图1。

从表现形式上而言，形成了“计划—采购—物流—信息”一体化；其任务的本质不再是保证供应，而是有效供应。

比如，假设某产品有A、B、C、D、E、F六个零部件，其采购到货周期分别为A5天、B10天、C15天、D20天、E25天、F30天，生产计划本月1号提示，本月30号需要生产某个产品，传统的采购“保证供应”，直接在1号之后就下了订单，供应商也“按照要求”准时交付，能够在约定的交付周期内到货。如图2。

图2中阴影区域就是库存，而这个部分通常就直接进了采购方的仓库。此时，采购完全达成了其业务的KPI指标，能够保证生产，而库存压力居高不下，管理成本随之上升。但是，由于利益诉求的不同，买卖双方往往不愿意承担库存成本的压力，加上盘点和信息管理的时间—数量差异，形成了累积误差，于是成了供应链上巨大的瓶颈。

在智能化采购中，通常采用计划倒排模式，形成精益化、数字化采购，以保证采购-到货的有效性。如图3所示。

图3中所示为主生产计划在1号发出提示，而在30号正式生产，根据各自不同的交付周期，进行倒排，强调实物齐套，以有效保证生产的安定化。图中阴影部分为相对于传统采购带来的收益。

此时不是以采购业务KPI指标为唯一依据，而是协同作业计划、到货计划、实物齐套情况以及可能发生的过程差异（比如考虑质量有效性）进行实时监控和响应，形成“计划—信息—采购—物流—生产”的一体化。

在实际采购业务中，先期的主生产计划发布之后，企业供应链计划协同平台根据各个环节的运营参数进行细分，排布详细的作业计划（包含制造作业计划、配套作业计划和物流作业计划），然后进行人工或者自动化作业，过程中追踪差异和变数。如图4是某典型企业数字化采购详细作业计划。

图4中所示为某物料执行数字化采购以支持精益生产的作业计划倒排表，从上往下为计划的倒排逻辑，从下往上为实际采购及入厂物流运作过程（蓝色区域为采购业务与入厂作业计划）。

在通常的运作中，各个环节通过扫描条码或者RFID感应进行过程数据的收集，以实时形成计划达成率（采购计划达成率、供应方到货计划达成率、入厂物流计划达成率等），如果该过程中出现运营规则和计划要求的标准之外的偏差和变数，系统将自动抓取该数据，进行实时分析和应急。

但是，在智能供应链中，上述逻辑通常不出现在操作界面中，实际的运作界面大多数情况下是某个具体的指令或者需求信息，如图5是某典型企业数字化采购的简单界面（人们称之为“一张纸”one page模式）。

图5所示为某汽车行业采购-供应商协同运作表单，运营流程如下：

（1）采购方供应商管理平台系统（SRM）根据已有的供应商管理数据，自动寻源、锁定供应商，同时根据先期对供应商的ABC分类评估，自动分配订单和交付计划给供应商；

（2）供应商在交付前的某个窗口时间，通过授权登陆ASN（先期发运通知）界面，打印表单（携带条码或者RFID标签）出来，由于采购方和供应商之间实现了数据的互联互通，该计划制定过程中不允许人为的干扰，而且所有采购方对于同一家客户的表单（或者指令格式）都是标准的、符合行业或者国际要求的。

供应商按照表单要求的时间和数量进行生产，等待物流公司提货，此时含有条码的单据卡（或者RFID嵌入）在智能化的包装单元（带有条码或者RFID标签的周转箱或者托盘），实现信息对应，直到配送到工位使用之后。

（3）参与milk-run（实现数据的互联互通）的第三方物流公司将会在相应的时间内打印类似的表单信息，其中的量产区分、计划代码具有相同的逻辑，会在指定的日期和时间内到达供应商发货区域（拥有条码或者RFID标签）；

（4）第三方物流公司收货之后会根据表单中的指令(来源、供货地点分别是指运输车辆的车牌代码和卸货车位代码，通过条码或者RFID标签实时捆绑和对应)进行运输与到货；

（5）采购方卸货人员（条码或者RFID实时对应卸货设施和作业时间）根据卸货作业时间要求实时卸货；

（6）卸货后物料进入排序区域，这些区域也有各自的货位代码（条码或者RFID），形成货位-物料的实时捆绑和对应；

（7）根据总装工位（条码或者RFID实时对应操作人员、机器人、作业设施和作业时间）的数字化拉动需要，通过智能物流（条码或者RFID实时拉动）配送到工位使用；

（8）智能化的包装单元（带有条码或者RFID标签的周转箱或者托盘）中物料使用完后该表单被专门收集起来，通过条码阅读器读取上述关联数据，于是该被使用后的物料数据就被实时传输给了供应商，以及计划、采购、物流、制造和财务部门，供应商进入后续作业。

上述业务针对每个供应商、每个物料、每个订单实现，以保证横向+纵向管理的协同性和同步性。这些工作的顺利运作，解决了以下问题：

（1）智能化选供应商的问题；

（2）信息流端到端的一致性问题；

（3）实现了全价值链拉通的数字化；

（4）物料来源可追溯、去向可查证；

（5）解决流程导向的纵向链接；

（6）解决单据（信息）流的一贯性；

（7）解决单个环节管理的时序性和唯一性；

（8）保证不同环节运作的横向逻辑关系；

（9）各个环节KPI实时化、自动化抓取，以保证考核的客观性。

显然，快速的、可靠的、整合的、实际的和标准化的信息流通是必要的，以减少有形实物和管理流程上的提前期，从而提高采购业务和入场物流的效率。

在智能供应链中，供应商需要根据客户要求和相关的工业标准，必须有发送和接收电子通讯的能力。传统的电子数据交换（EDI）或基于网络的EDI是可以接受的电子通讯方式，而E-mail和传真是不可接受的电子通讯方式（因为需要保证存档和一致性、和客观性）。

在实际的供应链运作中，通常需要对供应商进行交付能力的评审，规定所有供应商、分承包方和后勤提供者，必须实施电子通讯，包括发送和接收的能力。

根据客户的要求，对目前沒有能力发送和接受电子格式的供应商、分承包方和后勤提供者，规定一个时间段，建立电子沟通的能力；要求供应商物料的装运通知信息整合进采购方的接收系统内，且沒有人为的介入。传输的频率和计划时段要适合供应链协同平台的综合管理要求，且满足采购零件和物料的提前期。

4.智能物流配合智能制造强力发展，成为生产的基础和前提

智能制造需要以智能物流作为前提和基础，越来越多的智能制造工厂，（在规划时）将智能制造设施嵌入到智能物流系统中，成为流水线化物流系统的一个不可缺少的环节和部分，从而实现有效运营过程中的无缝对接和联动，由此，通常也称之为“制造工厂智能物流中心化”。

与此同时，企业智能化物流也日趋向供应链方向整合和提升（遵从遵守于智能供应链计划和资源协同），其涉及到的智能化要素也越来越专业化和精准化。智能物流系统包含采购环节智能物流、制造环节智能物流和成品环节智能物流，以及回收环节智能物流。

采购环节智能物流主要是供应商的成品如何送达至采购方（供应链核心企业），可能涉及上门收货、先期发运通知（ASN）、EDI互联互通、精益包装、精益配送、经过评审（并且可以互联互通）的第三方物流、到货计划协同、通过式检验、智能化收货、空容器回收、全过程物料足迹追溯等。

制造环节智能物流主要是厂区内部智能仓库、WMS/WCS、智能输送上工位（与智能制造设施对接）、条码/RFID数据识别、智能单元化包装（与机器人对接）、自动化装配技术、双箱制、空容器回收、成品包装下线以及制造过程数据化追溯等。

成品环节智能物流主要是成品进入智能化成品仓库、智能化装车算法、快速智能化装柜技术、智能化成品运输、发货计划协同、分仓流通、经销商智能仓库、全过程导航与追溯等。

回收环节智能物流主要是包装材料、容器具、不良品的智能循环、智能追溯的过程。

在传统的制造型工厂，物流流程一般包括物料包装、收货、检验、仓库、装配线、拣料和发货，大量采用领料、脉冲式送货方式，主要模式是人工、叉车、牵引车、液压托盘车等独立元素（物流作业计划缺乏或者不连接，信息是断档模式、变数不易控制、管理过程不闭环等），即使偶尔采用了自动化物流设备，也只是实现了局部的自动化，且生产主要面向批量生产，不具备柔性化、定制化和智能化的生产特点。

在设计初期没有将智能物流纳入智能工厂规划范畴的企业，在运作时容易导致过程不均衡，能力不匹配，数据过程衰减、变化和错位，虽然购买了先进的智能制造设备，但是仍然无法在同一逻辑下联动和完成制造计划。

在个性化的智能制造工厂里，智能物流已成为核心元素。

智能制造需要面向客户定制的产品，属于小批量、多品种生产，物流模式需要采用节拍精准、移动灵活、数据互联互通、实时可视、实时监控的物料输送策略。

如通过AGV（或者连续输送模式）从收货区（通过式检验或者免检）到自动化仓储中心（可能使用堆垛机模式、密集存储模式或者多向穿梭小车模式），再连续输送到工位（或者收货后直接输送到工位），设计出面向智能制造的物流输送技术。

智能工厂采用订单驱动式的生产模式，主要按照客户需求，每个产品订单有可能只有一台或两台，但产品种类会多至上万个。需要通过精益、柔性化的生产，模块化物流配套保证，以支持生产计划和物流作业计划的有效性，支持智能制造，同时保证产品零出错率。

智能物流包含智能方案、智能输送和数字仿真。从信息驱动到通讯，再到控制，再到智能物流设施动态管理，实时提供更加智能的系统控制解决方案。

在智能物流的初始阶段，绝大多数工厂愿意采用一台或者多台AGV代替叉车负责拉动式精益物流配送到工位，遵循的是高级排程中的配送时区和拉动计划倒排节点；此后AGV变得更加智能，起到了衔接各个组装、补装等前置工位，以及联动总装的作用。

对于周转率高、流量大的物料和产品（比如家电、手机、服装、家居产品等，通常需要大规模定制）经常会有特殊的物流规律分析（plan for every party，PFEP），提出连续物流计划和智能化作业模式，采用连续输送（智能输送机、智能悬挂链等）到工位，形成多点对多点的智能配送模式，减少了过程中的在制品暂存、等待、包装、中转、交接、信息二次采集等断点，从而使得制造和物流浑然一体。

对于离散型制造特点相对明显、产品体积相对庞大、生产节拍相对缓慢的制造（比如电机、发动机、坦克、飞机、轨道交通产品等），可以直接采用专用的智能流转设备（如大型AGV），此时工厂里见不到传统的组装流水线，取而代之的是一个个AGV移动工作台，沿着工艺路线自动行走，且能够携带产品在装配过程中的重要信息穿梭于工厂，这些信息在工人实际操作时可以有效避免人为出错。

随着产品产量的增加，可以有越来越多的AGV环绕在装配线周围，协助物料的智能搬运，不再有传统流水线的刚性束缚，大大提升了生产的柔性。

智能工厂中的智能物流系统能够高效、准确、稳定地完成重复性工作，保证过程品质一致均衡。随着人与机器在产品装配过程中的交互更加紧密，不同的生产环节可通过操作人员（或者人工智能控制的机器人），按照定制产品的需要来使装配流程做出改变。

更可以通过系统仿真，针对每个订单、每个物料、每个工位验证生产和物流的工艺流程，从虚拟连接现实世界，具体运作过程中可以是通过一个虚拟订单，看到工厂里的各种设备，通过仿真发现瓶颈并反馈信息，进行实时调节；当实际订单当运行时，协同不同的工厂模块，就可以反馈到监控/优化软件模块。

5.智能供应链保障生产能力和过程可视化，提高过程的偏差管理和自我协同和调整能力

智能供应链需要保证信息-物理系统（CPS）的一致性，从而减少执行过程中与计划或标准的偏差，保证企业级的“知行合一”。

但是，在实际运作过程中，难免存在各类变数带来的过程偏差甚至瓶颈，偏差如果不能实现过程的可视化，瓶颈容易长期积累形成隐患，当其爆发时，往往导致供应链的“掉链子”，其后果轻则造成停产或者断供，重则可能为企业带来莫大的风险甚至灾难。

智能供应链在保证过程一致性的同时，需要建立过程偏差场景设定、识别和响应流程，更需要设定变数预警、瓶颈和风险识别、应急预案和应急物流管理模式。

常见偏差场景如：停电、设备故障导致的停产、配送过程中堵车、翻车、大批量不合格、火灾、台风、地震及其他灾害、由于环保问题带来的停产整顿、工人罢工、信息标签丢失、容器具损坏、检验不及时、模具损坏、总装不合格、货损等。针对上述可能产生的风险，需要有应急培训和实施演练，以避免实际情况的发生。

在智能制造中，这些供应链过程的可视化、偏差管理、实时应对问题显得越来越重要。否则，再好的智能制造工厂和设备都无法有效协同运行。

传统供应链管理过程中，可能有偏差数据的统计和可视化通知，通知的对象是操作团队或者监控团队，但是，往往不能保证偏差数据抓取、通知的实时性和真实性，从而难以保证应对的及时性和有效性，导致供应链系统的累积误差。

比如，供应商端出现了诸如翻车、批量不合格、停电等因素导致的问题，主要是通过打电话、发传真（而不是系统）等方式告知管理人员；仓库端如果找不到物料，通过人工当面沟通或者对讲机通报；制造端如果设施故障导致计划变更，通过开会或者对讲机沟通……都无法保证全过程的数字化和数据化，更无法给后续相关环节以足够的时间应对，容易导致无法交付、无法追溯、无法查询。

智能供应链偏差管理，是通过智能化的数据抓取方式，直接通过系统传递给关联系统或者智能设施，“看”偏差数据的可能不是人，而是整个供应链系统，实时的进行有效反馈和处理，形成自组织、自反馈、自调整的职能运作体系。以下案例能够说明偏差管理的逻辑和应急管理可视化的升级路径。

H企业位于某市近郊，交通便利、环境宜人，其有效使用面积近10万平方米，拥有五个仓库和三个零部件、总装分厂,分布于厂房的三个楼层。日最高产量达30000台，每天24小时连续运转，平均每分钟可生产20.83台；5条生产线同时生产，则每条线每分钟可生产4.16台。

按照该产品的品牌形象和市场上对该产品的需求以及该厂现有的各项资源，该企业的生产节拍期望值应可提到5台/分钟（即每天可生产3.6万台，潜在总资源占20%）。

为了追溯制造潜力的约束瓶颈，随机抽取了任意两周的停线时间作为研究对象，发现供应链运行状况可以描述为：生产设施的高效率运转所带来的物料消耗与各类物料无法按照生产计划有效配送到工位达成安定生产之间的矛盾。

由于供应链协同不均衡、信息不共享、数据逻辑与KPI指标考核不一致，从而造成生产上的瓶颈现象，降低了供应链整体系统的价值链传递效率，造成很大浪费。

二、制造企业智能供应链存在的瓶颈分析

制造企业在智能供应链方面存在的瓶颈主要表现在以下6个方面：

1.供应商到采购方没有形成数字化管理

包装的差异导致无法形成数据化管理。运输容器没有实行标准化，有各类各样的具有供应商明显特色的容器，不利于企业内部标准化管理，也不利于物料与容器的颜色管理和定置管理与及物流现场的整理整顿；影响了采购管理落实的有效性。

数量的差异导致物料流动无法数字化管理。包装单元数量不统一、不严格按生产需求送货（通常，为了保证用量，都有多送的余量，加上盘点的不及时，增加了供方的管理与仓库的成本；不能进行运输的直达化管理，即门对门管理），人工清点与数据交换费时、费力，更容易造成系统中的积累误差；即使偶尔有使用条码的也无法保证数据的准确性，最后只好扫描送货单了。影响数据管理的有效性。

物料流动时间的差异无法保证计划-执行的一致性，KPI指标难以监控。由于没有按照采购方既定的到货计划送货，使得供应商日供货不明确、不及时、不合顺序，导致无法到货或者到货无效，最后使各工序缺料等待。

同时，对于供应商进货的规划与调度中，可能出现同时超标到货的现象，造成现场拥挤。据该企业资料统计，该厂在当地便有500多家供应商，每天送货大卡车最多时达30多辆，平时同时到达的有8-10辆（也有时空场），而卸货现场面积和卸货能力决定每次最多可同时卸货4-5辆大卡车，最后导致加班等计划外作业。

供应商质量差异导致直通率无法达成。由于质量的问题常使总装线停产，甚至总装后试机时，发现品质不良，只好作为不合格品另做处理，增加了生产环节的负担。

2.相关物理功能区域未做区位数字化管理，现场管理混乱

卸货区未做区位管理。拥挤现象很严重，成了事实上的库存暂存区，各类材料在卸货区停留时间过长，客观上造成对卸货本身的干扰。

工序之间各暂存区流动性失控。见缝插针式的无序存放，暂存容器的不统一、不规范（甚至许多物料根本没有必要的容器），导致存货不能顺利进出（需要的货物在最里面），更不能先进先出（FIFO），造成实际生产中时空上的矛盾，如钣金件存放区，甚至在一些区域出现存放多日的不良品部件，而且经常存放在加工区的运输要道上，阻碍了物料的顺利流转。

区域之间物料周转缺乏参数设置和管理。各分厂、库暂存区重复设置现象严重，但又不能统一管理与运输、调度，导致（人工+叉车）重复运输和迂回运输，使配送无序。各分厂的区域分割、物料分散堆放，又由于配送与物流管理上的不均衡，使空间周转不过来，如产品的下线问题、固定工艺的运转周期与下件存放使用的时间差问题、运输过道与运输方式的问题等（尤其是电梯的使用与管理不合理），造成各楼层间物流的瓶颈现象（通常被称为“线边库存”）。

总装线区域物料上下作业岗位时序失控。配送节拍跟不上，所需物料不能从各厂、区、库及时、准确配送到位，且配送的物料质量难以保证；不需物料（如调产后的零配件、空工位器具、不良品）不能及时运走或处理，造成线上物料拥挤与亏缺，使生产不准时、物流不均衡。

3.生产保障过程的信息流紊乱，人、机、料、法、环无法形成联通与互动

全厂信息传递和数据维护的现代化程度很低，部门间以定单方式交流，信息传递易失误，沟通、处理不及时；物料周转又未单元化，使高效率的物料运转、巨大的数据量与低效、易错的人工操作之间存在错位（如成品包装线与成品库间的数据交换完全由人工点数完成，常出现数据不统一或盘点延迟的现象）。

该企业还曾经花巨资导入了多台AGV搬运小车和工位机器人，但是都由于智能化设施无法与实际的流程、物料、上下环节的人工、叉车实现无缝对接和联动，导致最后全部撤换。

比如AGV将物料配送到工位了，作业人员尚未完成上个物料的装配，AGV直接放下物料进入了下一个作业；反之人工完成了，AGV尚未到达，导致人工停产；工位机器人经常由于物料未能够按照作业计划到达指定位置，导致静止等待、闲置；或者物料包装的工位器具未能够按照机器人属具的抓取模式设计，导致机器人无法争取抓取物料进行装配，导致乱抓物料或者无法识别物料。

4.管理组织协调无力

缺乏系统的供应链管理组织，以上供应链过程矛盾不能得到及时有效的解决，导致瓶颈现象的不断积累。加上瓶颈问题随着供应链流程形成压力转移，部门之间形成各种推诿，各类会议不断增加，导致管理资源浪费。

5.过程的量化管理未能形成数字化逻辑，导致考核错位

如表1所示，是某连续两周中和某特定的一天中因以上原因导致停产的部分数据。

从表1可知，导致停产的责任，较大的是料品部、采购部和资讯部等物流的主要环节，而各个分厂生产管理的直接责任较小；

表2反映了该单位绝大部分由于供货不及时、送料不及时和缺件等物流不合理的责任，不合理的归入到了生产管理中，并且由表1和表2的总计中可知，两周内仍分别有83（=3105-3022）和25（=2045-2020）个停线时间单位找不到责任部门。

表3中由于缺件、周转不利、送料不及时、信息传递失误等原因所造成的停机时间达总时间的74.87%，真正由于操作等原因所致的停机仅占极少一部分。

表4中单日停产原因分析表明导致停机的直接原因仍主要是供应链过程的不合理导致的低效化，这证明表1～表3中出现的每周停机时间的原因并不是偶然的。

出现这么多的停产现象，该企业的管理监督部门都会定期稽核，并查明责任者进行处理。实际上，作为该行业的知名企业，该厂的生产管理及监督都很完善并且很有力度；但是因为缺乏对供应链数字化、智能化的理性认识，所以对于如何从根本上解决因供应链不合理所带来的浪费与束缚，是该厂领导层一直头疼的问题。

由于存在多处瓶颈，采购作业劳而无功，厂内物流不平衡，生产物料的配送无法准时化、高柔性，导致整个生产流水线经常停机等待，使工作流、物料流、资金流、信息流受阻，系统效率的提高受到约素，产生巨大的机会成本，从而不能最大限度的降低物流成本、解决生产中的时空矛盾，挖掘出被浪费的利润源泉。    

6.传统的数据预警与可视化通报不能实现实时管理

图1、图2、图3是比较常见的现场“可视化”数据表现方式。

由于绝大多数业务过程数据统计是离散型的，各部门协同共享联动性较差，信息不能共享，不能及时传递，形成信息孤岛，过程中的异常信息绝大多数没有及时存储，导致不能及时做统计、分析，而且大量的数据都是人工统计，导致统计结果滞后，管理也只能是事后控制，而不能实现预先控制和及时管理。

每天的作业达成情况也是完成率低下，并且影响因素无法实时查明，甚至无法得知后续还将影响作业完成的天数。如图4。

对于供应商的缺料情况，也无法实时控制和预警，只能够被动等待，如图5所示。

传统供应链中的很多报表，绝大多数都是通过人工输入、编辑、整理出来，并且报表出来后通过邮件或者简单打印出来进行信息的传递和发布，导致人工处理数据的工作量大，即使是现场开会管理、解决问题，也容易使得关键管理者不能及时的看到这些信息—在现场要么看不到这些数据，要么就是事后再看到数据，容易造成管理被动和管理只能是事后控制，而不能做到事先预防主。最后导致如图6所示的问题。

三、智能供应链在制造企业的实现路径

智能供应链需要通过对计划、采购、仓储物流、生产作业四大关键业务环节的管控，实时掌握进度、监控过程异常，包括对整个异常处理的全过程控制，更好地实现问题的事前预防和事中控制，实现各业务部门的协同性，帮助企业落地PDCA管理循环和持续优化提升，以支持打造数字化、可视化、信息化、智能化工厂。

1. 智能供应链体系对相关企业的要求

在智能供应链体系中，首先需要强调以下要求：

（1）供应商必须将它的交付资源与采购方的长期、中期和短期需求进行比较。在运作过程中，需要通过流程来确保任何可能影响后续运作的风险发生时，能快速和客户沟通。

（2）供应链管理部门需要实时查看供应链过程作业和物料是否足够滿足客户未来的需求，以便及早发现可能影响满足客户需求的潜在问题。当发现风险和偏差时，需要及时制定纠正行动，将对客户的交付影响减小到最低程度。

（3）供应链管理部门必须制定应急方案，当发生紧急情况时，即启动这一解决方案。这一职能系统必须定期进行测试和验证（过程数据需要实时输入到系统中），并且要求对相关人员进行应急程序的培训。

（4）当接收到的预测需求和发货要求时，每天（可以实现周滚动）都需要比较现有的资源和内外部客户的（计划和）需求之间的差别，并且提出优化方案，当有任何重要资源受限不能满足生产和交付要求时，能够实时通知相关的后续环节，甚至是客户。 

（5）供应链系统能够自动检测过程环节的时间、数量、包装方式、装运方式、标签与信息传递方式的偏差（如：货运扫描和装载控制系统）。确保任何与供应链标准或者运作计划、协议的流转数量和方式有偏差时，能够被及时检查和显示出来，并且在不对生产和交付带来成本损失的情況下及时的协调。

为了提升交货准确率和缩短交付周期，势必需要提高供应商到货准时准点、提高物料配套率，同时减少供应链过程中的效率浪费、提高人均产出效率和现场办公效率，从而提升物料周转率。

为此需要构建八个数字化的作业体系：生产计划和物流计划的联动体系、供应商到货管理体系、物流运行过程的监控机制、物流运行关键物流指标、优化数据手工统计工作量和作业逻辑、信息及时采集和传递并可视化看板自动显示、计划和实际运行的目标偏差管理、异常和风险预警机制。而构建智能供应链，便是从建立八个数字化作业体系入手，逐步达到缩短交货期和提升交货准确率。上述要求的具体逻辑如图7。

梳理清楚数字化逻辑之后，有利于将计划、采购、生产和物流的全过程信息有效联动起来，同时将过程中的异常信息能进行预警或及时展示。以此能将当前事后的管理提升为及时管理和预先控制，并且能进行及时的监控。参考模型如图8。

通过建立数字化、智能化供应链模型，重新梳理供应链运营流程，针对关键环节、工艺或工序进行标准化、有效化、可视化管理，以拉通制造工厂的价值链。于是，供应链上不同环节的关系处理不再是传统的经验和感性（俗称“拍脑袋”）模式，或者单个决策模式，而是系统化决策了，如图9所示。

信息平台必然遵从于业务逻辑，在通常情况下，管理者看到的仅仅是运作界面，但是，在智能供应链演变中，逐渐地变为了数据逻辑的引领。

如图9所示，假设将企业供应链运作划分为ABCD四个模块。

A为采购业务端（蓝色虚线区域）。主要包含供应商的采购-生产-交付等过程，解决自动寻源、根据供应商基础数据实现自动下单、自动提示供应商交付要求；

B为入场物流端（紫色虚线区域）。主要包含装车-运输-收货-检验-入库等过程，解决规划和计划供应商的交付过程要求，并实行监督，以实现数字化采购的可视化；

C为生产协同端（红色虚线区域）。主要包含分拣-配送-齐套-生产-打包等过程，解决数字化生产的流动性要求，以精准响应智能制造的时间和数量要求，其间需要重解决工位配送和作业协同的问题；

D为成品交付端（绿色虚线区域）。主要包含入库-存储-检验-分拣-装车-运输-交付等过程，实现对市场要求的快速响应。

对于智能工厂而言，生产环节C最担心停工待料导致的无法交付，而如上文所述，绝大多数制造停产都主要是采购业务A和入厂物流B的原因，容易导致“巧妇难为无米之炊”窘境，所以装配型制造企业，尤其是汽车、家电、电子、重工机械、家居行业，一般都将ABC环节的数字化作为供应链智能交付体系的先决要素。制造业普遍认为：精益（智能）生产必须以精益（智能）物流作为前提。

对于供应商而言，上述全价值链必须实现OTD（订单到交付），以让采购方实现实时监控和运作管理，从而保证采购方的安定生产和智能制造，此时，相对于采购方，环节D将更加成为供应双方关注的焦点，但是，必须要保证全价值链的有效性，才能够保证交付承诺的兑现。

对于智能供应链而言，无论是采购方还是供应商，都是为了有效交付，于是，从计划到执行，需要强调几个关键词“保、稳、抓、拉”。

保——保证发运计划，实现有效交付，提高客户满意度。主要包含按照订单交付周期倒排计划、按照订单交付时间预约装车/装柜、有效装车/装柜，以有效相应客户方的ASN（先期交运通知单）等。

稳——稳定生产计划，实现安定生产和智能制造。主要表现为资源匹配实时监控和检讨、作业执行率保证、强调均衡生产，减少各类偏差带来的库存增加和断点浪费、推动安定生产，精益生产和精益物流协同，以总装作为作业依据，提高计划达成率和直通率。

抓——狠抓配套计划，实现信息配套和实物配套的完美协同，从而保证生产的可行性。外购件配套计划-不再是保证供应，而是有效供应，以作业计划需求的齐套数量作为采购-到货-收货的依据，并且必须具备实时盘点和提供结果，并且可视化的能力。

同时，还需要狠抓自制件配套计划，通常自制件由于管理者对于效率、成本、人员、换模等的考虑，喜欢一次性大规模生产，但是，由此产生了失控的库存，形成无效制造，带来各种变数和经营压力。

在智能供应链中，自制件将作为内部供应商进行严格的协同配套和数字化要求，避免由此带来对供应链的冲击。此外，信息配套协同实物配套-实时盘点、实时全过程监控、实时预警、响应。

拉——拉动供应商到货计划。主要包含供应商预约生产-基于采购方的要货计划（ASN）倒排生产，按需生产，不再是自我任性的大批量生产。

第三方物流预约到货-基于采购方的要货计划和既定的运输路线，按照顺序收货，实现循环管理，不再是多拉快跑的模式，全过程都有信息监控；实时检验与入库-有必要推动“检验放行及时率”，以保证采购物流的及时性和有效性，降低检验库存。

实际上，如果检验计划和到货物流计划没有协同好，那么检验将成为采购物流中的最大瓶颈。

如此，方能形成价值链的一体化拉通和标准化运行，如图10所示。

2. 智能供应链建设过程中的要素协同

智能供应链建设过程中，将涉及到的要素全面集成，从而实现从信息逻辑到物理逻辑的对应关系，合理分解为多个管理模块之后的协同（不是传统供应链中的购买和拼凑），形成工业大数据平台，如图11所示为某企业制造大数据平台架构与协同逻辑。

当对应关系建立起来后，智能供应链需要重点关注送货计划-到货管理、存储计划-存储现场、配套计划-实物配套、作业计划-现场作业管理、总装计划-总装作业管理、装车计划-装车装柜六个对应的关键环节参数和标准执行，以解决数据一体化、偏差管理一体化的系统性要求，保证系统能够实现差异控制、先期预警和应急管理。

过程中还需要考虑包装器具设计与身份管理、存储空间的数字化规划和智能仓储设施、工位智能化配送模式和响应参数设置、成品下线到智能化、快速化装车模式等的设计。如图12所示。

将各个要素协同起来，形成企业物联网（对接互联网），将人、机、料、法、环互联互通起来，通过供应链智能协同系统指挥和运营起来，解决横向+纵向的资源协同（图13、图14）和信息联通。从而形成智能工厂从供应链策略到监控和执行三个层次的系统性联动，如图14所示。

不同物料、不同订单、不同作业方式、不同工位、不同供应商涉及到的制造需求全面联系起来，形成横向+纵向的协同，支撑过程中信息逻辑和实物逻辑的对应，以保证供应链资源和计划的一致运行，并最终形成综合的报表。

在协同计划管理的主导下，需要管理和实时监控供应商的到货有效性和实时进度，尤其是需要保证供应商流程偏差所带来的风险。

仓库物流管理可能涉及到收货、检验和自动立体库等多个环节，都涉及到时间和数量以及信息采集动作，动作的有效性直接实时显示在数字化供应链平台，以监控计划和实际作业之间的差异。

生产订单执行的有效性直接决定了交付的可能性，对于智能生产而言，生产异常的实时监控和快速响应，就变得尤其重要。

各个供应链关键环节的数据和运行运行状态经过系统算法，形成管理者和决策者需要的报表，比如日计划与产值实时报表、月产值停线时间和原因分析实时报表、月产值计划达成率实时报表、订单延误实时报表、月产值累计达成与标准值之间的差异分析实时报表以及各项产品和产线产值动态类及报表等，从而能够实时显示当前运作对于供应链战略绩效指标的达成情况。

各类管理界面的显示和实时报表的生产，有利于决策者思考供应链优化和战略绩效的持续推动和偏差、瓶颈问题的实施解决，从而实现七大管理要求：量化管理、实时管理、可视化管理、PDCA管理、主动管理、目标偏差管理、数字化管理，达到持续改进的目的。

当企业逐渐实现了价值链拉通、数字化采购、数字化物流、智能生产之后，整个供应链计划-执行将完全与信息平台融合，实现CPS（信息物理系统），未来的差异可视化不再是反馈给作业人员（从而去开会解决问题），而是反馈给整个供应链系统，从而这个系统实现实时反馈，形成自组织、自管理等智能化的表现。

从而实现智能制造，而代表了供应链信息的各个物料包装单元，都将“会说话”，与供应链上的所有元素进行对话和交流，实现人、机、料、法、环、数的互联互通和工业大数据，从而实现数字化、网络化和智能化。如图15为某企业智能供应链全要素联通与运作全息图。

智造供应链的发展以企业的自动化和信息化发展为基础。自动化主要实现生产过程的数字化控制，离不开各类过程控制类软件的深度应用；信息化主要实现企业研发、制造、销售、服务等环节和流程的数字化，打通企业内部及供应链企业间的数据流，以研发设计类、生产调度类、经营管理类、市场营销分析类软件的深度应用为特征。

因此，涵盖上述软件类别的工业软件是智造供应链发展的基础和核心支撑，可视为智造供应链发展的灵魂和风向标。

本文已标注来源和出处，版权归原作者所有，如有侵权，请联系我们。