数策智能：供应链智能决策的成功路径

从Tiers来看，数字化面临的的挑战和问题更为复杂。2023年9月18日，在2023第二届汽车数字化转型大会上，上海数策软件股份有限公司首席执行官、创始人张椿琳表示，第一OEM终端需求的不稳定传递到零部件厂商，对后者的排产冲击具有牛鞭效应；同时OEM对零部件厂商需求的分散和无序对后者的有序排产具有更大破坏力。第二在产品的标准化建设上行业尚未达成一致。第三从原料走向成品的各个工序上存在着巨大变数，使得生产工艺标准难以统一。

如何搬走排产有序化、产品标准化、工艺标准化道路上遇阻的这三座大山？张椿琳认为，要升维建立“三位一体”的解决方案，即数智化的组织变革、管理流程和管理工具。

上海数策软件股份有限公司首席执行官、创始人

以下为演讲内容整理:

制造企业计划管理面临的挑战

不是每个制造型企业的生产计划、智能决策都很难，有的也很简单。那什么样的企业会很难？有三个方面，一是下游需求分布不稳定，有很多插单和紧急订单。二是上游供给能力不确定，如果供应商里有客户指定的专用设备，那么在安排生产时难度会很大。三是产品标准化程度低，非标准性的产品多。如果是这样的企业，非标多，生产供应复杂，生产计划的安排就会有很大挑战，人脑用不过来，这样的企业会发现一些共同的现象——计划员特别多。

图源:数策智能

主机厂目前好的一面是创新车型多，坏的方面是全是新车型，主机厂不清楚能卖多少，这种不确定性传导到零配件企业，不确定性变得更高，更加难应对。需求不稳定，分散且无序排布，对零部件厂商的有序排产构成了冲击，这对企业长期来讲很难健康运营下去。

汽车行业目前仅有特斯拉与理想实现了大单品，其余无论本土品牌还是海外品牌，都采用车海战术。OEM产品的模块化程度低，零配件通用性差，也加剧了上游产品的非标化。现在这方面比以前好很多，但风险还是较大，平台仍然需要标准化。最近做配件企业时发现工艺复杂，而且有很多不确定性、非标。

图源:数策智能

从原料走向成品的各个工序上存在着巨大变数，订单和工单之间多对多，使得生产工艺标准难以统一。整车生产来说，不管是冲压、焊接、喷涂还是总装，不会存在这种不确定性。计划生产100辆车，100辆车的物料，产能都配好就是100辆，但做着做着发现只能做95个，还得补货，生产还得返工。其实有些零配件的生产比整车要复杂。上游齐套供给的高度不确定，也是零部件生产商有序排产的重要掣肘。

实践有效的企业应对方法

虽然这件事情从数策眼里是用软件来应对挑战，但事实上从最终实践经验来看，真的要做好，真的要解决问题光靠软件是不够的。软件只是工具，是实现管理思维变革和流程变革落地的。管理的思想要有变化，配套的管理流程要把软件用好，最后要有能很好执行业务做法的软件工具平台。把它们称为三位一体，它们之间是相互影响的。做供应链的智能决策最重要的是必须要有整体的管理变革

图源:数策智能

组织管理的变革到位是企业应对三大挑战的关键之一。首先要让听见炮火的人能够呼叫战斗力的资源，因为他最清楚目前的情况。但是要给他情报分析判断的东西，他才能要求正确的火力，在正确的时间打到正确的地点。通常说企业的战略决策由管理层负责，管理层会有自己的直觉和眼光。对于基层的管理者，日复一日的运营，数据是完善的，如果有给他们提供足够的数据，实际上可以把日常工作决策好。要用数据和管理工具给计划员做辅助，提高计划员对供应链的响应能力，让计划做具有行业知识面和思维视野的“链主”。

拉通核心管理流程是企业应对三大挑战的关键之二。制造业通常高层争论最多的会是产销协同会。只有一套数据，所有人都认这套数据，做的所有事情都是从这套数据出发，从这套数据协同，效率很低。通常造成两个最大的现象，一是库存高，二是销售端紧急订单不敢抢，因为不知道什么时候能交货，销售也乏力，库存也高。

图源:数策智能

如果有一套很好的平台打通，各个部门从研发开始到销售，到生产，到物流，可以很好的拉通，OTD透明以后可以很好协同。如果没有好的平台协同就做不起来，反之如果建设了这样的平台，在组织业务流程中不做拉通的组织变革，平台没人用，形不成一个一个小闭环，慢慢平台就会没用。

IDEAS APS的心得与思考

首先我们在认知上觉得要做好生产供应链的决策，要搭建一体化计划体系，体系基于数据。经常把它称之为APS，这个词在不同的时代有不同的含意，20年前注重在生产环节，和MES搭配的排程。但现在更多放在供应链背景下讲，企业在生产制造中会有很多系统，提到最多的是ERP，MES。APS是干什么的？

APS就是调度员，ERP是管站的，能告诉我们在任何一个时刻、时间段有什么，每个零件有多少，半成品有多少，成品有多少。告诉企业工作人员在恰当的时间把恰当数量的东西送到恰当的地方，是一个复杂的协同和调度，需要数字大脑事先想清楚，实时的指挥，还要闭环的监控使得ERP保证东西在需要的时候有，MES保证生产按照工艺的技术来做，包括物流、采购。必须通过数字化实现，而且要用运筹学优化的算法，目前也在探索用AI的自学习算法做良好的协同。

图源:数策智能

运筹学这门学问最开始是从二战的时候盟军在全球范围内调配军事物资，是复杂的协同倒逼出来的数学研究。怎么做好APS的软件？APS软件很多，但是失败率很高。名气较大的西门子，SAP的APO，达索都是二三十年前的东西，二三十年前技术架构的思考和我们架构的思考，我们踩在前人的肩膀上，怎么把这件事情做到最好？本质上要有好的业务模型，对于业务进行抽象，业务模型能有简单的框架，能够解释现实中任何一个企业生产供应链的过程和生产工艺所有的特征。

这样的业务模型，大家比较认可的有很多，我们选了其中的一个，这方面国外很多管理学院和咨询公司的专家讲的非常清楚，只要挑一个解释性非常强的。我们选的是供应链网络模型，有了模型对于搞算法的人来说就会很简单，有了简单的框架、模型能够把现实世界归纳总结起来，对应就有数学模型，逻辑是对应的。约束条件对约束条件，求解的追求，成本最低还是速度最快，对应的数学模型框架就可以很好地搭建起来。最后才是用什么样的数据结构和算法结构去实现这个数学模型，要分三步走。

把三个模型的抽象对应起来，就能够做出非常好的供应链优化软件，要把能力、效率、应用性做的更好，还需要不断的迭代。从5年前开始做这个产品到现在，已经投入超过1个亿的研发成本，最开始有很多错误的认知。

最后特别重要的一点，和技术无关。要建立业务数字化先锋队，把业务从基层骨干到直管高层拉进来，一起深入变革管理思想与业务方法。决策类领导的参与度要作为项目组成员之一，要进行业务咨询，梳理目前业务现状，思考怎么把业务做的更好的管理思考和流程思考。