智慧供应链地图’的应用与探讨（二）-方案设计

01地图的概念由来

1.本质上企业内部供应链完成的工作与地图高度类似。

狭义来看，供应链是把客户需要的产品从A地（供应商）购买后，在B地（生产工厂）加工完成，再运输至C地（客户）。围绕这个故事线，产生的各种内外部产供销资源协同。具体包括需求分析、接单、排产、采购、生产、物流运输等。具体点来说，从以下几个角度看，与地图的契合度很高：

• 服务对象类型：确定供应商，确定生产工厂，与出行地图的地点相同，确定出发地、途径地、目的地类似。

• 方案原理类似：选择供应链、生产工厂考虑的逻辑与地图的预计时间、预计费用一致。将基于生产工厂的产能、生产成本、原料情况、地理位置等做多方面的分析。

• 展示方式类似：地图展示的好处是能够实时了解到位置和行程进度信息。对于供应链也一样，需要指导订单的执行状态、进度、等，便于发现问题和跟进。

• 目标一致：地图的目标是最快的/最近的/最便宜的选择一条出行路线。供应链的目标同样是基于一定策略，交期最快/成本最低/风险最小的一个供应链实现方案。

• 地图的可视化和全局观非常适合供应链管理者需要。企业供应链管理非常关注地点，会把客户分为不同区域，会把内部的工厂、仓库分为不同区域。因此，使用地图来展现供应链的各种元素，如订单、需求、产能、库存量等非常直观方便。

2.地图背后的技术沉淀/数据模型，能帮助智慧供应链功能实现。

地图应用每天被上亿人使用，也接入了很多用户、道路等社会化数据，同时要考虑位置、天气、道路、车辆等复杂多变的因素。地图不单单是一个导航工具或一款地图，而是一个“基于大数据的人工智能出行平台”，也是用服务连接亿万人的智能中枢。同样在寻找在供应链地图中的应用。在地图内部数百个运算分析模型，在接入不同的‘订单’数据后，进行路径规划与时间、成本计算。

02智慧供应链地图的总体设计

1.方案设计背景：

不同行业供应链模式有差异，我们选取了传统的钢铁行业作为供应链地图的方案设计应用对象。围绕钢铁供应链从订单评审、接单、确定工厂/中转库、原料采购、生产、物流的全过程供应链需求分析与方案设计。

2.方案设计思路：

构建一张能够进行供应链调度的，覆盖钢铁全流程的的，经过大数据和AI分析的最优路径图。

3.方案解决的核心需求：

• 全局化：端到端的全局智能调度，从产供销全局分析供应链时效和成本，平衡最优的完整路径；

• 标准化：基于各环节的标准数据和标准计算模型，给出标准化的路径分析和方案建议；

• 网络化：处理后台与路径呈现都是网络化，确保全流程透明，可视可控，可人工灵活选择、调整。

4.方案涉及的主要功能及要素：

围绕供应链的各环节做方案设计和数据模型。

• 客户订单分配：产品规格；客户地理位置；交货时间；质量要求；商业政策；订单拆分；

• 工厂/中转库、经销商库选择 ：工厂产能；设备维护计划；假期；仓库库存；产品质量; 生产成本；外部代工产能及成本；订单交货成本；

• 矿石原料采购：采购价格；采购周期；矿石质量；采购运输费用；采购风险；

• 成品交货及路径选择：运输方式；运输时间；运输距离；交通天气；战争、舆情因素；运输成本；船期；报关；

5.方案输出与预期目标：

智慧供应链输出的结果相较于人工的选择会更多，基于不同策略给不不同的方案。

核心需求，预期目标：通过供应链地图的运行，基于不同管理策略为每个订单分配最佳路径建议（AI）分析结果：

• 交期最快策略：A方案-中转库发货（成品）-铁运运输（成品）-A客户仓库接收（交期最短）

• 成本最优策略：B方案-从1号供应商采购矿石-航运矿石（原料）-武汉工厂生产-铁路运输（成品）-A客户仓库接收 （成本最低）

• 风险最小策略：C方案-从2号供应商采购矿石-航运矿石（原料） -上海工厂生产-铁路运输（成品） -A客户仓库接收 （风险最小）

03智慧供应链地图的详细方案设计

1.技术架构

基于地图内核的智慧供应链地图技术架构。参照成熟的地图产品技术架构，来构建智慧供应链技术架构。从技术层级上，分为数据获取层、数据加工层、算法模型层、产品输出层等四层。通过数据层，获取实时的供应链数据，包括内部的订单、库存、产能、在途等，也包括外部的社会化数据如行业发展指数、上下游企业产能、物流指数等会对供应链产生影响的因素。通过该架构可以整合企业内外部数据与资源，实现全过程的数据获取、加工、运算和输出。

2.智慧供应链地图的技术输入与输出

智慧供应链是一个大脑，需要输入与输出，核心在于大数据模型和算法，输出的结果取决于输入的信息。通过接口将各业务系统的实时数据、社会化数据连接至智慧供应链地图，数据在智慧平台进行加工和整合，通过数据模型和AI能力，产出计算后的结果数据化的输出。具体点来说：

• 数据源：包括企业内部的信息系统如ERP/CRM/MES/SRM等，物联网设备如PLC/DCS等实时的数据采集系统，也包括社会化的数据如交通数据、上下游行业发展数据。

• 数据生产：前端的数据抓取至平台后，会按照平台的需要进行整合与加工，便于平台的数据模型进行读取。

• 企业中台：整合好的数据，在中台层进行运行和计算，借助大数据模型、AI服务，给出输出。

• 前台：为了让中台的大数据更全面、模型更成熟、结果更准确，未来可以接入行业的生态圈的更多数据，包括上游客户、下游供应商、同行合租伙伴等，最终构建一个大数据钢铁生态。

3.智慧供应链地图的AI模型/应用场景示例：以销售订单工厂分配环节为例

为更好理解智慧供应链地图的运作原理、加工过程与产出，我们选取在供应链中的一个重要环节即接单后的工厂选择为例进行分析说明。通常，我们在接到一个销售订单之后，需要根据订单的客户信息、产品信息、交期、区域等要素进行人工判断，选取一个物理生产工厂来加工。如何选择工厂？计划员在分配的时候，会考虑哪些工厂能够生产该产品、生产的工厂里面哪家生产成本/物流成本最低、生产工厂的产能是否满足能否在规定交期内生产完工、生产工厂的原料库存是否能够满足订单需要等等。这一过程考虑的因素非常多、每天的销售订单量大，因此人工在分配的时花费大量时间和精力，且最终的结果做不到100%准确。

基于这个场景，我们在智慧供应链的订单分配环节，预设了4层结构。

• 第一层，获取订单的各种数据元素，交期、产品、客户、产能、库存等等。

• 第二层，预设了订单的分配模型，包括订单分配的优先顺序模型、产品-工厂模型、产能负荷计算模型、生产成本模型等等。

• 第三层，基于每个订单的数据元素，及预设的分配模型，系统会根据每笔订单的要素，自动进行计算，最终算出每个方案的生产周期、生产成本、生产稳定性等。并在多个方案中基于不同策略选出最优的一个。

• 第四层，系统默认按照一种策略执行，也可设置人工选择方案。选择后的方案，系统将自动执行，将确认后的数据回传至各业务执行系统，如ERP/CRM/MES等。

4.智慧供应链地图的应用场景示例：以销售订单工厂分配环节为例-价值分析

通过上述应用场景的示例可以看到，智慧供应链做的事情跟人做的事情是一样的，区别在于，我们将人的判断逻辑预设至系统中，再通过数据的自动获取，从而实现自动的计算和处理。好处是，系统考虑的因素比人更全，计算花费的时间更短，算出的结果更加科学准确。具体价值有：

• 效率更高：与传统的人工分析相比，利用地图的大数据分析技术其处理的速度更快、计算的结果更准确。多快速响应客户需求、缩短交期。

• 成本更低：与传统的人工分析相比，利用地图的大数据分析技术其考虑的影响因素更加全面、包括生产成本、物流成本、时间成本，可以让生产及交付成本更低 。

• 提升业绩指标：基于该地图对销售订单工厂分配各环节，进行数据建模和分析，使得每个环节的效率、成本得到改善。从而整个过程更加高效快速。最终带来客户响应效率的提高、订单交付周期缩短、计划完成率提升、生产/物流成本下降。

综上所述，智慧供应链地图是基于地图背后的大数据、模型、AI分析原理来改造传统的供应链。同时基于地图与供应链的共性，进行地图化的展示，便于管理和跟踪。通过架构搭建、技术应用、数据接入、操作界面设计，最终满足供应链管理的需要。在供应链的各环节实现技术赋能，从效率、成本、经营指标等多方面实现提升。

以上即智慧供应链地图方案的概念由来、技术架构、应用示例和价值分析的内容，下一篇将介绍基于该方案及具体的某钢铁企业业务为背景设计的供应链地图原型DEMO。