聯(lián)想集團(tuán)一直以卓越的全球供應(yīng)鏈運(yùn)營(yíng)能力而著稱，7次入選Gartner全球供應(yīng)鏈25強(qiáng)。在新的時(shí)代，聯(lián)想一直致力于通過(guò)自研的先進(jìn)技術(shù)推動(dòng)自身供應(yīng)鏈的數(shù)字化、智能化發(fā)展，在供應(yīng)鏈智能決策領(lǐng)域積累了豐富的技術(shù)成果與實(shí)踐經(jīng)驗(yàn)。

在此背景下，聯(lián)想研究院牽頭撰寫(xiě)了《聯(lián)想供應(yīng)鏈智能決策技術(shù)白皮書(shū)》，剖析了現(xiàn)代供應(yīng)鏈管理決策面臨的難點(diǎn)與挑戰(zhàn)，總結(jié)了聯(lián)想供應(yīng)鏈智能決策技術(shù)的創(chuàng)新與應(yīng)用經(jīng)驗(yàn)，并對(duì)智能決策技術(shù)推動(dòng)供應(yīng)鏈的未來(lái)發(fā)展進(jìn)行了展望。今天，這本白皮書(shū)正式對(duì)外發(fā)布。聯(lián)想期望這本白皮書(shū)能夠?yàn)楦餍懈鳂I(yè)供應(yīng)鏈管理與決策的數(shù)字化、智能化轉(zhuǎn)型提供一些參考借鑒與助力。

如何應(yīng)對(duì)

供應(yīng)鏈管理的新挑戰(zhàn)？

聯(lián)想全球供應(yīng)鏈管理著全球35家制造基地、為180多個(gè)國(guó)家和地區(qū)超過(guò)10億客戶提供產(chǎn)品與服務(wù)。與全球5000多家供應(yīng)商合作伙伴建立長(zhǎng)期、穩(wěn)固合作伙伴關(guān)系，與2000家核心供應(yīng)商建立數(shù)字化生態(tài)體系。

而隨著業(yè)務(wù)場(chǎng)景的日益復(fù)雜與商業(yè)環(huán)境的不斷變化，企業(yè)供應(yīng)鏈管理正面臨前所未有的挑戰(zhàn)，包括需求多變難以預(yù)知、難以精細(xì)化管理、用戶要求不斷提升、市場(chǎng)環(huán)境不確定性加劇、網(wǎng)絡(luò)結(jié)構(gòu)愈加復(fù)雜，以及眾多業(yè)務(wù)指標(biāo)之間相互制約等。在這種情況下，傳統(tǒng)的決策模式已難以應(yīng)對(duì)日益復(fù)雜的供應(yīng)鏈管理需求，如何決策成為供應(yīng)鏈數(shù)字化管理中的主要難點(diǎn)。

隨著物聯(lián)網(wǎng)、大數(shù)據(jù)、云計(jì)算、人工智能等技術(shù)的發(fā)展，智能化的決策正在成為供應(yīng)鏈決策技術(shù)未來(lái)發(fā)展的重要方向。以機(jī)器學(xué)習(xí)為代表的人工智能技術(shù)與數(shù)據(jù)挖掘分析、運(yùn)籌優(yōu)化技術(shù)的結(jié)合，正孕育出智能化的決策技術(shù)，為供應(yīng)鏈決策提供了新的方法與工具。

自研關(guān)鍵技術(shù)

驅(qū)動(dòng)供應(yīng)鏈智能決策

機(jī)器學(xué)習(xí)、機(jī)器學(xué)習(xí)驅(qū)動(dòng)的運(yùn)籌優(yōu)化，以及機(jī)器學(xué)習(xí)驅(qū)動(dòng)的預(yù)測(cè)性分析等技術(shù)是驅(qū)動(dòng)供應(yīng)鏈智能決策的關(guān)鍵技術(shù)。機(jī)器學(xué)習(xí)技術(shù)包括圖神經(jīng)網(wǎng)絡(luò)、強(qiáng)化學(xué)習(xí)以及多智能體學(xué)習(xí)等。機(jī)器學(xué)習(xí)驅(qū)動(dòng)的運(yùn)籌優(yōu)化包括在線優(yōu)化和求解器等。而機(jī)器學(xué)習(xí)驅(qū)動(dòng)的預(yù)測(cè)性分析則包括因果推斷和概率性預(yù)測(cè)等。

在這些重點(diǎn)的技術(shù)領(lǐng)域和方向上，聯(lián)想打造了一系列的核心技術(shù)成果。

比如以圖神經(jīng)網(wǎng)絡(luò)技術(shù)為例。基于圖注意力網(wǎng)絡(luò)，聯(lián)想對(duì)其進(jìn)行改進(jìn)，提出了Relational GAT（R-GAT）技術(shù)方案，設(shè)計(jì)出一套復(fù)雜圖結(jié)構(gòu)下的信息表示與傳遞方式（如下所示）。其中，vi為節(jié)點(diǎn)i的嵌入表示，eij為連接節(jié)點(diǎn)i, j的邊的嵌入表示。

基于R-GAT的復(fù)雜圖結(jié)構(gòu)表示

聯(lián)想將R-GAT技術(shù)應(yīng)用在了供應(yīng)鏈供需匹配問(wèn)題的實(shí)踐中。以離散制造過(guò)程中的供需匹配為例，工廠在制造成品時(shí)，需要按照物料清單（Bill of Material, BOM）撿取相應(yīng)的物料組合。而B(niǎo)OM中的物料替代關(guān)系會(huì)使產(chǎn)品同時(shí)存在多種可能的組裝方式，選擇不同的組裝方式會(huì)導(dǎo)致物料的消耗（種類與數(shù)量）存在差異，因此在物料供應(yīng)數(shù)量有限的情況下，需要優(yōu)選組裝方式。

聯(lián)想利用圖神經(jīng)網(wǎng)絡(luò)將供需匹配問(wèn)題近似分解為排序-選擇問(wèn)題，將完整的BOM信息構(gòu)造為復(fù)雜的BOM圖結(jié)構(gòu)，通過(guò)基于圖神經(jīng)網(wǎng)絡(luò)的特征傳遞，對(duì)節(jié)點(diǎn)的重要性程度打分，并基于分值對(duì)不同替代節(jié)點(diǎn)進(jìn)行剪枝，實(shí)現(xiàn)了對(duì)不同替代料之間的優(yōu)先篩選，并輸出更符合真實(shí)生產(chǎn)環(huán)境與優(yōu)化目標(biāo)的組裝方式。

除了圖神經(jīng)網(wǎng)絡(luò)，聯(lián)想在強(qiáng)化學(xué)習(xí)、多智能體學(xué)習(xí)、在線優(yōu)化、求解器等、因果推斷和概率性預(yù)測(cè)等重點(diǎn)技術(shù)領(lǐng)域，也取得了很多創(chuàng)新技術(shù)成果。

聯(lián)想供應(yīng)鏈智能決策技術(shù)方案

與應(yīng)用實(shí)踐

在這些技術(shù)成果的支撐下，聯(lián)想打造了一系列的供應(yīng)鏈智能決策解決方案，涵蓋了需求預(yù)測(cè)與智能備貨、物料管理與生產(chǎn)計(jì)劃，以及物流規(guī)劃與調(diào)度優(yōu)化，有力提升了聯(lián)想供應(yīng)鏈的智能化水平和效率。具體的解決方案包括智慧服務(wù)供應(yīng)鏈解決方案、智慧零售供應(yīng)鏈引擎方案、智能物料分配方案、智能生產(chǎn)排程方案、原料庫(kù)存優(yōu)化方案、智能打包方案、智能物流網(wǎng)絡(luò)規(guī)劃方案以及城市配送調(diào)度優(yōu)化方案等。

 比如智能物料分配方案。以飛機(jī)、汽車、電子設(shè)備生產(chǎn)為代表的離散制造業(yè)，生產(chǎn)過(guò)程會(huì)涉及到種類龐雜、數(shù)量繁多的物料。而對(duì)于大型的生產(chǎn)制造企業(yè)，生產(chǎn)基地和廠房往往遍布多地甚至全球，所需物料數(shù)量大、種類多、變化頻繁，因此，當(dāng)核心物料的供應(yīng)無(wú)法滿足各個(gè)工廠各類產(chǎn)品的需求時(shí)，如何更加公平、高效的完成物料分配是一個(gè)亟待解決的問(wèn)題。以往的人工分配模式基于規(guī)則與經(jīng)驗(yàn)，不僅要考慮各地物料需求、運(yùn)營(yíng)目標(biāo)、物料齊套和替代關(guān)系、運(yùn)輸時(shí)間等多項(xiàng)復(fù)雜因素，還要兼顧大量的業(yè)務(wù)規(guī)則約束，并在不同的時(shí)間、空間粒度上做出多項(xiàng)決策，難以兼顧物料分配的公平性與高效性，決策難度極大且分配效果不佳。

聯(lián)想基于自身在消費(fèi)電子產(chǎn)品領(lǐng)域的業(yè)務(wù)經(jīng)驗(yàn)，通過(guò)自主研發(fā)的人工智能算法，打造了智能物料分配方案，基于先進(jìn)的求解器引擎和優(yōu)化算法，實(shí)現(xiàn)了多個(gè)具有實(shí)用價(jià)值的功能，包括支持不同時(shí)間粒度的物料分配方案、復(fù)雜場(chǎng)景下的多物料分配方案、基于多目標(biāo)的智能分貨引擎、多角色協(xié)同的人機(jī)協(xié)作模式、可交互的多維圖表等。

智能物料分配方案架構(gòu)圖

聯(lián)想智能物料分配方案已應(yīng)用在聯(lián)想全球供應(yīng)鏈管理部門，大幅縮短了物料分配與調(diào)整時(shí)間。人工手動(dòng)分配及后續(xù)調(diào)整需要半個(gè)月左右，而智能物料分配方案在數(shù)據(jù)校驗(yàn)通過(guò)后，僅需幾分鐘就能給出優(yōu)化分配結(jié)果。該方案提升了每季度的平均出貨量與利潤(rùn)；能夠提供最公平或利潤(rùn)率最高的分配方案，減少了后續(xù)物料調(diào)撥的成本。

再以智能生產(chǎn)排程方案為例。在大規(guī)模制造業(yè)中，生產(chǎn)規(guī)劃時(shí)需要考慮數(shù)十種復(fù)雜因素（如設(shè)備的能力、物料的配比、生產(chǎn)工序與方法、訂單的交付方式、客戶的定制化需求）對(duì)生產(chǎn)效率和產(chǎn)能利用率的影響。傳統(tǒng)的人工排程在耗時(shí)長(zhǎng)，計(jì)劃員每天需花費(fèi)6個(gè)小時(shí)完成排程。排程結(jié)果只能考慮單目標(biāo)任務(wù)，無(wú)法兼顧產(chǎn)量、交期達(dá)成率、生產(chǎn)成本等多個(gè)目標(biāo)。此外，嚴(yán)重依賴人工經(jīng)驗(yàn)。

聯(lián)想智能生產(chǎn)排程方案功能架構(gòu)圖

聯(lián)想智能生產(chǎn)排程方案基于實(shí)時(shí)的運(yùn)籌優(yōu)化技術(shù)，多階段聯(lián)合求解技術(shù)，可配置的多目標(biāo)優(yōu)化平臺(tái)，可解釋決策模型以及適應(yīng)模型進(jìn)化等技術(shù)，突破了傳統(tǒng)的高級(jí)計(jì)劃和排程系統(tǒng)(APS)僅基于業(yè)務(wù)規(guī)則進(jìn)行簡(jiǎn)單僵化的自動(dòng)化處理的局限，真正意義上實(shí)現(xiàn)了人工智能綜合決策，釋放了大量潛在產(chǎn)能，實(shí)現(xiàn)了生產(chǎn)資源的最優(yōu)配置，可大幅縮短生產(chǎn)計(jì)劃的制定時(shí)間，并有效解決制造業(yè)生產(chǎn)計(jì)劃效率低、無(wú)法兼顧多個(gè)目標(biāo)等問(wèn)題，助力企業(yè)實(shí)現(xiàn)更高效、優(yōu)質(zhì)的生產(chǎn)計(jì)劃決策。

該方案目前已在聯(lián)想全球最大的PC制造及研發(fā)基地——聯(lián)寶科技（LCFC）部署落地。聯(lián)寶科技擁有全球PC制造業(yè)最大的單體廠房和數(shù)十條生產(chǎn)線，年訂單數(shù)超過(guò)69萬(wàn)筆，涉及500余種PC產(chǎn)品和超過(guò)30萬(wàn)個(gè)成品物料料號(hào)。該方案在聯(lián)寶部署后，制定生產(chǎn)計(jì)劃的時(shí)間從傳統(tǒng)的6小時(shí)大幅縮減到1.5分鐘，產(chǎn)量提升19%，處理訂單數(shù)提升24%，交期滿足率提升3.5倍。即便是經(jīng)驗(yàn)不足的計(jì)劃員，在智能生產(chǎn)排程方案的輔助下，也可以快速上手，保證排程質(zhì)量。

供應(yīng)鏈智能化的未來(lái)

白皮書(shū)指出，未來(lái)，隨著物聯(lián)網(wǎng)、數(shù)字孿生、邊緣計(jì)算、知識(shí)圖譜等技術(shù)與機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘分析、運(yùn)籌優(yōu)化等決策技術(shù)進(jìn)一步融合，供應(yīng)鏈的智能決策水平將持續(xù)提升。另外，智能決策有望貫穿企業(yè)供應(yīng)鏈管理的全鏈條，設(shè)計(jì)、采購(gòu)、生產(chǎn)、物流、銷售、服務(wù)等多個(gè)場(chǎng)景實(shí)現(xiàn)一體化決策。此外，智能決策技術(shù)將持續(xù)提升可靠性、可復(fù)用性、可調(diào)節(jié)性、可信賴性，以解決當(dāng)前落地實(shí)施周期長(zhǎng)、驗(yàn)證困難、用戶信任度低等問(wèn)題。

展望未來(lái)，聯(lián)想集團(tuán)希望能夠和業(yè)界攜手，通過(guò)前沿技術(shù)創(chuàng)新，不斷提升供應(yīng)鏈的數(shù)字化和智能化水平，持續(xù)驅(qū)動(dòng)經(jīng)濟(jì)的高質(zhì)量發(fā)展。