本項(xiàng)目由聯(lián)想投遞并參與“數(shù)據(jù)猿行業(yè)盤(pán)點(diǎn)季大型主題策劃活動(dòng)——《2022中國(guó)企業(yè)數(shù)智化轉(zhuǎn)型升級(jí)創(chuàng)新服務(wù)企業(yè)》榜單/獎(jiǎng)項(xiàng)”評(píng)選。

自2019年底起，在全球范圍內(nèi)，新冠疫情爆發(fā)。疫情不僅打亂了人們以往的日常生活節(jié)奏，也嚴(yán)重?cái)_亂制造業(yè)的供應(yīng)鏈運(yùn)行秩序。市場(chǎng)需求波動(dòng)、上游供應(yīng)不足、物流能力受阻，使得許多制造型企業(yè)不得不將庫(kù)存策略從盡可能“零庫(kù)存”調(diào)整到戰(zhàn)略性“多備料”，這種策略調(diào)整能防止原材料斷檔導(dǎo)致產(chǎn)品的生產(chǎn)及交付周期延長(zhǎng)，從而影響企業(yè)服務(wù)水平；但與此同時(shí)，多備料也相應(yīng)地加劇了庫(kù)存物料積壓成為“呆滯物料”的風(fēng)險(xiǎn)。

呆滯物料是指企業(yè)在生產(chǎn)過(guò)程中周轉(zhuǎn)速度較慢的庫(kù)存物料，這些物料可以是原材料、半成品或成品。對(duì)于“周轉(zhuǎn)速度較慢”的定義，不同行業(yè)、企業(yè)有著各自的標(biāo)準(zhǔn)，如有些工廠把庫(kù)齡超過(guò)90天的物料定義為呆滯物料。呆滯物料庫(kù)存量的增加，不僅會(huì)占用企業(yè)大量的資金成本，而且積壓物料長(zhǎng)久放置，會(huì)出現(xiàn)腐朽、變質(zhì)、劣化等過(guò)期情況，使得物料跌價(jià)減值，給企業(yè)帶來(lái)經(jīng)濟(jì)損失。

呆滯物料庫(kù)存產(chǎn)生的原因有很多，除因疫情等特殊條件下的備貨策略調(diào)整因素外，在供求關(guān)系復(fù)雜變化，而生產(chǎn)管理水平提升有限的情況下也較為常見(jiàn)。當(dāng)前行業(yè)面臨的挑戰(zhàn)包括：對(duì)未來(lái)需求的預(yù)測(cè)不準(zhǔn)確（偏多）、銷(xiāo)售訂單頻繁變更、大客戶訂單取消、生產(chǎn)管理及物料控制（PMC）計(jì)劃失誤、采購(gòu)最小量限制（MOQ）、生產(chǎn)用錯(cuò)料、余料或多生產(chǎn)、貨倉(cāng)保管不當(dāng)?shù)取Ｔ诂F(xiàn)代制造業(yè)中，如果呆滯物料風(fēng)險(xiǎn)控制不到位，不僅會(huì)增加庫(kù)存數(shù)據(jù)的混亂，而且直接影響公司的凈利潤(rùn)。

實(shí)施時(shí)間：

開(kāi)始時(shí)間：2021年11月

截止時(shí)間：2022年5月

客戶的數(shù)智化（數(shù)字化）轉(zhuǎn)型升級(jí)需求

制造行業(yè)庫(kù)存周轉(zhuǎn)慢、呆滯庫(kù)存持續(xù)增加都會(huì)給企業(yè)運(yùn)營(yíng)帶來(lái)現(xiàn)金流風(fēng)險(xiǎn)，所以聯(lián)想的供應(yīng)鏈部門(mén)一直都在致力于處理呆滯庫(kù)存，加速庫(kù)存周轉(zhuǎn)率，從而保證公司的高效運(yùn)營(yíng)。

呆滯物料的風(fēng)險(xiǎn)控制策略，通常包含“預(yù)防”和“處理”兩個(gè)方面。“預(yù)防”是指通過(guò)提高未來(lái)需求預(yù)測(cè)的精度、落實(shí)訂單審查機(jī)制、加強(qiáng)系統(tǒng)規(guī)范化和管制等措施，減少呆滯物料的產(chǎn)生；呆滯庫(kù)存的“處理”方式有很多，傳統(tǒng)方式有退貨、轉(zhuǎn)賣(mài)、報(bào)廢，這些方式雖然能把庫(kù)存處理掉，但是會(huì)給公司帶來(lái)較大損失。所以聯(lián)想一直都在探索一條更合適的“解題思路”，即希望呆滯庫(kù)存能和市場(chǎng)需求緊密結(jié)合，滿足客戶需求的同時(shí)消耗呆滯庫(kù)存。該方式對(duì)于一個(gè)業(yè)務(wù)量龐大的大型企業(yè)來(lái)說(shuō)存在如下痛點(diǎn)：首先，呆滯庫(kù)存種類(lèi)繁多，數(shù)據(jù)量龐大；其次，成品種類(lèi)繁多，且和原材料之間的關(guān)系錯(cuò)綜復(fù)雜，手工梳理困難；第三，業(yè)務(wù)數(shù)據(jù)類(lèi)型和維度較多，也面臨不同數(shù)據(jù)源中同樣字段的格式及命名方式不統(tǒng)一、在線及離線數(shù)據(jù)無(wú)法標(biāo)準(zhǔn)化的挑戰(zhàn)；最后，即使梳理出可以生產(chǎn)的成品，也很難快速?zèng)Q策響應(yīng)客戶潛在需求。

基于以上呆滯庫(kù)存管理的痛點(diǎn)，在公司智能化升級(jí)大趨勢(shì)下，聯(lián)想研究院打造了具有自主知識(shí)產(chǎn)權(quán)的智能庫(kù)存優(yōu)化引擎，通過(guò)實(shí)時(shí)連通供應(yīng)鏈各個(gè)環(huán)節(jié)的數(shù)據(jù)，基于人工智能技術(shù)助力企業(yè)呆滯庫(kù)存管理。

面臨挑戰(zhàn)

呆滯物料的“預(yù)防”和“處理”是企業(yè)生產(chǎn)必須面臨的課題，其中呆滯物料的處理尤為考驗(yàn)企業(yè)供應(yīng)鏈管理的技術(shù)水平。如果能及時(shí)將呆滯物料齊套出成品售賣(mài)，無(wú)疑是最上乘的“處理”方法。這種方式不僅可以最小化損失，還可以增加銷(xiāo)售額。其本質(zhì)上是基于所需要考慮的幾種優(yōu)化目標(biāo)、生產(chǎn)工藝和資源約束，通過(guò)運(yùn)籌優(yōu)化給出最終的成品齊套方案。個(gè)人電腦、手機(jī)等復(fù)雜電子產(chǎn)品大規(guī)模制造場(chǎng)景下的呆滯物料消耗問(wèn)題，存在如下挑戰(zhàn)：1.單個(gè)產(chǎn)品的齊套方案可達(dá)上億種，同時(shí)每種物料又對(duì)應(yīng)成千上萬(wàn)可被組成的產(chǎn)品，數(shù)據(jù)量和邏輯關(guān)系極其龐大和復(fù)雜；2.在原料層面，還要最大化呆滯物料的消耗，最小化為實(shí)現(xiàn)齊套需額外購(gòu)料成本和等待時(shí)間；3.需要同時(shí)限制齊套可用的其他物料的庫(kù)存使用，尤其是緊缺物料的使用；4.在成品層面，也要考慮齊套后成品的暢銷(xiāo)度，包括歷史銷(xiāo)量、欠單量和未來(lái)需求量等。

數(shù)據(jù)支持

要解決呆料齊套方案問(wèn)題，在滿足業(yè)務(wù)的各種約束下達(dá)成令人滿意的多個(gè)目標(biāo)，需要獲取到目標(biāo)和約束對(duì)應(yīng)的所有數(shù)據(jù)，這使得項(xiàng)目數(shù)據(jù)具有以下特點(diǎn)：

1. 數(shù)據(jù)類(lèi)型豐富

數(shù)據(jù)部分包含呆滯物料信息（物料類(lèi)型、分庫(kù)齡區(qū)間的數(shù)量、所屬大區(qū)等）、其他物料的實(shí)時(shí)庫(kù)存數(shù)據(jù)和未來(lái)到貨數(shù)據(jù)、短缺物料信息（分大區(qū)的實(shí)時(shí)可用量）、物料組成整機(jī)的BOM信息、物料的最小購(gòu)買(mǎi)量信息、整機(jī)的歷史出貨和未來(lái)預(yù)測(cè)量數(shù)據(jù)等。數(shù)據(jù)類(lèi)型包含整型、浮點(diǎn)型、字符型、圖結(jié)構(gòu)型等多種類(lèi)型。

2. 數(shù)據(jù)來(lái)源多樣

以上數(shù)據(jù)不僅來(lái)源于多個(gè)線上數(shù)據(jù)庫(kù)，而且有的輸入數(shù)據(jù)需依賴(lài)手工經(jīng)驗(yàn)的處理過(guò)程，如呆料分配到各個(gè)大區(qū)，需線下提供。

3. 數(shù)據(jù)量級(jí)巨大

多種來(lái)源的各種類(lèi)型數(shù)據(jù)量級(jí)很大，如物料全量庫(kù)存數(shù)據(jù)可達(dá)到7億行以上，整機(jī)歷史出貨數(shù)據(jù)可達(dá)到千萬(wàn)級(jí)行數(shù)，整機(jī)和物料之間的BOM關(guān)系數(shù)據(jù)，單個(gè)整機(jī)的齊套方案最多可達(dá)到上億種。

應(yīng)用技術(shù)與實(shí)施過(guò)程

對(duì)于庫(kù)存中的呆滯物料，聯(lián)想智能庫(kù)存優(yōu)化引擎采取啟發(fā)式算法和多目標(biāo)混合整數(shù)規(guī)劃模型結(jié)合的方式，充分挖掘暢銷(xiāo)產(chǎn)品的齊套數(shù)據(jù)，結(jié)合各個(gè)區(qū)域各個(gè)工廠的庫(kù)存呆滯物料，提供基于人工智能優(yōu)化算法的呆滯物料齊套消耗方案。

在技術(shù)方案選擇上，考慮到本案例要解決的問(wèn)題是一個(gè)數(shù)據(jù)量級(jí)巨大的多目標(biāo)優(yōu)化問(wèn)題，案例最終推薦的成品（Machine Type Model, MTM）范圍來(lái)源于歷史出貨數(shù)據(jù)、當(dāng)前欠單數(shù)據(jù)以及未來(lái)需求預(yù)測(cè)數(shù)據(jù)。這三類(lèi)數(shù)據(jù)涉及到的成品數(shù)量很多，如果全部作為多目標(biāo)優(yōu)化算法的輸入，將會(huì)帶來(lái)計(jì)算難度的指數(shù)級(jí)增長(zhǎng)，且考慮到最終推薦的成品是否暢銷(xiāo)等因素，本案例采取啟發(fā)式構(gòu)造算法和多目標(biāo)優(yōu)化算法結(jié)合的方式對(duì)問(wèn)題進(jìn)行建模求解。

本案例的技術(shù)實(shí)現(xiàn)主要包括三部分：

1.啟發(fā)式構(gòu)造方法

聯(lián)想智能庫(kù)存優(yōu)化引擎將復(fù)雜度很高的問(wèn)題拆解為兩個(gè)模塊進(jìn)行求解，通過(guò)控制第一個(gè)模塊輸出結(jié)果的范圍，可以將第二個(gè)模塊中混合整數(shù)規(guī)劃模型的復(fù)雜度控制在可控范圍內(nèi)，并且可以靈活選擇模塊二的求解方法，比如直接求解混合整數(shù)規(guī)劃的方法以及線性規(guī)劃結(jié)合分支定界的方法等，確保能更快速的獲得問(wèn)題的最優(yōu)解，支撐用戶的實(shí)時(shí)決策。

基于歷史和預(yù)測(cè)數(shù)據(jù)，預(yù)測(cè)成品的暢銷(xiāo)因子，并作為優(yōu)化的重要依據(jù)，從而確保推薦的成品在市場(chǎng)的暢銷(xiāo)度。

2.多目標(biāo)優(yōu)化

聯(lián)想智能庫(kù)存優(yōu)化引擎借助歷史訂單、當(dāng)前欠單和未來(lái)預(yù)測(cè)訂單數(shù)據(jù)，給出能夠消耗庫(kù)存呆料最為暢銷(xiāo)的整機(jī)候選列表。結(jié)合用戶關(guān)心的多個(gè)優(yōu)化目標(biāo)和資源約束，借助多目標(biāo)混合整數(shù)規(guī)劃模型輸出最優(yōu)齊套方案，可綜合考慮用戶關(guān)心的多個(gè)優(yōu)化指標(biāo)，輸出最終解決方案。

聯(lián)想智能庫(kù)存優(yōu)化引擎針對(duì)用戶設(shè)定的多個(gè)目標(biāo)，通過(guò)對(duì)兩個(gè)模塊的邏輯進(jìn)行調(diào)整，可靈活支持對(duì)不同目標(biāo)的傾向性選擇，極大豐富了用戶的最終方案選擇的靈活度。

3.交互數(shù)據(jù)可視化工具實(shí)時(shí)呈現(xiàn)結(jié)果

支持用戶輸入自定義參數(shù)。聯(lián)想智能庫(kù)存優(yōu)化引擎針對(duì)用戶設(shè)定的多個(gè)目標(biāo)，通過(guò)對(duì)兩個(gè)模塊的邏輯進(jìn)行調(diào)整，可靈活支持對(duì)不同目標(biāo)的傾向性選擇，極大豐富了用戶的最終方案選擇的靈活度。

多維的圖表呈現(xiàn)?？梢暬尸F(xiàn)分析和模擬結(jié)果，實(shí)時(shí)的監(jiān)控和詳細(xì)的信息展示。

核心技術(shù)模塊介紹：

算法總體流程如下圖，其中數(shù)據(jù)更新、產(chǎn)品候選集生成呆料數(shù)據(jù)清洗、生成齊套數(shù)據(jù)、訂單數(shù)據(jù)處理屬于數(shù)據(jù)處理模塊，齊套方案提取、產(chǎn)品和齊套方案優(yōu)先級(jí)排序以及多目標(biāo)優(yōu)化屬于算法模塊，最后就是結(jié)果輸出和UI前端展示模塊。核心技術(shù)模塊包含三個(gè)：產(chǎn)品候選集生成、齊套方案提取、多目標(biāo)優(yōu)化引擎，下面以這個(gè)三個(gè)模塊為例，詳細(xì)介紹相應(yīng)技術(shù)方案細(xì)節(jié)。

核心技術(shù)模塊1：產(chǎn)品候選集生成

在進(jìn)行呆料消耗前，需要確定輸入產(chǎn)品的候選集列表。產(chǎn)品候選集列表確定需要綜合考慮多種因素，包含產(chǎn)品的欠單量，未來(lái)需求量，運(yùn)單量，每種齊套方案包含的呆料價(jià)值等。

重要性

·優(yōu)先選取更受歡迎的產(chǎn)品，提升推薦結(jié)果的可信度。

·縮減候選集產(chǎn)品中機(jī)型的數(shù)量，降低模型復(fù)雜度。

技術(shù)方案

確認(rèn)產(chǎn)品的欠單量，未來(lái)需求量及一年出貨量的取值方式。

Figure 1各個(gè)數(shù)據(jù)中產(chǎn)品的個(gè)數(shù)及最大最小值

分別計(jì)算每種成品的欠單因子（backorder fitness），需求因子（demand fitness）以及運(yùn)單因子（shipment fitness），結(jié)合不同因子的權(quán)重，計(jì)算成品暢銷(xiāo)因子（MTM score）。成品暢銷(xiāo)因子計(jì)算公式如下：

由于不同因子的原始值相差較大，為了統(tǒng)一各個(gè)因子的數(shù)量級(jí)，對(duì)原始數(shù)據(jù)做了歸一化處理；對(duì)于欠單因子，需求因子以及運(yùn)單因子沒(méi)有涵蓋的產(chǎn)品，在計(jì)算暢銷(xiāo)因子時(shí)分別進(jìn)行了相應(yīng)懲罰。

核心技術(shù)模塊2：齊套方案提取

在確定產(chǎn)品候選集后，需要根據(jù)齊套規(guī)則從物料清單（Bill of Material, BOM）中提取每個(gè)產(chǎn)品的組裝方式。由于BOM中的物料存在替代關(guān)系，每個(gè)產(chǎn)品會(huì)存在海量的組裝方式。以個(gè)人筆記本為例，組成一臺(tái)筆記本的零件有多種類(lèi)型，包含核心處理器、內(nèi)存、顯卡等。相同類(lèi)型的物料包含不同的型號(hào)以及供貨廠商，在同一物料組之中的物料存在替換關(guān)系。同時(shí)，對(duì)于各個(gè)物料組之間也存在著打組替換關(guān)系。

我們將產(chǎn)品的齊套方案轉(zhuǎn)換成圖結(jié)構(gòu)表示，把每一個(gè)物料看成子節(jié)點(diǎn)，并為每一個(gè)節(jié)點(diǎn)增加價(jià)格，庫(kù)存等屬性。通過(guò)圖結(jié)構(gòu)提取，打分的方式為產(chǎn)品齊套方案制定優(yōu)先級(jí)，借助并行化處理技術(shù)加快齊套方案提取過(guò)程，將模型的復(fù)雜度降低至可控范圍內(nèi)。

核心技術(shù)模塊3：多目標(biāo)優(yōu)化引擎

在設(shè)計(jì)多目標(biāo)優(yōu)化算法模塊時(shí)，需要考慮到給用戶提供多目標(biāo)，多場(chǎng)景，多維度的解決方案。多目標(biāo)指的是多種優(yōu)化目標(biāo)，在考慮最大化呆滯物料的消耗的同時(shí)，也需要最小化額外購(gòu)料成本和等待時(shí)間；同時(shí)在成品層面，也需要考慮推薦產(chǎn)品的暢銷(xiāo)度。多場(chǎng)景包含了全球呆料共享場(chǎng)景以及中國(guó)，南美，歐洲等各個(gè)區(qū)域呆料獨(dú)立消耗的場(chǎng)景，用戶可以根據(jù)需求靈活查看各個(gè)場(chǎng)景的結(jié)果。多維度指的是生成解決方案包含產(chǎn)品生產(chǎn)方案，齊套方案，庫(kù)存消耗方案及借料方案等不同維度的結(jié)果。

模型中的一些關(guān)鍵約束定義介紹如下：

限制每種物料的消耗量：

實(shí)施過(guò)程

本案例系統(tǒng)架構(gòu)如下：

本案例主要基于上圖系統(tǒng)架構(gòu)進(jìn)行實(shí)施，底層依賴(lài)于CPU、存儲(chǔ)、帶寬等物理硬件資源，其次是中間件的鏈接，保證數(shù)據(jù)和系統(tǒng)的可用性、穩(wěn)定性，而后是前后端的應(yīng)用業(yè)務(wù)集群和核心算法服務(wù)集群，最后是面向用戶的接入層。核心模塊主要包含數(shù)據(jù)處理模塊，核心引擎算法和前端UI展示模塊。

方案實(shí)施流程如下：

1. 從服務(wù)器讀取最新數(shù)據(jù)源，進(jìn)行自動(dòng)化數(shù)據(jù)處理，數(shù)據(jù)清洗工作。

2. 采用構(gòu)造啟發(fā)式生成輸入產(chǎn)品候選集；應(yīng)用圖計(jì)算技術(shù)并行化生成候選產(chǎn)品的齊套方案。

3. 將輸入數(shù)據(jù)傳入多目標(biāo)優(yōu)化模塊，多目標(biāo)優(yōu)化模塊根據(jù)用戶設(shè)置的參數(shù)運(yùn)行算法。

4. 輸出結(jié)果同步至前端UI界面，用戶可以通過(guò)Chrome瀏覽器實(shí)時(shí)查看結(jié)果界面。

商業(yè)變化

聯(lián)想智能庫(kù)存優(yōu)化引擎已經(jīng)在聯(lián)想集團(tuán)出口海外的重要生產(chǎn)基地——深圳工廠落地應(yīng)用。深圳工廠肩負(fù)著為全球170多個(gè)國(guó)家供應(yīng)聯(lián)想商業(yè)PC和服務(wù)器的業(yè)務(wù)重任。聯(lián)想智能庫(kù)存優(yōu)化引擎實(shí)時(shí)連通了供應(yīng)鏈各個(gè)環(huán)節(jié)的數(shù)據(jù)，通過(guò)大數(shù)據(jù)AI算法給業(yè)務(wù)提供智能化呆滯庫(kù)存消耗方案，提高了業(yè)務(wù)人員決策的科學(xué)性與效率，實(shí)現(xiàn)了數(shù)字化的從無(wú)到有，降低了呆滯庫(kù)存金額18%。

關(guān)于企業(yè)

·聯(lián)想

聯(lián)想集團(tuán)（下稱(chēng)聯(lián)想）是一家成立于中國(guó)、業(yè)務(wù)遍及180個(gè)市場(chǎng)的全球化科技公司。聯(lián)想聚焦全球化發(fā)展，樹(shù)立了行業(yè)領(lǐng)先的多元企業(yè)文化和運(yùn)營(yíng)模式典范，服務(wù)全球超過(guò)10億用戶。作為值得信賴(lài)的全球科技企業(yè)領(lǐng)導(dǎo)者，聯(lián)想助力客戶，把握明日科技，變革今日世界。

聯(lián)想作為全球領(lǐng)先ICT科技企業(yè)，秉承“智能，為每一個(gè)可能”的理念，為用戶與全行業(yè)提供整合了應(yīng)用、服務(wù)和最佳體驗(yàn)的智能終端，以及強(qiáng)大的云基礎(chǔ)設(shè)施與行業(yè)智能解決方案。

作為全球智能設(shè)備的領(lǐng)導(dǎo)廠商，聯(lián)想每年為全球用戶提供數(shù)以億計(jì)的智能終端設(shè)備，包括電腦、平板、智能手機(jī)等。2018年聯(lián)想PC銷(xiāo)售量全球第一。作為企業(yè)數(shù)字化和智能化解決方案的全球頂級(jí)供應(yīng)商，聯(lián)想積極推動(dòng)全行業(yè)“設(shè)備+云”和“基礎(chǔ)設(shè)施+云”的發(fā)展，以及智能化解決方案的落地。

面向新一輪的智能化變革的產(chǎn)業(yè)升級(jí)契機(jī)，聯(lián)想提出智能變革戰(zhàn)略，圍繞智能物聯(lián)網(wǎng)（Smart IoT)，智能基礎(chǔ)架構(gòu)（Smart Infrastructure），行業(yè)智能（Smart Verticals）三個(gè)方向成為行業(yè)智能化變革的引領(lǐng)者和賦能者。

來(lái)源：數(shù)據(jù)猿