“智造”供应链的关键变革与创新

智造供应链通过采集历史销量、市场需求、订单等分析数据，利用统计模型以及机器学习方法，准确预测市场需求，并给生产计划决策提供数据支撑，降低积压和脱销风险。

在智能制造的供应链系统，可以通过跨企业智能预测和供应链资源规划流程，通过物联网将所有协同对象都链接起来，以对需求信息进行准确及时传递。并且可以由供应链的任何一个环节主动进行预测和协调，带动所有环节资源的实时响应。除了预测以外，销售速度、现场客户体验满意度、库存水平及补货需求等数据信息也可以通过大数据在整个企业与客户之间进行交流及传递，减少了信息孤岛的影响，有效地减少了库存成本、效率损失及运营风险。

在实际商业环境下，智能制造的供应链过程中难免会被各种变量影响，这对需求预测计划的正常执行会有一定的影响。这就对需求管理提出更高的需求，需要在预测尽可能少的误差的前提下，兼顾预测的幅差，设置合理的应急模式和自我修正调整模式（预测的公差阈值）。根据产品的形态、工艺流程、客户需求、交货结算模式不同，反应缓冲保护区的阈值设置也会不同。

智能制造供应链需要实现整个流程贯通，为此首先需要梳理供应商基础信息数据库，以建立供应商数据共享机制，比如供应商生产计划、库存信息、供应商采购单等，实现按需提供原材料，提高供应链响应速度、合作程度。

由于运营策略遵从于供应链价值导向，KPI指标也是基于整个供应链战略绩效协同分解，由此保证了所有的参数及指标的一致性，从而将计划—执行—信息—物流全流程打通，实现端到端横向及纵向的管控与协同。同时，针对订单及物料（产品）的个性化要求，优化资源再分配。

从运作层面而言，通过数据驱动形成联动，以供应链的交付计划为抓手，结合成品的物流计划，形成总体生产计划，并细分成具体的作业计划，促进供应物流计划、物流配套计划、产线工位配送计划等。同时，在各个环节、各个模块之间的协同运作过程中，不可避免会存在执行偏差、数据偏差等问题，因此智能系统进行自主调整，有目的主动降低运行中的偏差，以提升计划、信息、执行的一致性。

在现实的供应链运行过程中，通常需要评估供应商的交付能力，要求所有的供应商、分包商和物流服务提供者进行数据对接。数据传输的频率和计划时间段必须符合供应链协同平台的整体管理需求，同时满足采购零件和物料的提前期要求。

智能制造须以智能物流为基础和前提。在规划和建设过程中，越来越多的智能制造工厂将智能制造设备融入数据驱动的智能物流系统，成为流线型物流系统中数据链的关键组成部分。这种模式表现为N+1模式（N表示物流环节，1表示制造环节），通过“融合”手段实现无缝连接和协同运作。

从入厂物流开始，供应商产品（按照驱动指令）准时送货到买方过程，进入制造物流阶段，厂区内的智能物流系统确保工位物流配送精益、高效化，包括智能立体仓库、智能WMS/WCS、与智能制造设备互联的智能配送到工位、条码/RFID辨认数据、配合机器人智能化单元化包装、自动装配技术、双箱制、空容器回收、成品包装下线及制造过程中的数据化追踪；在成品阶段，智能物流确保成品的出货（包括下线直发），包括成品进入智能化仓库、智能装车算法、高速自动装柜、智能成品出货、发货计划协调、分仓流通、经销商智能仓库、全过程导航追踪；回收阶段的智能物流，包括包装材料、容器及不良品智能循环及智能追踪过程。全过程可以实现智能化的物料单元（物料的声音，Voice of Material，简称VOM）驱动整个制造物流系统。

智能物流系统包括运输、仓储、装卸搬运、包装、流通加工、配送以及物流信息管理七大功能模块的智能化升级。从信息驱动到通讯，再到控制，再到智能物流设备动态管理，实时提供更加智能的VOM控制解决方案。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。

就实际应用而言，智能工厂通过订单（VOM）驱动模式进行生产活动，主要根据客户化需求进行生产，单个订单最少可能只生产1～2个品种，但是整个工厂产品的品种却多达数千种乃至数万种，需要运用精益化和柔性化的生产，并且匹配模块化物流系统作为保障，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。