在供应链APS的世界里

细节就是魔鬼，算法决定一切

不好的算法，结果只有0分和100分

而且通常是以0分收场

当前企业在端到端供应链管理上常遇到的问题

订单准时交货率低

每日齐套检查后进行生产，满足1-3日的出货，生管像救火，供应链可视度低。完全是推式生产，无法实现按订单拉式生产的模式。难以快速回答客户交货期，以及日常客户的紧急插单。

库存过高又备货不足

库存过高，但又缺货的矛盾现象。无法有效管理替代料，共用料，订单变更等，造成半成品、原物料的库存过高，或备货不足的矛盾现象。

产能利用率缺乏最大化

缺乏有效的计划与排程，造成无法准确预测未来机台产能负荷及均衡分配产能。由于前后工序无法准确衔接，导致出现空闲资源，产能利用率无法最大化。

手工计划费时且效益差

完全不做计划与排程，或只做简略的手工计划，计划人员过多，工作协调性差，效率低弱且容易造成经费的浪费。计划更改过于频繁，总是跟不上变化。

供应链APS的发展

手工简略计划。无法考虑过多的约束条件，完全依赖于个人经验，同时人工测算非常耗时，且计划的质量差。通常一周排一版，无法进行实时的修改及what-if分析。

以资源为主的算法，按派工规则进行测算，常见的规则有SPT，LPT，EDD等。另一种是以订单为主的算法，按正推或逆推方式进行测算。都是排程算法，用在计划端会造成生产不连续，同时也无法满足大多的约束条件。是目前大多项目失败的原因，用排程解决计划的问题。

采用的是运筹学里的线性规划（linear programming）算法。擅长处理数量型约束条件以及多目标优化等，但缺点是需较长测算时间，同时也无法有效处理和时间相关的约束条件。

在运筹优化的基础上加上AI智能约束优化的算法（Constraint Optimization）。将运筹优化与智能约束优化完美结合，能有效解决供应链计划与排程中的所有约束条件。

SCP Smart

第一个采用最先进的 AI + OR

智能优化算法的供应链 APS 平台

人工智能

(constraint Optimization, machine learning, deep learning)

运筹优化

(mixed integer programming, vehicle routing, simulation)

采用 SCP Smart 带来的效益

18%

降低供应链总成本

25%

提升准时交货率

35%

缩短订单提前期

25%

降低库存水平

『5%是不可能的，但30%是可能的!』

如果在原有方法上努力，想改善5%都很困难；但如果能有创新的思维与方法，则改善30%都是有可能的。