智能供应链在智能制造领域的应用（下）

文/邱伏生

二、制造企业智能供应链存在的瓶颈分析

制造企业在智能供应链方面存在的瓶颈主要表现在以下6个方面：

1.供应商到采购方没有形成数字化管理

包装的差异导致无法形成数据化管理。运输容器没有实行标准化，有各类各样的具有供应商明显特色的容器，不利于企业内部标准化管理，也不利于物料与容器的颜色管理和定置管理与及物流现场的整理整顿；影响了采购管理落实的有效性。

数量的差异导致物料流动无法数字化管理。包装单元数量不统一、不严格按生产需求送货（通常，为了保证用量，都有多送的余量，加上盘点的不及时，增加了供方的管理与仓库的成本；不能进行运输的直达化管理，即门对门管理），人工清点与数据交换费时、费力，更容易造成系统中的积累误差；即使偶尔有使用条码的也无法保证数据的准确性，最后只好扫描送货单了。影响数据管理的有效性。

物料流动时间的差异无法保证计划-执行的一致性，KPI指标难以监控。由于没有按照采购方既定的到货计划送货，使得供应商日供货不明确、不及时、不合顺序，导致无法到货或者到货无效，最后使各工序缺料等待；同时，对于供应商进货的规划与调度中，可能出现同时超标到货的现象，造成现场拥挤。据该企业资料统计，该厂在当地便有500多家供应商，每天送货大卡车最多时达30多辆，平时同时到达的有8-10辆（也有时空场），而卸货现场面积和卸货能力决定每次最多可同时卸货4-5辆大卡车，最后导致加班等计划外作业。

供应商质量差异导致直通率无法达成。由于质量的问题常使总装线停产，甚至总装后试机时，发现品质不良，只好作为不合格品另做处理，增加了生产环节的负担。

表1：各部门导致的停产次数

表2：停线时间以及责任部门（分钟）

表3：停产时间分类统计

2.相关物理功能区域未做区位数字化管理，现场管理混乱

卸货区未做区位管理。拥挤现象很严重，成了事实上的库存暂存区，各类材料在卸货区停留时间过长，客观上造成对卸货本身的干扰。

工序之间各暂存区流动性失控。见缝插针式的无序存放，暂存容器的不统一、不规范（甚至许多物料根本没有必要的容器），导致存货不能顺利进出（需要的货物在最里面），更不能先进先出（FIFO），造成实际生产中时空上的矛盾，如钣金件存放区，甚至在一些区域出现存放多日的不良品部件，而且经常存放在加工区的运输要道上，阻碍了物料的顺利流转。

区域之间物料周转缺乏参数设置和管理。各分厂、库暂存区重复设置现象严重，但又不能统一管理与运输、调度，导致（人工+叉车）重复运输和迂回运输，使配送无序。各分厂的区域分割、物料分散堆放，又由于配送与物流管理上的不均衡，使空间周转不过来，如产品的下线问题、固定工艺的运转周期与下件存放使用的时间差问题、运输过道与运输方式的问题等（尤其是电梯的使用与管理不合理），造成各楼层间物流的瓶颈现象（通常被称为“线边库存”）。

总装线区域物料上下作业岗位时序失控。配送节拍跟不上，所需物料不能从各厂、区、库及时、准确配送到位，且配送的物料质量难以保证；不需物料（如调产后的零配件、空工位器具、不良品）不能及时运走或处理，造成线上物料拥挤与亏缺，使生产不准时、物流不均衡。

表4：×月×日停产明细

3.生产保障过程的信息流紊乱，人、机、料、法、环无法形成联通与互动

全厂信息传递和数据维护的现代化程度很低，部门间以定单方式交流，信息传递易失误，沟通、处理不及时；物料周转又未单元化，使高效率的物料运转、巨大的数据量与低效、易错的人工操作之间存在错位（如成品包装线与成品库间的数据交换完全由人工点数完成，常出现数据不统一或盘点延迟的现象）。

该企业还曾经花巨资导入了多台AGV搬运小车和工位机器人，但是都由于智能化设施无法与实际的流程、物料、上下环节的人工、叉车实现无缝对接和联动，导致最后全部撤换。比如AGV将物料配送到工位了，作业人员尚未完成上个物料的装配，AGV直接放下物料进入了下一个作业；反之人工完成了，AGV尚未到达，导致人工停产；工位机器人经常由于物料未能够按照作业计划到达指定位置，导致静止等待、闲置；或者物料包装的工位器具未能够按照机器人属具的抓取模式设计，导致机器人无法争取抓取物料进行装配，导致乱抓物料或者无法识别物料。

图1-3：每天花费巨大的管理资源来显示各类数据，都是不可以追溯的

4.管理组织协调无力

缺乏系统的供应链管理组织，以上供应链过程矛盾不能得到及时有效的解决，导致瓶颈现象的不断积累。加上瓶颈问题随着供应链流程形成压力转移，部门之间形成各种推诿，各类会议不断增加，导致管理资源浪费。

5.过程的量化管理未能形成数字化逻辑，导致考核错位

图4：作业完成系统报表出来时，事情已经发生，无法弥补，且无法保证后续工作

图5：供应商缺料情况成为生产不安定的重要因素，不可控制

图6：数据管理逻辑不清晰，难以形成有效管理和交付承诺与兑现

如表1所示，是某连续两周中和某特定的一天中因以上原因导致停产的部分数据。

从表1可知，导致停产的责任，较大的是料品部、采购部和资讯部等物流的主要环节，而各个分厂生产管理的直接责任较小；

表2反映了该单位绝大部分由于供货不及时、送料不及时和缺件等物流不合理的责任，不合理的归入到了生产管理中，并且由表1和表2的总计中可知，两周内仍分别有83（=3105-3022）和25（=2045-2020）个停线时间单位找不到责任部门。

表3中由于缺件、周转不利、送料不及时、信息传递失误等原因所造成的停机时间达总时间的74.87%，真正由于操作等原因所致的停机仅占极少一部分。

表4中单日停产原因分析表明导致停机的直接原因仍主要是供应链过程的不合理导致的低效化，这证明表1～表3中出现的每周停机时间的原因并不是偶然的。

出现这么多的停产现象，该企业的管理监督部门都会定期稽核，并查明责任者进行处理。实际上，作为该行业的知名企业，该厂的生产管理及监督都很完善并且很有力度；但是因为缺乏对供应链数字化、智能化的理性认识，所以对于如何从根本上解决因供应链不合理所带来的浪费与束缚，是该厂领导层一直头疼的问题。

由于存在多处瓶颈，采购作业劳而无功，厂内物流不平衡，生产物料的配送无法准时化、高柔性，导致整个生产流水线经常停机等待，使工作流、物料流、资金流、信息流受阻，系统效率的提高受到约素，产生巨大的机会成本，从而不能最大限度的降低物流成本、解决生产中的时空矛盾，挖掘出被浪费的利润源泉。

6.传统的数据预警与可视化通报不能实现实时管理

图1、图2、图3是比较常见的现场“可视化”数据表现方式。由于绝大多数业务过程数据统计是离散型的，各部门协同共享联动性较差，信息不能共享，不能及时传递，形成信息孤岛，过程中的异常信息绝大多数没有及时存储，导致不能及时做统计、分析，而且大量的数据都是人工统计，导致统计结果滞后，管理也只能是事后控制，而不能实现预先控制和及时管理。

每天的作业达成情况也是完成率低下，并且影响因素无法实时查明，甚至无法得知后续还将影响作业完成的天数，如图4。

对于供应商的缺料情况，也无法实时控制和预警，只能够被动等待，如图5所示。

传统供应链中的很多报表，绝大多数都是通过人工输入、编辑、整理出来，并且报表出来后通过邮件或者简单打印出来进行信息的传递和发布，导致人工处理数据的工作量大，即使是现场开会管理、解决问题，也容易使得关键管理者不能及时的看到这些信息—在现场要么看不到这些数据，要么就是事后再看到数据，容易造成管理被动和管理只能是事后控制，而不能做到事先预防主。最后导致如图6所示的问题。

三、智能供应链在制造企业的实现路径

智能供应链需要通过对计划、采购、仓储物流、生产作业四大关键业务环节的管控，实时掌握进度、监控过程异常，包括对整个异常处理的全过程控制，更好地实现问题的事前预防和事中控制，实现各业务部门的协同性，帮助企业落地PDCA管理循环和持续优化提升，以支持打造数字化、可视化、信息化、智能化工厂。

图7：供应链数字化、智能化提升的一般逻辑

图8：数字化、智能化供应链过程数据偏差管理模型参考

图9：智能供应链上采购需求-计划协同-运作协同

1. 智能供应链体系对相关企业的要求

在智能供应链体系中，首先需要强调以下要求：

（1）供应商必须将它的交付资源与采购方的长期、中期和短期需求进行比较。在运作过程中，需要通过流程来确保任何可能影响后续运作的风险发生时，能快速和客户沟通。

（2）供应链管理部门需要实时查看供应链过程作业和物料是否足够滿足客户未来的需求，以便及早发现可能影响满足客户需求的潜在问题。当发现风险和偏差时，需要及时制定纠正行动，将对客户的交付影响减小到最低程度。

（3）供应链管理部门必须制定应急方案，当发生紧急情况时，即启动这一解决方案。这一职能系统必须定期进行测试和验证（过程数据需要实时输入到系统中），并且要求对相关人员进行应急程序的培训。

（4）当接收到的预测需求和发货要求时，每天（可以实现周滚动）都需要比较现有的资源和内外部客户的（计划和）需求之间的差别，并且提出优化方案，当有任何重要资源受限不能满足生产和交付要求时，能够实时通知相关的后续环节，甚至是客户。

（5）供应链系统能够自动检测过程环节的时间、数量、包装方式、装运方式、标签与信息传递方式的偏差（如：货运扫描和装载控制系统）。确保任何与供应链标准或者运作计划、协议的流转数量和方式有偏差时，能够被及时检查和显示出来，并且在不对生产和交付带来成本损失的情況下及时的协调。

图10：供应链制造工厂需要拉通全价值链

图11：工业大数据需要结合信息逻辑和物理逻辑之间的对应关系

图12：智能供应链需要考虑多个对应关系和基础设计

为了提升交货准确率和缩短交付周期，势必需要提高供应商到货准时准点、提高物料配套率，同时减少供应链过程中的效率浪费、提高人均产出效率和现场办公效率，从而提升物料周转率。为此需要构建八个数字化的作业体系：生产计划和物流计划的联动体系、供应商到货管理体系、物流运行过程的监控机制、物流运行关键物流指标、优化数据手工统计工作量和作业逻辑、信息及时采集和传递并可视化看板自动显示、计划和实际运行的目标偏差管理、异常和风险预警机制。而构建智能供应链，便是从建立八个数字化作业体系入手，逐步达到缩短交货期和提升交货准确率。上述要求的具体逻辑如图7。

梳理清楚数字化逻辑之后，有利于将计划、采购、生产和物流的全过程信息有效联动起来，同时将过程中的异常信息能进行预警或及时展示。以此能将当前事后的管理提升为及时管理和预先控制，并且能进行及时的监控。参考模型如图8。

通过建立数字化、智能化供应链模型，重新梳理供应链运营流程，针对关键环节、工艺或工序进行标准化、有效化、可视化管理，以拉通制造工厂的价值链。于是，供应链上不同环节的关系处理不再是传统的经验和感性（俗称“拍脑袋”）模式，或者单个决策模式，而是系统化决策了，如图9所示。

信息平台必然遵从于业务逻辑，在通常情况下，管理者看到的仅仅是运作界面，但是，在智能供应链演变中，逐渐地变为了数据逻辑的引领。

如图9所示，假设将企业供应链运作划分为ABCD四个模块。

A为采购业务端（蓝色虚线区域）。主要包含供应商的采购-生产-交付等过程，解决自动寻源、根据供应商基础数据实现自动下单、自动提示供应商交付要求；

B为入场物流端（紫色虚线区域）。主要包含装车-运输-收货-检验-入库等过程，解决规划和计划供应商的交付过程要求，并实行监督，以实现数字化采购的可视化；

C为生产协同端（红色虚线区域）。主要包含分拣-配送-齐套-生产-打包等过程，解决数字化生产的流动性要求，以精准响应智能制造的时间和数量要求，其间需要重解决工位配送和作业协同的问题；

D为成品交付端（绿色虚线区域）。主要包含入库-存储-检验-分拣-装车-运输-交付等过程，实现对市场要求的快速响应。

对于智能工厂而言，生产环节C最担心停工待料导致的无法交付，而如上文所述，绝大多数制造停产都主要是采购业务A和入厂物流B的原因，容易导致“巧妇难为无米之炊”窘境，所以装配型制造企业，尤其是汽车、家电、电子、重工机械、家居行业，一般都将ABC环节的数字化作为供应链智能交付体系的先决要素。制造业普遍认为：精益（智能）生产必须以精益（智能）物流作为前提。

对于供应商而言，上述全价值链必须实现OTD（订单到交付），以让采购方实现实时监控和运作管理，从而保证采购方的安定生产和智能制造，此时，相对于采购方，环节D将更加成为供应双方关注的焦点，但是，必须要保证全价值链的有效性，才能够保证交付承诺的兑现。

对于智能供应链而言，无论是采购方还是供应商，都是为了有效交付，于是，从计划到执行，需要强调几个关键词“保、稳、抓、拉”。

保—保证发运计划，实现有效交付，提高客户满意度。主要包含按照订单交付周期倒排计划、按照订单交付时间预约装车/装柜、有效装车/装柜，以有效相应客户方的ASN（先期交运通知单）等。

稳—稳定生产计划，实现安定生产和智能制造。主要表现为资源匹配实时监控和检讨、作业执行率保证、强调均衡生产，减少各类偏差带来的库存增加和断点浪费、推动安定生产，精益生产和精益物流协同，以总装作为作业依据，提高计划达成率和直通率。

图13：供应链全流程的要素管理与联动

图14：供应链策略、监控和执行的系统联动

图15：某企业智能供应链全息图

抓—狠抓配套计划，实现信息配套和实物配套的完美协同，从而保证生产的可行性。外购件配套计划-不再是保证供应，而是有效供应，以作业计划需求的齐套数量作为采购-到货-收货的依据，并且必须具备实时盘点和提供结果，并且可视化的能力。同时，还需要狠抓自制件配套计划，通常自制件由于管理者对于效率、成本、人员、换模等的考虑，喜欢一次性大规模生产，但是，由此产生了失控的库存，形成无效制造，带来各种变数和经营压力。在智能供应链中，自制件将作为内部供应商进行严格的协同配套和数字化要求，避免由此带来对供应链的冲击。此外，信息配套协同实物配套-实时盘点、实时全过程监控、实时预警、响应。

拉—拉动供应商到货计划。主要包含供应商预约生产-基于采购方的要货计划（ASN）倒排生产，按需生产，不再是自我任性的大批量生产；第三方物流预约到货-基于采购方的要货计划和既定的运输路线，按照顺序收货，实现循环管理，不再是多拉快跑的模式，全过程都有信息监控；实时检验与入库-有必要推动“检验放行及时率”，以保证采购物流的及时性和有效性，降低检验库存；实际上，如果检验计划和到货物流计划没有协同好，那么检验将成为采购物流中的最大瓶颈。

如此，方能形成价值链的一体化拉通和标准化运行，如图10所示。

2. 智能供应链建设过程中的要素协同

智能供应链建设过程中，将涉及到的要素全面集成，从而实现从信息逻辑到物理逻辑的对应关系，合理分解为多个管理模块之后的协同（不是传统供应链中的购买和拼凑），形成工业大数据平台，如图11所示为某企业制造大数据平台架构与协同逻辑。

当对应关系建立起来后，智能供应链需要重点关注送货计划-到货管理、存储计划-存储现场、配套计划-实物配套、作业计划-现场作业管理、总装计划-总装作业管理、装车计划-装车装柜六个对应的关键环节参数和标准执行，以解决数据一体化、偏差管理一体化的系统性要求，保证系统能够实现差异控制、先期预警和应急管理。过程中还需要考虑包装器具设计与身份管理、存储空间的数字化规划和智能仓储设施、工位智能化配送模式和响应参数设置、成品下线到智能化、快速化装车模式等的设计。如图12所示。

将各个要素协同起来，形成企业物联网（对接互联网），将人、机、料、法、环互联互通起来，通过供应链智能协同系统指挥和运营起来，解决横向+纵向的资源协同（图13、图14）和信息联通。从而形成智能工厂从供应链策略到监控和执行三个层次的系统性联动，如图14所示。

不同物料、不同订单、不同作业方式、不同工位、不同供应商涉及到的制造需求全面联系起来，形成横向+纵向的协同，支撑过程中信息逻辑和实物逻辑的对应，以保证供应链资源和计划的一致运行，并最终形成综合的报表。

在协同计划管理的主导下，需要管理和实时监控供应商的到货有效性和实时进度，尤其是需要保证供应商流程偏差所带来的风险。

仓库物流管理可能涉及到收货、检验和自动立体库等多个环节，都涉及到时间和数量以及信息采集动作，动作的有效性直接实时显示在数字化供应链平台，以监控计划和实际作业之间的差异。

生产订单执行的有效性直接决定了交付的可能性，对于智能生产而言，生产异常的实时监控和快速响应，就变得尤其重要。

各个供应链关键环节的数据和运行运行状态经过系统算法，形成管理者和决策者需要的报表，比如日计划与产值实时报表、月产值停线时间和原因分析实时报表、月产值计划达成率实时报表、订单延误实时报表、月产值累计达成与标准值之间的差异分析实时报表以及各项产品和产线产值动态类及报表等，从而能够实时显示当前运作对于供应链战略绩效指标的达成情况。

各类管理界面的显示和实时报表的生产，有利于决策者思考供应链优化和战略绩效的持续推动和偏差、瓶颈问题的实施解决，从而实现七大管理要求：量化管理、实时管理、可视化管理、PD CA管理、主动管理、目标偏差管理、数字化管理，达到持续改进的目的。

当企业逐渐实现了价值链拉通、数字化采购、数字化物流、智能生产之后，整个供应链计划-执行将完全与信息平台融合，实现CPS（信息物理系统），未来的差异可视化不再是反馈给作业人员（从而去开会解决问题），而是反馈给整个供应链系统，从而这个系统实现实时反馈，形成自组织、自管理等智能化的表现，从而实现智能制造，而代表了供应链信息的各个物料包装单元，都将“会说话”，与供应链上的所有元素进行对话和交流，实现人、机、料、法、环、数的互联互通和工业大数据，从而实现数字化、网络化和智能化。如图15为某企业智能供应链全要素联通与运作全息图。

智造供应链的发展以企业的自动化和信息化发展为基础。自动化主要实现生产过程的数字化控制，离不开各类过程控制类软件的深度应用；信息化主要实现企业研发、制造、销售、服务等环节和流程的数字化，打通企业内部及供应链企业间的数据流，以研发设计类、生产调度类、经营管理类、市场营销分析类软件的深度应用为特征。因此，涵盖上述软件类别的工业软件是智造供应链发展的基础和核心支撑，可视为智造供应链发展的灵魂和风向标。