悠桦林高级生产计划与排程解决方案，应用“运筹学 机器学习”进行大数据分析，能考虑物料、人、设备的限制条件，精确到时分秒以及各工序及机台，输出生产订单执行层面的计划，并对计划执行情况进行跟踪与预警。这是跨越整个企业供应网络，考虑多种业务目标、约束条件，为企业创建优化的生产、库存、采购及调拨计划，从而实现最大化需求满足，最小化成本及最大化资源利用率。

本解决方案可以从库存精益、人员精益、减少换型、产能均衡等方面帮助企业降低成本。可以从柔性排产、多目标优化、有限产能和物料约束、统筹规划提升产能利用率等方面帮助企业提升生产效率。

“运筹学 机器学习”解决的业务挑战和创新性

1.解决方案适合解决的业务挑战

（1）频繁计划变更，插单多：生产计划变化快、插单多，无法实现对每个工单精益生产上的时间与空间规划。

（2）库存积压成本高：高库存会掩盖生产、采购、销售等重要环节运作问题，导致存货周转率低、资金积压严重。

（3）产能分配协调困难：拥有多条生产线仅靠人工难以考虑均衡分配的问题，各区域、各工厂产能协调困难。

（4）手工排产耗时长：在生产计划排产环节依靠Excel方式手工排产，耗时2到3个小时，使得员工工作强度大、排产效率低。

（5）信息孤岛，部门协调困难：缺乏有效组织管理，各个部门的信息和排产相关数据维护在自己手中，无法保证信息的继承性与可追溯性；排产的结果缺乏有效数据分析和图表展示工具，无法进行场景模拟和定量分析。

2.解决方案的创新性

（1）优化算法驱动的商业智能决策：基于悠桦林强大的算法引擎和运筹数学建模方法，在满足企业各种生产资源约束的基础上，实现一键自动排程排产，达成生产精益、库存精益、人员精益、减少换型等多优化目标，更学科智能的计划中长期和短期排产，帮助博世华域优化生产管理及作业流程，降低生产成本，提高整个生产及管理效率，缩短生产周期，加快市场响应速度。

（2）机器学习持续优化与改进：悠桦林算法团队设计了目标优先级方案，为了满足实际应用过程，考虑到不同业务场景或者工厂有不同目标优先级的情况，员工可以调整不同目标优先级满足业务场景生产需要；借助于人工智能机器深度学习与训练，收集、更新并总结一定规律后，对生产计划与需求能够进一步细化、优化与改进，从而系统能够输出贴合现实业务场景的方案。

（图1 方案架构图）

【应用案例】基于强大的优化算法达到最优生产规划

在本案例中，博世华域企业面临如下具体的业务痛点：

1.使用Excel小程序进行排产辅助，主要生产排产以人工计算与协作为主，耗时长，单工厂2小时，算上评审后修改共计5小时，且无法处理多目标的排产优化。

2.库存成本高，处于一种“亚健康”三高状态，高库存、高交期和高成本，高库存会掩盖生产、采购、销售等重要环节运作问题，导致存货周转率低、资金积压严重等问题，对库存的管理是基于某时间的库存量，使用人工计算产能情况倒推全部备库计划，从而缺乏整体角度考虑何时备库成本最优。

3.源数据分散在各部门，缺乏统一协同平台管理，各个部门的信息和排产相关数据维护在自己手中，无法保证信息的继承性与可追溯性；排产的结果缺乏有效数据分析和图表展示工具，无法进行场景模拟和定量分析。信息壁垒现象导致企业缺乏统一调度中心发布和共享计划。

本项目建设的APS高级计划与排程系统，主要包括以下实施内容：

悠桦林根据客户业务生产流程，对大规模脏数据整理、分析以及清洗，建立了统一数据标准与模型，将基础数据打通并集中管理，基于悠桦林强大优化算法模型的反复迭代、自我完善以及机器深度学习，高级生产计划与排程能够在工厂实际有限资源约束下，以最短期限，达到最优生产规划，实现对设备、人员进行精细排产，将花费数小时的人工排产缩短至五分钟，一键智能输出中长期计划与短期日计划，并精确到每道工序、每个机台，以及人员的生产和物料计划，从根本上减少计划时间、人员的工作负荷。

1.周排产计划

周生产计划通过数学建模定量分析，并综合考虑有限产能和物料约束市场预测等多维度业务约束条件，进行统筹规划提升产能利用率。工厂有20条生产线，能生产70 种类的产品，各条生产线能够生产多种的不同产品，如一条产线能够生产6种不同的产品，可生产产品的组合以及顺序有1950种，考虑10种不同的产品时，就有980万种组合。悠桦林通过优化算法去搜寻最优解，从天文数字多的可能计划方案中，找出符合实际生产场景的最佳计划方案。以满足客户欠交量最小、总库存最小以及总生产时长最小等多种优化目标，为业务生产场景输出了四种不同日历等级下的周生产计划。

2.日排产计划

周计划能够确定每条生产线每周生产的产品种类和数量，日计划提供更精细的排产颗粒度：确定每条生产线每天产品的生产顺序，在制定指定日计划过程中还需要在满足100%交付的前提下，支持多目标优化，客户需求欠交量最小、安全库存欠交量最小、产出最大等业务约束条件，而日计划的制定对数学建模和优化算法的应用就非常考验整个团队算法的响应能力。

为企业解决的痛点与带来的效益

1.订单准确交期承诺：基于企业生产能力和现有产能负荷，对订单进行评审和交期评估，给出精确到每道工序、设备、人员和物料计划，确保企业按时交付，从而为该企业提升了5%-10%交付及时率。

2.未来产能模拟：帮助企业对未来产能预测，使决策层能够提前预知哪些设备产能不足或富余，提前做好应变措施，帮助该企业下降5%换型损耗率。

3.库存管理：中长期计划指导物料采购计划制定，同时以计划驱动指导物料准备及物流配送，使得降低了11%-15%的备库量。

4.一键智能排程：系统能够获取工厂实时资源信息：设备、人员、物料等，系统进行算法计算自动排产，将计算出的最优排产计划下发到生产线，实现一键自动排程排产，原来花费数小时排产任务缩短至5分钟，从根本上减少计划制定时间、减轻计划员工作负荷，提高了工作效率。

5.灵活目标配置：满足不同业务场景和不同时期多种不同的资源目标，工作人员灵活根据客户、产品类型、订单数量大小等等自定义订单优先级，决定订单生成的先后顺序。

6.生产异常处理：能够及时响应紧急插单、生产波动、人员排班等异常情况，自动排程快速调整异常情况对计划的影响。

7.可视化报表管理与分析：悠桦林APS支持各种维度统计报表，以形象的甘特图展示排产结果，帮助计划人员作出战略决策。

8.管理透明度：帮助企业打开生产管理的黑盒，使得销售人员和生产管理人员能够对每个人员、每个设备、每种物料精确管理，实现精确掌握整个生产过程，为企业提升了4%的生产利用率。

【企业简介】

悠桦林成立于2016年，是一家以运筹学、机器学习、大数据分析等智能决策技术为核心驱动，聚焦制造业和大交通行业的场景需求，为企业提供“行业 AI OR”的智能决策整体解决方案的科技公司。公司总部在上海，在北京、深圳、重庆、海口都有分公司，作为国内AI智能决策技术的领航者，悠桦林一直致力于推进基于海量数据的AI智能决策技术在中国的落地推广，助力中国企业实现从自动化到数智化的战略转型，提升企业的决策水平，实现企业决策环节的快速、明智和可量化。

【专家点评语】

悠桦林信息科技（上海）有限公司提供的APS高级计划与排程系统，充分运用了“运筹学 机器学习”等先进技术，立足业务挑战与痛点，通过对业务的深入探索及算法的持续优化，为企业提供了高效的智能排程解决方案，其场景贴合实际业务，落地性强，能充分服务于企业数字化转型，为企业带来管理效益、经济效益双提升。

——腾讯云高级架构师 刘玲