當前，汽車行業(yè)正在發(fā)生巨變。隨著造車新勢力崛起，新能源汽車正加速替代傳統(tǒng)燃油車，汽車產業(yè)鏈不斷被解耦，生產供應模式被重塑，市場競爭日益加劇，疊加長期面臨著國際局勢動蕩、原材料成本上升、雙碳政策管制、疫情反復爆發(fā)等諸多挑戰(zhàn)，市場不確定性成為常態(tài)，汽車供應鏈亟需借助數(shù)智化技術提升韌性和柔性。
在此背景下，大多車企都在探索更加高效、靈活、低成本的生產運營方式，但汽車產業(yè)鏈異常復雜，轉型升級并非易事。一輛整車的生產會涉及數(shù)百家供應商、上萬個零部件，生產、供應、倉儲、物流等流程環(huán)環(huán)相扣，如何提升決策水平、優(yōu)化各類資源調度成為降本增效的重點和難點，決策智能化也成為汽車廠商破局增長的突破口。
針對汽車制造行業(yè)的決策優(yōu)化問題，很多車企進行了多種探索和嘗試，比如，通過一些數(shù)字化系統(tǒng)進行改造，但很少有從頂層設計到計劃執(zhí)行的全局方案，例如，只從單個場景或執(zhí)行層面出發(fā)，可能局部問題改善了但整體效益卻不一定提升;計劃和執(zhí)行不一致，生產紊亂、協(xié)同不暢、效率低下;無法考慮成本因素，影響整體決策效果等等。
汽車制造供應鏈流程示意圖
在產能、資源和成本之間綜合尋優(yōu)，是汽車精益生產的需要，也是新一代智能決策技術在汽車制造領域的價值所在?；谌謨?yōu)化思維，杉數(shù)科技打造了針對汽車行業(yè)的智能決策解決方案，以綜合經濟效益最優(yōu)為導向，以求解器COPT、COMatrix、COForecast三大技術引擎為基礎，深度融合汽車制造各個場景構建了定制化的智能排產、智能排程、需求預測、倉儲優(yōu)化、物流運輸優(yōu)化等模塊，從全局視角優(yōu)化生產制造各個環(huán)節(jié)，不僅可以快速解決各場景的復雜決策問題，也能夠有效整合銷售、生產、供應、倉儲、物流等全流程，促進多層級聯(lián)動和多工廠協(xié)同，實現(xiàn)從局部到整體、從效率到效益的多維升級。
從應用情況看，領先車企正通過新一代智能決策技術快速“超車”，不同場景的落地成果表明，智能決策技術對車企當下業(yè)務增長和長期戰(zhàn)略轉型都舉足輕重，那么智能決策技術到底是如何撬開車企智能化轉型的枷鎖的?以下我們將從汽車生產制造的不同環(huán)節(jié)逐一拆解。
01整車工廠的智能排產
生產計劃包括排產(不同周期的生產數(shù)量計劃)和排程(計劃執(zhí)行-生產排序)
生產計劃是整車工廠運作的重要抓手，發(fā)揮著連接市場需求、指導生產執(zhí)行、拉動物料供應的重要作用。其中，排產是對長中短期生產數(shù)量進行計劃的過程，排產需要考慮客戶需求、車型、工藝、產能、成本、排班等因素，排產約束多，計算量級大，決策復雜度很高。目前整車工廠在排產時主要依靠人工或者基于既定排產規(guī)則的APS系統(tǒng)，效率低，準確度不高，而且無法全面考慮成本、產能等約束。
智能排產方案框架示意圖
某整車廠商采用杉數(shù)提供的智能排產方案，以生產成本最小化為優(yōu)化目標，充分挖掘企業(yè)生產、銷售等部門的數(shù)據(jù)，結合設備、工藝等參數(shù)及人工經驗，全方位考慮產能、車間關系、均衡性、排班等約束，充分發(fā)揮算法模型和COPT求解器的優(yōu)化求解優(yōu)勢，制定全局最優(yōu)的排產方案，不僅在排產效率上得到了大幅提升，也幫助企業(yè)節(jié)省了大量成本，有效提升了產能。同時，更精準的排產計劃可以提升物料籌措準確率，減少資源浪費。
從實際業(yè)務效益推算，使用智能排產系統(tǒng)后，該企業(yè)的JPH提升1%，可貢獻機會產能1萬臺左右，減少設備停產2%，可貢獻機會產能5000臺左右，在降本增效的同時，為企業(yè)靈活應對市場變化提供了強有力的支撐。
和傳統(tǒng)排產方式相比，智能排產改變的不僅是計劃方式，更是生產運營的思維和模式，基于智能排產，后續(xù)的生產流程都將更加精細化和科學化。不過需要指出的是，通過智能排產系統(tǒng)做出的生產計劃，對實際生產執(zhí)行起到的是預測指導和參考基準的作用，在具體生產時，企業(yè)會根據(jù)該生產計劃數(shù)據(jù)進行相應的調整和轉換，以確定其他相關層級的執(zhí)行計劃。
02整車工廠的智能排程
生產計劃排程，主要是在執(zhí)行層面對不同車間和產線的生產進行排序。整車生產要經過沖壓、焊裝、涂裝和總裝四大工藝，執(zhí)行生產時各個工藝車間和產線的排序會影響到最終的執(zhí)行結果。比如，計劃同時有10個車型需要生產，如何在保證產能的情況下滿足不同訂單的需求?應該先生產哪個車型?幾個車間如何保證生產一致性?同一個車型應該先生產哪種顏色?
計劃排序涉及訂單、產線、生產工藝、車型、顏色、配置、混線生產等多項業(yè)務需求，根據(jù)整車生產的實際場景，杉數(shù)智能排程系統(tǒng)可以將這些問題轉化為有限約束條件，構建排序計劃算法模型，并搭載求解器COPT進行求解，最終達成綜合最優(yōu)的生產排序計劃。
智能排程案例示意圖
在上汽通用凱迪拉克工廠智能化升級過程中，杉數(shù)智能排程方案發(fā)揮了重要作用。針對凱迪拉克工廠焊裝車間(BS)、涂裝車間(PS)、總裝車間(GA)的計劃執(zhí)行和運營問題，智能排程方案從平準化排產、分車間排序和車身分子線排序三個方面進行優(yōu)化，首先，按配置級制定滿足工藝要求的平準、循環(huán)的排序計劃，實現(xiàn)平準化排產。然后，根據(jù)各個車間工藝及運作限制，統(tǒng)籌平衡物流及車間整體資源，充分考慮排序約束條件，準確制定分車間排序計劃。同時，單獨制定符合子線工藝限制的子線排序計劃，提升子線計劃與實際生產匹配度。
通過智能排程，該工廠打破了原有的三個車間按照同一序列、取最長的路徑、按同一節(jié)拍打散到物料需求的排產規(guī)則，提高生產計劃排程的科學性和生成效率，提升全鏈路生產與物流運作的精益化水平。上線后，該項目組反饋，“作業(yè)計劃電子化并實現(xiàn)與其他系統(tǒng)的聯(lián)動，分車間排序使不同工廠的排產更加精細化，更好地指導了整車生產和物料采購”。
03動力總成工廠的智能排產和排程
汽車動力總成包括發(fā)動機、變速箱、驅動軸等汽車核心部件，通常單獨生產運營，最后在總裝環(huán)節(jié)進行組裝成整車。大型整車廠商一般擁有自己的動力總成工廠，動力總成在做生產計劃時，主要有兩個痛點：如何與整車廠計劃保持一致，以及如何提升計劃的效率和效果。
如果整車排產計劃不合理，那么動力總成排產也將不準確，因此整車排產計劃是動力總成排產的關鍵約束之一。除此外，動力總成排產的限制因素還包括生產能力、換型損失、設備及工藝限制、人員安排、建儲庫存等。
根據(jù)杉數(shù)智能排產方案，某車企的動力總成工廠在做生產計劃時，以整車工廠的生產計劃為基準，再結合自身的生產約束得出動力總成排產計劃，包括與當前整車計劃時間一致的動力總成生產數(shù)量和生產日歷。優(yōu)化后，可以在每月每機型的庫存數(shù)量大于庫存標準水平的同時，最小化庫存數(shù)量，在建儲方面，當某月生產計劃不滿足該月需求時，優(yōu)先用該月前一個月進行建儲，并依次向前面的月份推進。由此，一方面能夠靈活滿足整車工廠的需求，另一方面也能靈活拉動相關供應商的物料籌措。
動力總成工廠在進行計劃執(zhí)行時，生產排程和整車工廠類似，系統(tǒng)需要輸出一定周期內每天每產線每品種的生產順序，不過約束條件及優(yōu)化目標和整車有所不同。動力總成工廠生產排程的約束條件包括安全庫存、期初庫存、型號信息、換型時間、建儲庫存、班次信息、時間占用等，通過對生產場景建模求解后，可以得到換型損失時間最小和庫存數(shù)量最優(yōu)的生產排序方案。
04物料需求計劃（BKM預測）
合理地進行物料籌措是能否完成生產計劃的必要條件之一，汽車生產物料數(shù)量多達上萬種，每種物料又對應多個供應商，隨著供應鏈不確定性增加，如何預訂供應商產能以保證生產需求成為整車廠面對的棘手問題。
為了更好地指導供應商準備物料，某整車廠商引入了杉數(shù)智能決策解決方案。方案結合歷史銷量數(shù)據(jù)、歷史銷售支持數(shù)據(jù)、歷史銷售需求數(shù)據(jù)、未來銷售支持計劃、未來銷售需求計劃、最大產能等定制化算法模塊，預測未來2年的銷量以及相應的資源準備計劃。和傳統(tǒng)人工計劃相比，基于智能算法的預測可以明顯提高預測準確率，降低變動成本。
根據(jù)BKM預測結果，再經過PR(PR指汽車技術裝備和結構代碼)打散，整車廠商就可以從PR號級別來指導各個零部件供應商的產能。在實際運營過程中，雖然供應商不會完全按照整車廠提供的需求計劃來供貨，但是會將供貨量保持在一定的安全水位，更精準的需求預測可以幫助整車廠和供應商更敏捷地調整和變動，提升物料籌措效率和柔性。
05物流優(yōu)化—零部件入場物流調度優(yōu)化
在物流領域，汽車制造行業(yè)被認為是最復雜、難度最大的行業(yè)之一。尤其是入場物流，涉及零件及物料數(shù)量大，運輸調度約束條件多，如何在正確的時間、把正確的零件和物料運送到工廠或者生產車間，是極其復雜的運籌優(yōu)化難題。
物流運作與物料籌措的流程示意圖
整車工廠的零部件供應商一般分布在全球各地，入場物流呈現(xiàn)多樣性的特點。在做路線規(guī)劃時要考慮多個維度，比如訂單類型、交付時間與成本、區(qū)域限制、線路等等，在裝箱配載時，要考慮組托計算邏輯，組垛車型等，已經超越了人工可計算的范疇。
杉數(shù)為某汽車主機廠提供的入場物流解決方案，對提卸貨時間窗、車輛裝載體積、裝箱配載、最大里程數(shù)/站點間距/最大作業(yè)時間限制等多方面約束進行綜合考慮建模，利用路徑優(yōu)化求解器和配載優(yōu)化算法得出最優(yōu)入場物流方案，實現(xiàn)了綜合總成本、總車次數(shù)、總里程數(shù)的最小化，以及裝載率的最大化。
06倉儲優(yōu)化—零部件倉儲布局智能規(guī)劃
一般整車廠會根據(jù)中長期產能和計劃對倉儲網絡進行整體規(guī)劃和布局，但在新產品導入或工廠/產品需要調整時，需基于最新的輸入信息，對LOC內零部件倉儲庫位布局進行調整，以保持零部件在工廠內的高效周轉。傳統(tǒng)的規(guī)劃方式是由人工收集并處理相關輸入信息，然后再由人工規(guī)劃接收/上線路徑并繪制庫位布局圖。人工規(guī)劃主要依賴規(guī)劃員的經驗，無法全局考慮所有影響因素，而且無法對規(guī)劃結果進行對比和評估，具有很大優(yōu)化空間。
基于優(yōu)化算法和仿真模擬的倉儲優(yōu)化方案
某汽車主機廠與杉數(shù)合作后，將智能算法和模擬仿真技術應用到倉儲優(yōu)化場景中，將生產模式、零件清單、包裝信息、堆高、緊急響應時間、供貨間隔等因素全面抽象為數(shù)學模型，進行仿真計算和優(yōu)化，從而得到最優(yōu)的倉庫布局方案，實現(xiàn)了零部件倉庫規(guī)劃和運營的智能化升級。最終，有效提高了物流運作的效率和精度，提升了場地利用率，降低物流運作成本，并實現(xiàn)倉儲運營的量化和可視化管理。
實施過程中，杉數(shù)結合定性+定量的原則給出多種方案及對應的評價指標，從庫內動線、流通性、空間利用率等角度，綜合給出初始布局設計方案。在貨位分配方面，確定貨位分配方案及商品與貨架的對應關系，在滿足庫位容量約束、sku庫位需求約束的情況下，優(yōu)化貨位分配對應任務路徑及貨架利用率。同時，通過模擬仿真系統(tǒng)實現(xiàn)不同倉庫布局規(guī)劃下對應的物流成本模擬，實現(xiàn)布局規(guī)劃模型和結果的不斷迭代優(yōu)化。
總結
汽車制造的決策智能化升級是一個極其復雜的過程，每個場景的問題和約束都不一樣，但整體思路是一致的，即把各種生產運營決策問題轉化為數(shù)學規(guī)劃問題進行求解優(yōu)化，從而在決策層面實現(xiàn)從人工到智能的轉變。借助于智能化、精細化的運營決策方式，汽車制造工廠將更加“聰明”，考慮問題更全面，求解規(guī)模更大，求解速度更快。
從協(xié)同應用價值來看，任何一個環(huán)節(jié)的優(yōu)化都將直接或間接地促進相關環(huán)節(jié)的改進，帶來1+1>2的效果。比如，排產優(yōu)化除了能降低成本提升產能外，還能夠為物料籌措、倉儲物流等提供更好的參考;入場物流優(yōu)化不僅可以為企業(yè)節(jié)省大量運輸成本，還將提升整車廠物料籌措的效率和效果等。通過全局協(xié)同運營，汽車生產各個環(huán)節(jié)能夠實現(xiàn)動態(tài)平衡，在遇到突發(fā)狀況時企業(yè)就可以靈活響應。
未來汽車的生產運營模式會持續(xù)變化，但不管如何變化，精益生產的需求不會變，企業(yè)對精細化和敏捷性的要求只會越來越高。一方面，新能源汽車的快速發(fā)展讓代工方式及全球化布局更加多元，對企業(yè)的整體運營水平提出了更高要求;另一方面，新型汽車供應鏈生態(tài)將以用戶為中心進行定制化生產，將改變傳統(tǒng)串聯(lián)模式為并行工程，以最大限度地提高資源利用率。在生產模式轉變過程中，智能決策技術將發(fā)揮越來越重要的作用。杉數(shù)根據(jù)汽車生產運營場景打造的定制化算法、模型和求解器，不僅可以實現(xiàn)新舊系統(tǒng)的打通和轉換，以及不同流程的對接和整合，還可以可根據(jù)業(yè)務規(guī)則進行靈活復制和調整，將為各類汽車生產廠商智能化轉型提供全方位技術和方案支持。
申請創(chuàng)業(yè)報道，分享創(chuàng)業(yè)好點子。點擊此處，共同探討創(chuàng)業(yè)新機遇！
