標簽：南京聯想電腦金牌代理，

聯想南京總代理|聯想商用臺式機南京總代理|量大優惠，歡迎來電咨詢 13404156561

供應鏈對一個企業有多重要？經濟學家帕拉格·康納稱：“在21世紀，供應鏈是一種更深層次的組織力量，誰統治了供應鏈，誰就統治了世界。”

如果把企業的供應鏈比喻成人的身體，供應鏈各個執行環節就是人的四肢，傳遞信息流的數據通路就是人的神經，而供應鏈決策就是人的大腦。愚鈍、遲緩的大腦不僅運轉緩慢，而且極易做出錯誤的決定，直接導致供應鏈執行環節的“手忙腳亂”。運用智能決策技術，可以大幅提高“大腦”的運轉效率與智慧程度，快速給出正確的決策指令，從而指揮手腳正確、協調地工作。

聯想在經過多年的研發和實踐中，創新性應用前沿技術，實現了供應鏈決策的“數據驅動、科學精準、快速高效、自我演進”，推動供應鏈管理實現“智能決策”，全面改善了供應鏈決策的工作流程與模式。

得益于此，近日，在由全球最大的華人運籌學優化理論社區之一“運籌OR帷幄”主辦的“2022年度OR企業評選”（OR指operations research，即運籌學）中，聯想憑借自研的高級計劃與排程系統（APS, Advanced Planning and Scheduling）在制造業多個場景中的卓越表現，榮獲“杰出貢獻獎”。

新消費時代，市場需求多元化、波動性大、難以感知獲取，人工難以準確把握規律，更難以對未來進行預測；市場競爭日益激烈，市場環境復雜且快速變化，充滿了不確定性；用戶對有貨率及按期交付的要求越來越高，對供應鏈的響應速度提出更高要求；商品SKU數量眾多、產品更新換代加速、銷售渠道更加多元，業務復雜度快速增加導致難以精細化管理；供應鏈參與主體眾多、網絡結構復雜、影響因素多樣，加大供應鏈管理難度；流行病、自然災害等黑天鵝事件頻繁發生且難以預測，影響難以評估，供應鏈中斷的風險加劇；供應鏈管理質量難以維持較高水平、且運營成本居高不下；部分行業、部分產品的原材料供應短缺，需找到合理的物料分配方式、最大化利用資源；場景日益復雜，眾多業務指標之間存在相互制約，針對不同業務場景、不同業務目標下的管理策略，難以全局統籌權衡并找到最優方案；人工管理耗費時間精力，且高度依賴業務人員的能力與經驗，難以穩定、規模化提升管理能力與效率；全球制造業從大規模標準化邁向多品類小批次交付，模式的變革徹底顛覆了原料采購、生產、運轉交付的傳統邏輯，過去的經驗不再能適應新的模式需求。

以上諸多挑戰的出現和加劇，表面上看是供應鏈管理模式不優、效率不高、效果不理想，背后的本質是復雜環境下供應鏈決策難度的指數級提升。供應鏈中需求計劃、生產計劃、庫存策略、調撥管理、倉儲選址、運輸配送等各個環節都需要科學的決策支撐。決策問題貫穿供應鏈管理的整個鏈條，是供應鏈管理的核心難點。

隨著供應鏈重要性的日益突出與所面臨挑戰的日益加劇，傳統的供應鏈決策模式已難以應對日益復雜的供應鏈管理需求，供應鏈決策問題已成為制約供應鏈健康、高效、可靠運轉的關鍵瓶頸，進而制約了企業各環節的有效運行與業務的提升發展，如何決策成為供應鏈管理的主要難點。

伴隨著物聯網、大數據、云計算、人工智能等信息技術的發展，以智能化為特征的第四次工業革命席卷全球，制造業、零售業等各個行業也正經歷著重大變革，同時要求供應鏈管理的工具、方法、模式也需要創新，以人工智能、物聯網、數字孿生、知識圖譜等為代表的數字技術正在供應鏈領域開展應用，加速了供應鏈的數字化、智能化轉型，這其中最重要的是要打造以數據驅動的智能決策能力。

優秀的供應鏈決策能力是企業供應鏈健康運轉的必要前提，而供應鏈決策技術的選擇運用，對供應鏈的健康管理至關重要。

以數據挖掘分析、運籌優化為代表的供應鏈決策技術的出現與發展，在一定程度上提高了供應鏈的決策水平與效率，但隨著供應鏈管理問題的復雜度不斷增加，也逐漸顯露出局限與不足，供應鏈決策技術亟需進一步發展。

隨著市場環境的不斷復雜與大數據時代的到來，供應鏈管理的難度大幅增加。暗藏在海量多維數據中的規律與特征變得更加隱蔽，多項資源與目標約束下的復雜問題優化求解變得更加困難，傳統的數據分析與運籌優化技術不再能滿足新時代供應鏈管理決策的需求，決策技術的演進也迫在眉睫，智能化決策正成為供應鏈決策技術未來發展的重要方向。

Gartner將決策智能列為2022年重要戰略技術趨勢之一，Gartner預測，在未來兩年，三分之一的大型企業機構將使用決策智能實現結構化決策，進而提高競爭優勢。

聯想對智能決策有著自己的理解，相比傳統的供應鏈決策方式，聯想認為，智能決策應具備數據驅動、科學精準、快速敏捷、自我演進等特征。

近年來，供應鏈決策技術在發展進程中，正呈現技術之間融合應用的發展趨勢，特別是機器學習與數據挖掘分析 、機器學習與運籌優化技術的結合，是智能決策技術的代表，正成為供應鏈決策技術智能化發展的重要方向。

機器學習與數據挖掘分析、運籌優化技術相結合，非常適合解決復雜商業環境下供應鏈的決策難題，充分實現“數據驅動、科學精準、快速高效、自我演進”，推動供應鏈管理實現“智能決策”，從而有機會全面顛覆供應鏈決策的工作流程與模式，構建健壯智慧的供應鏈“大腦”。

聯想基于圖注意力網絡提出了Relational GAT（R- GAT）技術方案，設計出一套復雜圖結構下的信息表示與傳遞方式。該方案通過基于圖神經網絡的特征傳遞以及對節點的重要性程度打分，實現了對不同替代料之間的優先篩選，相比于預先定義的替代料優先級，得到的組裝方式更符合真實的生產環境與優化目標，性能更優。

聯想在深刻認識和掌握機器學習和強化學習技術的條件下，尋找各種內部和外部的工業多目標優化場景的一般性規律，創造性地提出了一種基于強化學習方法的一般化多目標優化方法框架，不僅適用于高維度、時序性、連續或離散決策變量等各種優化任務，還可以在結構中加入強化學習中策略梯度、策略評價、深度計算等最前沿的先進方法，不斷提升以泛化性、 正則性和魯棒性為代表的高階算法性能。

與一般優化求解方法不同，聯想基于強化學習的混合整數規劃問題的求解方法，求解時間與問題規模呈線性關系，對大規模離散制造排產任務的運行時間可控制在分鐘級，且最優性遠高于業界常用的啟發式和搜索算法。在指標得到提升，充分解放人力成本的前提下，大幅降低從計劃到制造的反應時間，確保敏捷響應和順利投產。

憑借自身在機器學習和強化學習方面的技術積累，以對大型先進智能制造行業的深度理解，聯想提出了一種實現離策略多智能體學習的新方法，其核心思想是通過將覆蓋不同樣本空間的局部策略聚合成求解完成決策問題的整體策略。該方法實現了不依賴重要性采樣的離策略學習，在提高了樣本利用率的情況下，有效降低了多智能體學習的維度負擔，提高了學習穩定性和收斂速度，且所需要的算力大幅降低。

在智能制造和供應鏈領域中，很多決策問題都是多階段的復雜大規模問題。在業界，通常此類問題在求解時需要進行簡化或解耦，損失了很大程度的決策最優性，甚至對于多平衡及強藕合類優化問題求解不會帶來本質上的改善。聯想提出的多智能體學習技術，目前適合于大規模復雜生產工藝路線的智能排產決策問題、物料-產能雙平衡的主計劃決策問題等。

同時，借助其獨特的離策略學習模式，在其它大型多階段序列決策問題上都具有相應的研究價值。

目前，在線優化的主流業務場景是用于求解未來信息未知，信息逐步到達的優化問題。由于在線優化算法在計算速度上存在優勢，聯想創新性地將在線優化用于加速求解大規模混合整數規劃問題。設計良好的在線優化算法，可以快速獲得高質量、有競爭比保證的近似解。通過這種方式，可以在保證理論競爭比的情況下，應對復雜的實際業務問題，快速求解近似分配方案。未來，該方案有望推廣到實時物料匹配方案，可助力于更加柔性的制造供應鏈優化。

聯想神經網絡求解器提供自適應學習優化的人工智能算法，融合前沿AI能力，可根據問題特征自適應進行參數優化和求解策略選取，實現求解效率提升。

聯想對因果推斷技術進行了深入研究，并將該技術應用于零售行業的定價決策場景中。通過引入因果建模，聯想不僅可以對產品的營銷策略進行優化，未來還將整合供應鏈的各個環節，如商品的采購、運輸、存儲等，構建一整套由數據驅動、因果建模和預測性分析，且動態迭代的一整套智慧解決方案。

基于豐富的業務數據源，聯想運用特征工程技術，構建了大量有效的特征數據，并充分考慮時間序列的周期性特點以及不同序列之間的相關性與差異性，極大地豐富了原始時間序列數據，加速了后續的學習過程。在此基礎上，聯想基于DeepAR的模型，通過合理假設概率分布形式，直接對分布參數進行擬合，提供時間序列的概率預測結果。

通過多層級需求協同預測技術，聯想可以有效利用不同層級間的信息，做到概率預測的一致性，且可以兼容不同的調解模式，并推廣到大規模層級序列預測中。

此外，聯想還創新性地運用最前沿的技術，推動供應鏈管理實現了“智能決策”，從而全面顛覆了供應鏈決策的工作流程與模式，構建了健壯智慧的供應鏈“大腦”。

聯想將上述創新性技術應用于自身的實踐中，取得了很好的效果。

在基于強化學習的多目標優化和排產模型的加持下，聯想的工廠不僅擁有了相比人工排程效率更高、指標更好的排產執行方案外，在近年來不斷變化的生產供需條件下，通過靈活配置多目標權重，使生產可以更加靈活地滿足當前需要，獲得了更加敏捷和柔性的生產決策能力。

神經網絡求解器，在聯想內部經過供應鏈分貨、排產等驗證，求解速度快、質量高、性能穩定。以聯想全球供應鏈為例，生產基地和廠房遍布全球，所需物料數量大、種類多，因此，當核心物料的供應無法滿足各個工廠各類產品的需求時，需要更加公平、高效的完成物料分配。以往的人工分配模式基于規則與經驗難以兼顧物料分配的公平性與高效性，決策難度極大且分配效果不佳。為了改善物料分配的效果，聯想通過使用人工智能求解建模，打造了智能物料分配方案。

該方案相比使用傳統運籌優化求解器效率提升30%，可以在更短時間生成最優解。使用多目標優先級順序優化算法結合人工智能求解器，在不降低前序目標的情況下進行優化，整體表現提升10%。

聯想供應鏈智能決策技術，真正實現了供應鏈決策的“數據驅動、科學精準、快速高效、自我演進”，推動供應鏈管理實現“智能決策”，大幅提高了“大腦”的運轉效率與智慧程度。

一起發現更好的聯想

ONE LENOVO