百度360必应搜狗淘宝本站头条
当前位置:网站首页 > IT知识 > 正文

订单计划、智能排产,实现制造工厂高效运营丨创新场景

liuian 2024-12-10 18:03 17 浏览

图片系AI生成

痛点

联宝科技年订单数超过60万笔,成品物料号超过20万,平均每天可智能处理5000笔订单、峰值时高达8000笔订单,其中80%以上是单笔小于5台的个性化定制产品。换言之,每天早上如何在联宝科技的4个车间、43条装配线上安排不同配置的生产计划,是工厂高效运营工作最大的挑战。

与此同时,在接收到客户订单之后,需要在48h内回复订单的计划交期。订单量大,回复速度要求高,如何降本增效成为痛点。

供应链方面则是面临着两方压力:一方面要对客户订单做到快速响应,另一方面因为信息不互通导致供应商物料库存不齐套并持续增长,呆滞风险增高。

解决方案及成效

IPS订单计划系统,提升OTS 40%

IPS订单计划系统以SAP基础数据为基础输入参数,搭建ABAP&JAVA两套引擎,进行数据mapping、订单优先级排序、物料分配、齐套运算、订单交期运算等,生成MR report (齐套可生产报告)/ PSD report(承诺可交付报告) / Shortage report(物料短缺及节奏报告),并将报表输出给SAP 、APS和Supply cloud系统,实现系统间协同,确保订单计划精准达成。

通过IPS系统,实现从EDI接单到主计划运算结果发布的全自动化。IPS系统会综合考虑需求、供应、产能、主数据等,通过集成计划引擎,进行订单优先级的排序,物料和产能的分配,最终自动计算出这些订单的主计划结果,也就是齐套、缺料和订单的预计出货日期,同时也提供模拟仿真功能。

IPS系统让联宝科技的核心客户满意度指标OTS(order to shipment),FPSD(first promised ship date),ATB(available to build)等均得到极大的提升,其中OTS提升了40%,FPSD的首次承诺出货日期准确性也提高了17%,变动减少率也提升了12%,ATB提升了21%。另外,系统承载的订单量也从过去的4.5万笔提升到了18万笔,运算频次也从过去的2次提升到3次每天,运算时间更是从4小时降低到90分钟以内。

智能排产系统排产耗时缩短97%

原先,客户的订单信息,物料的齐套等信息都是分散在不同的系统形成数据孤岛,且排产要考虑数十种制约因素全部依赖于人工经验,准确度低、效率低、弹性差,断层的运营数据流势必导致不能灵活的应对客户订单处理、难以落实最紧急的生产。

LAPS智能排产系统通过IPS的齐套料计算结果作为输入,通过Box和SMT的两道工序进行分开排程,在排产的过程中纳入各种排产约束因子的限制后,开启LAPS计算引擎,联宝科技和联想集团研究院的AI技术专家,强强联合,基于运筹学,深度学习和强化学习技术,开发出了AI智能排产算法作为解决方案,最终将排产的结果返回到SAP进行Call off齐套料的二次计算输出到MES和HIC(物流供应商)的WMS系统,进行系统间的数据协同。

在应用了智能供应链智能排产系统后,联宝科技每天的PC产量增加了23%,积压订单数量减少了20%,交期满足量也提升了20%,排产耗时缩短了97%,从过去的单次6小时缩短至1.5分钟。

同时,通过提高生产效率、减少生产线闲置等方式,每年节省超过2696兆瓦时的电力,相当于200多吨标准煤,可减少2000多吨二氧化碳的排放,相当于每年种11万棵树。

联合排产,让库存周转率提升1.9倍

联合排产以网络为基础、平台为中枢、数据为要素、安全为保障,由联宝科技统一指挥,通盘考虑供应商端的人、机、料、法、环等多种因子,根据订单优先级,成本优势,结合供应商产能利用率等,给供应商的智能设备搭载了神经网络,输出最优排产,实现生产流程与物料储备计划的可控可管,使整体的生产运营更加精益。

同时,通过超强的联动性,打破生产计划和排产上的信息壁垒,让联宝科技和供应商不再是单一的信息孤岛,做到了资源整合和生态协同,落地精细化与精准化管理,降本增效,赋能联宝科技智能化生产。

通过联合排产实现需求与供应的最佳匹配,生产即所需,极大提升供应链的运营效率,确保订单的及时交付,最大化产业链上下游的综合资源利用效率。

具体数据上,产线换线率提升 50%,库存周转率提升 1.9 倍,物料齐套率提升 30%,交付达成率提升 20%,能耗降低 8% 以上。目前联合排产每年可为供应商节省电力 916 兆瓦时,减碳 6734 吨。

「关于创新场景50」

场景不是案例,它更加精准、也更加抽象。数字化就是创新场景的不断叠加和迭代。

在此背景下,钛媒体重磅推出「创新场景50」评选,每年遴选并解读50个全行业与业务深度融合的创新性场景及其解决方案,并在钛媒体年度ITValue Summit 数字价值年会上隆重颁奖、深度交流。

目前场景正在征集中,更精准的解读、更广泛的曝光、更强大的品牌势能,欢迎你提出问题,更欢迎你留下解决的方法和工具。

场景描述

解决方案

成效

相关推荐

GANs为何引爆机器学习?这篇基于TensorFlow的实例教程为你解惑!

「机器人圈导览」:生成对抗网络无疑是机器学习领域近三年来最火爆的研究领域,相关论文层出不求,各种领域的应用层出不穷。那么,GAN到底如何实践?本文编译自Medium,该文作者以一朵玫瑰花为例,详细阐...

高丽大学等机构联合发布StarGAN:可自定义表情和面部特征

原文来源:arXiv、GitHub作者:YunjeyChoi、MinjeChoi、MunyoungKim、Jung-WooHa、SungKim、JaegulChoo「雷克世界」编译:嗯~...

TensorFlow和PyTorch相继发布最新版,有何变化

原文来源:GitHub「机器人圈」编译:嗯~阿童木呀、多啦A亮Tensorflow主要特征和改进在Tensorflow库中添加封装评估量。所添加的评估量列表如下:1.深度神经网络分类器(DNNCl...

「2022 年」崔庆才 Python3 爬虫教程 - 深度学习识别滑动验证码缺口

上一节我们使用OpenCV识别了图形验证码躯壳欧。这时候就有朋友可能会说了,现在深度学习不是对图像识别很准吗?那深度学习可以用在识别滑动验证码缺口位置吗?当然也是可以的,本节我们就来了解下使用深度...

20K star!搞定 LLM 微调的开源利器

LLM(大语言模型)微调一直都是老大难问题,不仅因为微调需要大量的计算资源,而且微调的方法也很多,要去尝试每种方法的效果,需要安装大量的第三方库和依赖,甚至要接入一些框架,可能在还没开始微调就已经因为...

大模型DeepSeek本地部署后如何进行自定义调整?

1.理解模型架构a)查看深度求索官方文档或提供的源代码文件,了解模型的结构、输入输出格式以及支持的功能。模型是否为预训练权重?如果是,可以在预训练的基础上进行微调(Fine-tuning)。是否需要...

因配置不当,约5000个AI模型与数据集在公网暴露

除了可访问机器学习模型外,暴露的数据还可能包括训练数据集、超参数,甚至是用于构建模型的原始数据。前情回顾·人工智能安全动态向ChatGPT植入恶意“长期记忆”,持续窃取用户输入数据多模态大语言模型的致...

基于pytorch的深度学习人员重识别

基于pytorch的深度学习人员重识别Torchreid是一个库。基于pytorch的深度学习人员重识别。特点:支持多GPU训练支持图像的人员重识别与视频的人员重识别端到端的训练与评估简单的re...

DeepSeek本地部署:轻松训练你的AI模型

引言:为什么选择本地部署?在AI技术飞速发展的今天,越来越多的企业和个人希望将AI技术应用于实际场景中。然而,对于一些对数据隐私和计算资源有特殊需求的用户来说,云端部署可能并不是最佳选择。此时,本地部...

谷歌今天又开源了,这次是Sketch-RNN

前不久,谷歌公布了一项最新技术,可以教机器画画。今天,谷歌开源了代码。在我们研究其代码之前,首先先按要求设置Magenta环境。(https://github.com/tensorflow/magen...

Tensorflow 使用预训练模型训练的完整流程

前面已经介绍了深度学习框架Tensorflow的图像的标注和训练数据的准备工作,本文介绍一下使用预训练模型完成训练并导出训练的模型。1.选择预训练模型1.1下载预训练模型首先需要在Tensorf...

30天大模型调优学习计划(30分钟训练大模型)

30天大模型调优学习计划,结合Unsloth和Lora进行大模型微调,掌握大模型基础知识和调优方法,熟练应用。第1周:基础入门目标:了解大模型基础并熟悉Unsloth等工具的基本使用。Day1:大模...

python爬取喜马拉雅音频,json参数解析

一.抓包分析json,获取加密方式1.抓包获取音频界面f12打开抓包工具,播放一个(非vip)视频,点击“媒体”单击打开可以复制URL,发现就是我们要的音频。复制“CKwRIJEEXn-cABa0Tg...

五、JSONPath使用(Python)(json数据python)

1.安装方法pipinstalljsonpath2.jsonpath与Xpath下面表格是jsonpath语法与Xpath的完整概述和比较。Xpathjsonpath概述/$根节点.@当前节点...

Python网络爬虫的时候json=就是让你少写个json.dumps()

大家好,我是皮皮。一、前言前几天在Python白银交流群【空翼】问了一个Python网络爬虫的问题,提问截图如下:登录请求地址是这个:二、实现过程这里【甯同学】给了一个提示,如下所示:估计很多小伙伴和...