智能制造行业运营模式订单计划，智能排产，实现制造工厂高效运营丨创新场景|智能制造|上海羊羽卓进出口贸易有限公司

订单计划、智能排产，实现制造工厂高效运营丨创新场景

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

PPT分享：数字化工厂-智能制造解决方案

一、项目背景与目标

背景分析简述当前制造业面临的挑战，如生产效率低、成本上升、市场需求快速变化等。阐述数字化工厂和智能制造的重要性和紧迫性，如提升生产效率、降低成本、增强市场竞争力等。项目目标明确数字化工厂建设的主要目标，如提高生产效率XX%、降低运营成本XX%、提升产品质量XX%等。强调通过智能制造解决方案实现生产过程的数字化、自动化和智能化。

二、现状分析

企业现状描述企业当前的生产流程、管理模式、信息系统及存在的主要问题。分析企业在生产效率、成本控制、质量管理等方面的不足。市场需求分析市场对产品个性化、快速响应、高质量等方面的需求变化。强调通过智能制造解决方案满足市场需求的重要性。

三、解决方案概述

应用架构规划用户界面层：设计简洁直观的用户界面，针对不同角色（如生产经理、操作员、维护人员）提供个性化的功能视图和操作流程。例如，生产经理可以查看整体生产进度和关键指标，而操作员则可以专注于设备控制和实时监控。业务逻辑层：实现生产计划排程、质量控制、设备维护管理等核心业务逻辑，通过算法和规则引擎优化生产流程，减少人工干预，提高生产效率。服务层：提供RESTful API接口，实现与ERP、CRM等外部系统的无缝集成，促进数据流通和信息共享。例如，可以通过API将生产数据实时同步到ERP系统中，实现财务和业务的一体化。数据访问层：采用分布式数据库和缓存技术，确保数据的高可用性和一致性。同时，设计合理的数据访问接口，方便上层应用进行数据查询和操作。数据架构规划主数据统一规划与部署：主数据，尤其是物料主数据的统一规划与部署是关键。需要建立统一的数据标准和规范，确保物料信息的准确性和一致性。通过数据清洗和整合，消除数据冗余和错误，实现物料主数据的统一管理。数据采集：通过工业物联网（IIoT）技术，实时采集生产设备、传感器、执行器等的数据，包括设备状态、生产进度、质量指标等。采用MQTT等轻量级协议，确保数据的实时性和准确性。数据处理：利用流处理技术对数据进行实时清洗、转换和聚合，提供实时的数据分析和监控。例如，可以对生产数据进行实时统计和分析，生成生产报表和预警信息。数据存储：根据数据类型和访问需求，选择合适的存储方案，如关系型数据库存储结构化数据，非关系型数据库存储半结构化数据，数据仓库用于大数据分析和挖掘。数据分析与可视化：利用大数据分析和机器学习技术，对数据进行深入挖掘和模式识别，提供可视化的数据报告和预警机制。例如，可以通过数据分析发现生产过程中的瓶颈环节，提出优化建议。技术架构规划前端技术：采用React或Vue等现代前端框架，构建响应式用户界面，提供良好的用户体验。同时，利用Webpack等打包工具优化前端性能。后端技术：使用Spring Boot或Django等后端框架，实现业务逻辑和服务层。采用微服务架构，提高系统的可扩展性和可维护性。数据库技术：根据数据特性和需求，选择MySQL、MongoDB等合适的数据库技术。采用分库分表、读写分离等策略提高数据库性能。云计算与边缘计算：利用AWS、Azure等云服务平台，实现资源的弹性扩展和高效利用。同时，结合边缘计算技术，对实时数据进行预处理和缓存，减轻云端负担。安全与合规：实施数据加密、访问控制、审计日志等安全措施，确保系统的安全性和合规性。例如，采用HTTPS协议进行数据传输加密，使用OAuth2.0进行身份认证和授权。

四、项目规划

需求分析与设计阶段与各业务部门进行深入沟通，明确数字化工厂建设的具体需求和目标。例如，了解生产部门对生产效率、质量控制等方面的需求，以及物料管理部门对物料主数据统一规划与部署的需求。制定详细的设计文档，包括系统架构图、数据流图、接口设计等。确保设计方案的可行性和可扩展性，特别关注物料主数据的统一规划与部署方案。开发与测试阶段按照设计文档进行系统的开发与实现。采用敏捷开发方法，迭代开发并交付功能模块。特别关注物料主数据管理的开发，确保数据标准和规范的实施。进行单元测试、集成测试和系统测试，确保系统的稳定性和可靠性。例如，对关键功能进行压力测试，确保在高并发场景下系统的正常运行。同时，对物料主数据进行全面的测试，确保数据的准确性和一致性。部署与上线阶段在生产环境中部署系统，进行性能测试和调优。确保系统在生产环境中的稳定性和性能表现。正式上线系统，并提供用户培训和支持。编写用户手册和操作指南，帮助用户快速上手并使用系统。特别关注物料管理部门的使用培训，确保他们能够熟练使用物料主数据管理功能。维护与优化阶段定期对系统进行维护和更新，确保系统的持续运行和安全性。例如，定期更新系统补丁和升级数据库版本。同时，对物料主数据进行定期的维护和更新，确保数据的时效性和准确性。根据用户反馈和业务需求，对系统进行优化和升级。例如，根据用户反馈添加新的功能模块或优化现有功能的操作流程。特别关注物料管理部门的需求和反馈，不断优化物料主数据管理功能。

五、实现目标

生产效率提升：通过自动化和智能化手段，如生产排程优化、设备自动化控制等，提高生产线的运行效率至少20%，降低人工干预成本。质量控制优化：实现生产过程的实时监控和数据分析，及时发现并解决质量问题，将产品合格率提升至99%以上。供应链协同加强：通过数字化手段实现供应链上下游企业的信息共享和协同工作，将供应链响应速度提升50%，降低库存周转率。决策支持智能化：利用大数据分析和机器学习技术，为管理层提供准确的决策支持信息，如市场预测、生产优化建议等，助力企业战略规划。物料主数据统一管理与部署：实现物料主数据的统一规划与部署，确保物料信息的准确性和一致性，提高物料管理效率，降低因数据错误或冗余导致的成本浪费。

六、成果评估

生产效率评估：通过对比实施前后的生产数据（如生产周期、设备利用率等），评估生产效率的提升幅度是否达到预期目标。质量控制评估：分析实施后的产品合格率、客户投诉率等指标的变化情况，评估质量控制效果是否显著。供应链协同评估：通过对比实施前后的供应链响应速度、库存周转率等指标的变化情况，评估供应链协同的改善情况。投资回报率评估：计算项目的总投资和预期收益（如生产效率提升带来的成本节约、质量控制优化带来的收益等），评估项目的投资回报率是否合理。用户满意度调查：通过用户反馈和满意度调查表收集用户对系统的评价和建议，评估系统的易用性和用户接受度是否达到预期目标。特别关注物料管理部门对物料主数据管理功能的满意度。物料主数据统一管理与部署成果评估：通过对比实施前后的物料管理效率、数据错误率、数据冗余度等指标，评估物料主数据统一管理与部署的成果是否显著。

七、风险评估与应对措施

风险评估分析项目实施过程中可能遇到的风险，如主数据治理难度、技术难度、资金压力、人员配合等。应对措施针对每项风险制定具体的应对措施，确保项目顺利实施。

八、总结与展望

通过本数字化工厂智能制造解决方案的实施，企业有望实现生产效率的显著提升、质量控制的优化、供应链协同的加强以及决策支持的智能化。同时，通过物料主数据的统一规划与部署，将进一步提高物料管理效率，实现研产供销数据标准化与一致性，提高协同效率和核算准确率，降低因数据问题导致的成本浪费。这将为企业带来显著的经济效益和市场竞争力提升。展望未来，随着技术的不断发展和市场需求的变化，本解决方案将持续优化和升级，以适应企业未来的发展需求。

以下PPT分享：

上海羊羽卓进出口贸易有限公司

智能制造

智能制造行业运营模式订单计划，智能排产，实现制造工厂高效运营丨创新场景

订单计划、智能排产，实现制造工厂高效运营丨创新场景

痛点