1 企业简介
1.1 开发企业简介
本项目的开发单位是中远网络物流信息科技有限公司。该公司是中远集团下属的IT旗舰公司,也是从事物流信息化的专业公司,具有独立法人地位。该公司自1997年进入物流信息化领域,不仅负责中远集团特别是中远物流的信息化服务,还广泛承接集团外的运输和物流企业以及大中型生产企业有关供应链和物流系统信息管理平台解决方案的咨询、设计和研发项目。我们已经为烟草、交通运输、电信、铁路港口、汽车制造、零售、电子电器、农资、物资等行业提供了大量优秀物流解决方案,并提供基于优化算法的优化解决方案。公司自成立至今,通过自身的努力,规模和经营业务范围不断扩大,技术研发水平不断提高,在2009年公司被国家发改委评为全国信息化试点单位。
公司具备并保持如下资质:
工信部认证的二级系统集成商资质;
国际认证的CMMI软件企业资质(三级);
国家认定的高新技术企业和软件企业;
通过并保持ISO9000认证;
国家发改委2009年发布的第一批全国信息化试点单位;
国家信息产业部认定的全国首批由行业信息化管理机构向信息化产业转型的40家试点单位之一;
国家信息产业部认定的行业信息技术应用推广服务机构示范企业;
国家发改委资助的中远集团物流新技术实验室(发改委2006年技术创新专项);
国家发改委批准的2006年信息产业化专项和技术创新专项的实施单位;
自2006年以来承接或共同承接国家科技部、发改委、工信部的十个国家级科技科研项目;
自2008年以来共同承接欧盟FP-7研究框架的两个国际合作科研项目;
2012获得中国交通运输协会的“2012中国最佳物流支持企业”奖。
1.2 应用企业简介
上海通用汽车有限公司,成立于1997年6月12日,由上海汽车集团股份有限公司、通用汽车公司共同出资组建而成。目前拥有浦东金桥、烟台东岳、沈阳北盛和武汉分公司四大生产基地,共4个整车生产厂、2个动力总成厂,是中国汽车工业的重要领军企业之一。坚持“以客户为中心、以市场为导向”的经营理念,上海通用汽车不断打造优质的产品和服务,目前已拥有别克、雪佛兰、凯迪拉克三大品牌,覆盖了从高端豪华车到经济型轿车各梯度市场,以及高性能豪华轿跑、MPV、SUV、混合动力和电动车等细分市场。
多年来,上海通用汽车不断创新超越,从1999年年销量2万辆,到2012年全年销售超过139万辆,成为中国成长最快的乘用车企业。上海通用汽车以前瞻的战略、厚积薄发的体系实力和创新超越的企业精神,正朝着“国内领先并具国际竞争力”的目标奋进。
2 项目背景及建设思路
2.1 项目背景
近年来,汽车制造行业面临产能过剩,客户需求产品多样化与个性化,原材料成本和劳动力成本上升,利润空间减小等诸多挑战,传统的管理手段和运行模式明显已经遇到了瓶颈。
智能制造的兴起,无疑为汽车制造业的转型发展带来了新的机遇。在互联网高速发展的当下,人们的思维模式发生颠覆性转变;同时各种新技术的发展与成熟应用,会推动商业智能走向一个新的高度,也使人工智能的实现成为可能。这些对汽车产业的影响已经从汽车产品向整个汽车工业延伸,全球很多汽车企业都在积极完成转型,上汽通用作为中国汽车行业领军者更不例外。
物流作为汽车制造中的核心一环也面临着诸多压力。传统模式下的物流效率提升已接近瓶颈,需要寻求突破;市场需求与产品供给需要更精准、更快速对接,对供应链及物流提出更高要求;劳动力成本上升、土地资源稀缺及价格不断提高等因素,导致物流成本大幅提高;新兴产业公司拥有得天独厚的互联网资源优势,汽车物流面临跨界竞争的威胁。在此背景下,汽车物流被越来越多地植入“智能”的诉求。
加上近年来,自动化设备、智能机器人、新控制技术的不断涌现,物联网、视觉识别、大数据分析、云计算、机器学习等先进技术的不断发展成熟,都给智能物流的发展提供了良好契机。
对于上汽通用而言,物流智能化转型是企业保持优势、持续前进的目标,同时也是支撑公司智能制造顺利推进的重要组成部分。另一方面,上汽通用作为汽车产业链的龙头,通过智能物流战略的推进,也将协同并带动汽车上下游产业链的共同发展。
为了进一步提升入厂物流管理能级,降低入厂物流运作成本,上汽通用汽车紧密协同安吉、通汇等第三方物流服务商,规划并部署了“入厂物流智能集成平台”项目,并于2016年实施了一期项目:主要围绕实现数据互联互通,通过建立企业级数据标准,全面贯通上汽通用、物流服务商、供应商数据,实现多方在同一平台的数据实时共享。2017年,由于上汽通用汽车与我司合作通过移动智能终端、智能算法等技术的引入与应用,使“入厂物流智能集成平台”二期项目取得突破。
2.2 项目建设思路
1、将路线优化业务模型转换为数学模型
业务场景构建:将业务基础信息及约束条件转换为数学参数及数学逻辑;
目标方程构建:结合业务需求构建求解最优解的目标方程。
2、通过智能算法对数学模型求解
第一步:调用算法(分支定界算法等)先找到若干符合条件的解;
第二步:选择最接近优化目标(成本最优)的解。
3 项目重点和难点
在上汽通用智能物流的推进过程中,许多新技术、新模式在部门、公司甚至行业内都是首次尝试,无成熟方案可供借鉴,面临诸多困难与挑战。针对这些技术难点,一方面,上汽通用在部门内部成立了相应的平台化组织,集成部门各类专家对技术难点进行集中攻关;另一方面,通过战略供应商协同、产学研合作等方式,借用各类外部资源的帮助来进行项目推进。
此外,受到企业资源和人力条件的限制,不可能所有物流系统和作业环节一起推进智能化,如何寻求技术与成本之间的平衡,找准突破口,也是智能物流建设过程中必须考虑的。上汽通用所追求的是精益的智能物流,用最低的成本来实现最优的解决方案,所有新技术新模式的应用都是为了最终能产生效益。因此,上汽通用在做好智能物流发展全局规划后,梳理整个业务流程中哪些业务有系统,找到最关键的环节先试先行。例如,入厂物流和出厂物流最复杂,所占物流成本也最多,即使取得哪怕1%的改善,都将带来可观的效益,所以成为智能物流建设的重点。
由于业务复杂,每日上海通用工厂的订单量大,供应商多,运输线路也就很复杂,所以入场物流智能集成平台路径优化难点很多,面临的挑战巨大:
1、市场波动频繁,需要高频次对运输路径进行优化调整,匹配实际需求;
2、随着供应商越来越多,对道口卸货能力和库存约束等各种限制条件越来越复杂;
3、几乎没有可能综合考虑与均衡所有制约因素。
4 项目简介
入场物流智能集成平台(3IP)二期路径优化项目,整合所有业务细节数据(包括供应商信息、零件订单信息、包装信息、运输车辆信息……),根据业务规则,进行高效分析计算,通过数字化建模方法,将各种复杂的限制条件(包括库存限制、窗口时间、车次均衡、提货间隔、车辆属性、车辆数量、车辆归属、车辆载荷……)转化为数学模型,使用先进的算法引擎ILOG快速综合分析计算,使零件需求与运输资源完美匹配,减少紧急拉动产生,或者资源的浪费,通过车载终端、移动通讯设备,推广应用全段绑定操作机制,采集全过程运作数据,实现订单跟踪、路径回放,并延伸出过程分析、运输预警、车辆排队等功能,入场物流智能集成平台还具备强大的如果-假设(what -if)多场景管理分析功能,通过交互式情景建模和精细化参数设置,轻松测试各种业务情境下,多业务变量发生变化时,对成本、装载率、有效运输里程等关键指标的影响,从而快速理解各种因素的变化,如何影响业务运作效能,做出优化改进。
4.1 业务现状
上海通用汽车金桥基地每日要向500多家供应商,发布3000多张零件订单,供应商运输达到1800多车次,每天入场货量超过70000立方米,且入场业务规则复杂(如下图1,2),入厂运输路径规划目前使用人工方法进行制定,所以只能基于较为简单的逻辑,手动求解,效率低,基于人工经验的构造规则,且简单约束,只能得到局部较优解,所得解与全局最优的差距无法衡量。
图1
图2
4.2 数字化方案
4.2.1 路线模板的设计
路线模板:通过一定的组合规则将零散分布的零部件供应商组合成线路,是入厂运输路径规划的核心产物,运输管理系统(TMS)基于路线模板进行运输调度,指导承运商的运作。
4.2.2 智能算法模式
将路线组合规则转化成数字化模型。
4.2.3 路线优化逻辑
1、将路线优化业务模型转换为数学模型
业务场景构建:将业务基础信息及约束条件转换为数学参数及数学逻辑
目标方程构建:结合业务需求构建求解最优解的目标方程
2、通过智能算法对数学模型求解
第一步:调用算法(分支定界算法等)先找到若干符合条件的解
第二步:选择最接近优化目标(成本最优)的解
4.2.4 系统架构
4.2.4.1 系统逻辑架构
4.2.4.2 优化模型架构
通过业务基础信息以及业务规则的收集整理,以及零件的需求预测,构建优化模型,并将收集到的数据转化为系统所需模式,通过优化引擎,采用智能算法,给出较优的路线模板供业务人员使用。
4.2.5 模型实现流程
4.2.6 系统界面展示
系统路线规划生成流程如下:
4.2.6.1 场景生成
约束,根据需求将约束条件在系统中进行维护。
场景,一组约束条件及其对应的参数集合。
参数,约束条件的参数设置,带有版本管理,可以为某一参数设定多个版本的参数。
复制,场景可以复制,新的场景继承原场景下所有约束条件的参数数据(包括版本)。
4.2.6.2 需求单生成
需求单的预处理:对于一般零件通过AllParts可以方便转化,比如一个产自供应商A的一般零件P001,需要运到ReceiveDock B,日平均需求量为100个编号为R002的料架,那么“运单”就是A->B, P001, 100 R002。
4.2.6.3 路线生成
通过模型算法以及优化引擎根据需求单生成路线节点信息。
4.2.6.4 生成卸货时间窗口
对于每一可行路线进行到道口时间安排
考虑多个分区“需求单”划分之间的库存约束
每个道口每一时间有最大处理能力,不能超过该限制
同一线路对于同一道口访问时间之间的间隔要尽量相等
但不同路线提货时间要错开,间隔>1h
4.2.6.5 生成道口计划模板
从两个维度获得路线模板
路线维度,展现路线、轮次、提卸节点的到达时间、操作时间、离开时间。
零件维度,展现零件到卸货道口的日频次、平均窗口间隔、最大窗口间隔及具体到达时间
5 效益分析
5.1 路线规划的手工与智能算法求解流程对比
1、当前手工模式
2、智能算法模式
5.2 智能算法下的优化结果
在智能算法模式下,路线选择、时间窗口设置、考虑与库存的耦合等分问题都可以在一个统一的决策模块下集中处理。
在最优算法的驱动下,智能算法可以在合理的时间内,寻找出满足实际计划模板构建过程中必须要考虑的所有约束的最优解。
系统自动化路线规划,全面解放人工规划的工作时长,将人工从路线规划完全手工制作进化到系统自动运算而人工只需对系统结果进行手工调整,节约大量时间。
5.3 公司效益
该基于移动互联、大数据、优化算法等先进技术的数字化智能项目,通过构建包含多种成本、效率要素和约束条件的路径优化模型,实现了需求与资源的高效匹配,驱动运输资源利用率大幅提升,实现运输综合成本大幅降低,全面推进了物流业务的提质增效,为构建互联互通、高效协同、智能决策与优化的物流及供应链体系奠定了坚实的基础,开启了上海通用汽车物流数字化智能化管理新纪元。
6 经验与体会
如今,市场需求变化越来越快,计划影响越来越大,市场竞争越来越激烈,运算数据越来越多,资源成本越来越高,决策范围越来越广,这样复杂多变的商业需求使优化技术更具有价值。而优化的商业价值,在于快速平衡企业中众多相互制约的条件和目标,为决策提供优选方案,实现降低运作成本,延迟资本支出,提高资产利用率,缩短交付时间,客户服务更精准,排程更具柔性,降低管理风险,减少企业库存,实现利润最大化。
最新案例