标签：南京联想电脑金牌代理，

联想南京总代理|联想商用台式机南京总代理|量大优惠，欢迎来电咨询 13404156561

供应链对一个企业有多重要？经济学家帕拉格·康纳称：“在21世纪，供应链是一种更深层次的组织力量，谁统治了供应链，谁就统治了世界。”

如果把企业的供应链比喻成人的身体，供应链各个执行环节就是人的四肢，传递信息流的数据通路就是人的神经，而供应链决策就是人的大脑。愚钝、迟缓的大脑不仅运转缓慢，而且极易做出错误的决定，直接导致供应链执行环节的“手忙脚乱”。运用智能决策技术，可以大幅提高“大脑”的运转效率与智慧程度，快速给出正确的决策指令，从而指挥手脚正确、协调地工作。

联想在经过多年的研发和实践中，创新性应用前沿技术，实现了供应链决策的“数据驱动、科学精准、快速高效、自我演进”，推动供应链管理实现“智能决策”，全面改善了供应链决策的工作流程与模式。

得益于此，近日，在由全球最大的华人运筹学优化理论社区之一“运筹OR帷幄”主办的“2022年度OR企业评选”（OR指operations research，即运筹学）中，联想凭借自研的高级计划与排程系统（APS, Advanced Planning and Scheduling）在制造业多个场景中的卓越表现，荣获“杰出贡献奖”。

新消费时代，市场需求多元化、波动性大、难以感知获取，人工难以准确把握规律，更难以对未来进行预测；市场竞争日益激烈，市场环境复杂且快速变化，充满了不确定性；用户对有货率及按期交付的要求越来越高，对供应链的响应速度提出更高要求；商品SKU数量众多、产品更新换代加速、销售渠道更加多元，业务复杂度快速增加导致难以精细化管理；供应链参与主体众多、网络结构复杂、影响因素多样，加大供应链管理难度；流行病、自然灾害等黑天鹅事件频繁发生且难以预测，影响难以评估，供应链中断的风险加剧；供应链管理质量难以维持较高水平、且运营成本居高不下；部分行业、部分产品的原材料供应短缺，需找到合理的物料分配方式、最大化利用资源；场景日益复杂，众多业务指标之间存在相互制约，针对不同业务场景、不同业务目标下的管理策略，难以全局统筹权衡并找到最优方案；人工管理耗费时间精力，且高度依赖业务人员的能力与经验，难以稳定、规模化提升管理能力与效率；全球制造业从大规模标准化迈向多品类小批次交付，模式的变革彻底颠覆了原料采购、生产、运转交付的传统逻辑，过去的经验不再能适应新的模式需求。

以上诸多挑战的出现和加剧，表面上看是供应链管理模式不优、效率不高、效果不理想，背后的本质是复杂环境下供应链决策难度的指数级提升。供应链中需求计划、生产计划、库存策略、调拨管理、仓储选址、运输配送等各个环节都需要科学的决策支撑。决策问题贯穿供应链管理的整个链条，是供应链管理的核心难点。

随着供应链重要性的日益突出与所面临挑战的日益加剧，传统的供应链决策模式已难以应对日益复杂的供应链管理需求，供应链决策问题已成为制约供应链健康、高效、可靠运转的关键瓶颈，进而制约了企业各环节的有效运行与业务的提升发展，如何决策成为供应链管理的主要难点。

伴随着物联网、大数据、云计算、人工智能等信息技术的发展，以智能化为特征的第四次工业革命席卷全球，制造业、零售业等各个行业也正经历着重大变革，同时要求供应链管理的工具、方法、模式也需要创新，以人工智能、物联网、数字孪生、知识图谱等为代表的数字技术正在供应链领域开展应用，加速了供应链的数字化、智能化转型，这其中最重要的是要打造以数据驱动的智能决策能力。

优秀的供应链决策能力是企业供应链健康运转的必要前提，而供应链决策技术的选择运用，对供应链的健康管理至关重要。

以数据挖掘分析、运筹优化为代表的供应链决策技术的出现与发展，在一定程度上提高了供应链的决策水平与效率，但随着供应链管理问题的复杂度不断增加，也逐渐显露出局限与不足，供应链决策技术亟需进一步发展。

随着市场环境的不断复杂与大数据时代的到来，供应链管理的难度大幅增加。暗藏在海量多维数据中的规律与特征变得更加隐蔽，多项资源与目标约束下的复杂问题优化求解变得更加困难，传统的数据分析与运筹优化技术不再能满足新时代供应链管理决策的需求，决策技术的演进也迫在眉睫，智能化决策正成为供应链决策技术未来发展的重要方向。

Gartner将决策智能列为2022年重要战略技术趋势之一，Gartner预测，在未来两年，三分之一的大型企业机构将使用决策智能实现结构化决策，进而提高竞争优势。

联想对智能决策有着自己的理解，相比传统的供应链决策方式，联想认为，智能决策应具备数据驱动、科学精准、快速敏捷、自我演进等特征。

近年来，供应链决策技术在发展进程中，正呈现技术之间融合应用的发展趋势，特别是机器学习与数据挖掘分析 、机器学习与运筹优化技术的结合，是智能决策技术的代表，正成为供应链决策技术智能化发展的重要方向。

机器学习与数据挖掘分析、运筹优化技术相结合，非常适合解决复杂商业环境下供应链的决策难题，充分实现“数据驱动、科学精准、快速高效、自我演进”，推动供应链管理实现“智能决策”，从而有机会全面颠覆供应链决策的工作流程与模式，构建健壮智慧的供应链“大脑”。

联想基于图注意力网络提出了Relational GAT（R- GAT）技术方案，设计出一套复杂图结构下的信息表示与传递方式。该方案通过基于图神经网络的特征传递以及对节点的重要性程度打分，实现了对不同替代料之间的优先筛选，相比于预先定义的替代料优先级，得到的组装方式更符合真实的生产环境与优化目标，性能更优。

联想在深刻认识和掌握机器学习和强化学习技术的条件下，寻找各种内部和外部的工业多目标优化场景的一般性规律，创造性地提出了一种基于强化学习方法的一般化多目标优化方法框架，不仅适用于高维度、时序性、连续或离散决策变量等各种优化任务，还可以在结构中加入强化学习中策略梯度、策略评价、深度计算等最前沿的先进方法，不断提升以泛化性、 正则性和鲁棒性为代表的高阶算法性能。

与一般优化求解方法不同，联想基于强化学习的混合整数规划问题的求解方法，求解时间与问题规模呈线性关系，对大规模离散制造排产任务的运行时间可控制在分钟级，且最优性远高于业界常用的启发式和搜索算法。在指标得到提升，充分解放人力成本的前提下，大幅降低从计划到制造的反应时间，确保敏捷响应和顺利投产。

凭借自身在机器学习和强化学习方面的技术积累，以对大型先进智能制造行业的深度理解，联想提出了一种实现离策略多智能体学习的新方法，其核心思想是通过将覆盖不同样本空间的局部策略聚合成求解完成决策问题的整体策略。该方法实现了不依赖重要性采样的离策略学习，在提高了样本利用率的情况下，有效降低了多智能体学习的维度负担，提高了学习稳定性和收敛速度，且所需要的算力大幅降低。

在智能制造和供应链领域中，很多决策问题都是多阶段的复杂大规模问题。在业界，通常此类问题在求解时需要进行简化或解耦，损失了很大程度的决策最优性，甚至对于多平衡及强藕合类优化问题求解不会带来本质上的改善。联想提出的多智能体学习技术，目前适合于大规模复杂生产工艺路线的智能排产决策问题、物料-产能双平衡的主计划决策问题等。

同时，借助其独特的离策略学习模式，在其它大型多阶段序列决策问题上都具有相应的研究价值。

目前，在线优化的主流业务场景是用于求解未来信息未知，信息逐步到达的优化问题。由于在线优化算法在计算速度上存在优势，联想创新性地将在线优化用于加速求解大规模混合整数规划问题。设计良好的在线优化算法，可以快速获得高质量、有竞争比保证的近似解。通过这种方式，可以在保证理论竞争比的情况下，应对复杂的实际业务问题，快速求解近似分配方案。未来，该方案有望推广到实时物料匹配方案，可助力于更加柔性的制造供应链优化。

联想神经网络求解器提供自适应学习优化的人工智能算法，融合前沿AI能力，可根据问题特征自适应进行参数优化和求解策略选取，实现求解效率提升。

联想对因果推断技术进行了深入研究，并将该技术应用于零售行业的定价决策场景中。通过引入因果建模，联想不仅可以对产品的营销策略进行优化，未来还将整合供应链的各个环节，如商品的采购、运输、存储等，构建一整套由数据驱动、因果建模和预测性分析，且动态迭代的一整套智慧解决方案。

基于丰富的业务数据源，联想运用特征工程技术，构建了大量有效的特征数据，并充分考虑时间序列的周期性特点以及不同序列之间的相关性与差异性，极大地丰富了原始时间序列数据，加速了后续的学习过程。在此基础上，联想基于DeepAR的模型，通过合理假设概率分布形式，直接对分布参数进行拟合，提供时间序列的概率预测结果。

通过多层级需求协同预测技术，联想可以有效利用不同层级间的信息，做到概率预测的一致性，且可以兼容不同的调解模式，并推广到大规模层级序列预测中。

此外，联想还创新性地运用最前沿的技术，推动供应链管理实现了“智能决策”，从而全面颠覆了供应链决策的工作流程与模式，构建了健壮智慧的供应链“大脑”。

联想将上述创新性技术应用于自身的实践中，取得了很好的效果。

在基于强化学习的多目标优化和排产模型的加持下，联想的工厂不仅拥有了相比人工排程效率更高、指标更好的排产执行方案外，在近年来不断变化的生产供需条件下，通过灵活配置多目标权重，使生产可以更加灵活地满足当前需要，获得了更加敏捷和柔性的生产决策能力。

神经网络求解器，在联想内部经过供应链分货、排产等验证，求解速度快、质量高、性能稳定。以联想全球供应链为例，生产基地和厂房遍布全球，所需物料数量大、种类多，因此，当核心物料的供应无法满足各个工厂各类产品的需求时，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规则与经验难以兼顾物料分配的公平性与高效性，决策难度极大且分配效果不佳。为了改善物料分配的效果，联想通过使用人工智能求解建模，打造了智能物料分配方案。

该方案相比使用传统运筹优化求解器效率提升30%，可以在更短时间生成最优解。使用多目标优先级顺序优化算法结合人工智能求解器，在不降低前序目标的情况下进行优化，整体表现提升10%。

联想供应链智能决策技术，真正实现了供应链决策的“数据驱动、科学精准、快速高效、自我演进”，推动供应链管理实现“智能决策”，大幅提高了“大脑”的运转效率与智慧程度。

一起发现更好的联想

ONE LENOVO