由于決策優(yōu)化通常是在有限資源和滿足業(yè)務(wù)規(guī)則條件下進(jìn)行全面而綜合（多個(gè)業(yè)務(wù)目標(biāo)平衡）考慮，計(jì)算出給定場(chǎng)景下的更佳甚至最佳方案，是一項(xiàng)復(fù)雜的系統(tǒng)工程，而機(jī)器學(xué)習(xí)與運(yùn)籌優(yōu)化的深度融合，則成為了企業(yè)經(jīng)營(yíng)決策從經(jīng)驗(yàn)和流程驅(qū)動(dòng)轉(zhuǎn)向數(shù)據(jù)驅(qū)動(dòng)、自動(dòng)化決策的關(guān)鍵。在日前舉辦的媒體溝通會(huì)上，愛分析合伙人&首席分析師黃勇和杉數(shù)科技工業(yè)與智能制造副總裁黃翔剖析了智能決策在推進(jìn)智能制造過程中扮演的角色、智能決策落地的關(guān)鍵技術(shù)以及杉數(shù)科技如何通過自主創(chuàng)新求解器對(duì)運(yùn)籌優(yōu)化模型進(jìn)行算法優(yōu)化和求解，為企業(yè)高效精準(zhǔn)的實(shí)施智能決策，以全局思維推進(jìn)數(shù)字化轉(zhuǎn)型落地提供了參考與借鑒。

 

　　以智能決策應(yīng)對(duì)不確定性

 

　　當(dāng)前百年變局與世紀(jì)疫情交織疊加，越來越多的制造企業(yè)逐漸意識(shí)到產(chǎn)業(yè)升級(jí)帶來的智能制造已經(jīng)深入各個(gè)行業(yè)，率先實(shí)踐數(shù)字化轉(zhuǎn)型的行業(yè)先行者與跟隨者之間的差距已日益顯現(xiàn)，許多企業(yè)對(duì)數(shù)字化技術(shù)投資已經(jīng)突破“單點(diǎn)應(yīng)用”，開始轉(zhuǎn)化為運(yùn)營(yíng)指標(biāo)的提升及財(cái)務(wù)回報(bào)，朝著規(guī)?；瘡?fù)制和向價(jià)值鏈各個(gè)環(huán)節(jié)延伸。在此過程中，持續(xù)籠罩的疫情陰影則將企業(yè)的供應(yīng)鏈管理與抗風(fēng)險(xiǎn)能力提到了新的高度。例如上海地區(qū)作為首批重點(diǎn)單位開始復(fù)工復(fù)產(chǎn)壓力測(cè)試汽車制造企業(yè)，就面臨上游供應(yīng)鏈斷裂、采購(gòu)成本上升、員工地域受限、交通物流受阻等一系列問題。

 

　　面對(duì)不確定的疫情散發(fā)風(fēng)險(xiǎn)和確定的數(shù)字經(jīng)濟(jì)浪潮，制造企業(yè)需要重新審視自身供應(yīng)鏈，需要從銷售預(yù)測(cè)上考慮突發(fā)事件對(duì)訂單量的影響；從生產(chǎn)計(jì)劃層面考慮對(duì)工廠產(chǎn)能的影響；從原材料供應(yīng)方面解決突發(fā)事件對(duì)斷供的影響；從物流層面思考如何應(yīng)對(duì)突發(fā)事件對(duì)于原材料、半成品，成品的物流運(yùn)輸環(huán)節(jié)不及時(shí)、不通暢的影響。

 

　　這就要求企業(yè)通過端到端的數(shù)據(jù)深度集成與建模分析，愛分析合伙人&首席分析師黃勇介紹智能決策面向的產(chǎn)業(yè)鏈?zhǔn)窃诖蛲ㄉ舷掠纹髽I(yè)信息流的基礎(chǔ)上，實(shí)現(xiàn)將產(chǎn)業(yè)鏈上企業(yè)整體進(jìn)行各種資源同一調(diào)配，形成更加深度與高效的協(xié)作關(guān)系。在工業(yè)互聯(lián)網(wǎng)和智能制造引領(lǐng)的數(shù)字浪潮下，企業(yè)通過實(shí)現(xiàn)核心環(huán)節(jié)智能優(yōu)化與決策，可以由自下而上的信息流與自上而下的決策流共同構(gòu)成了應(yīng)用優(yōu)化閉環(huán)。例如從生產(chǎn)類型劃分，整車制造屬于典型的離散制造業(yè)，上游擁有數(shù)萬零部件，對(duì)應(yīng)多層級(jí)供應(yīng)鏈體系。因此，供應(yīng)鏈的高度復(fù)雜決定了對(duì)整車的訂單、生成、物料進(jìn)行統(tǒng)籌規(guī)劃的難度。

　　圖 整車廠供應(yīng)鏈管理圖譜（來源：愛分析）

 

　　在黃勇看來，通過將實(shí)際問題中的決策標(biāo)的、約束、偏好以及目標(biāo)轉(zhuǎn)化為數(shù)學(xué)模型，是將決策問題與智能化手段和方法進(jìn)行銜接的關(guān)鍵環(huán)節(jié)。在已經(jīng)建？好的模型基礎(chǔ)上輸入數(shù)據(jù)，利用機(jī)器學(xué)習(xí)、運(yùn)籌優(yōu)化等技術(shù)，對(duì)模型進(jìn)行高效求解。傳統(tǒng)的業(yè)務(wù)決策依賴于業(yè)務(wù)規(guī)則和專家經(jīng)驗(yàn)，從傳統(tǒng)決策到智能決策經(jīng)歷了長(zhǎng)期的發(fā)展過程。

　　圖 智能決策流程示意圖

 

　　實(shí)際上，自從2018年開啟人工智能“元年”，許多領(lǐng)先的制造企業(yè)就開始考慮人工智能對(duì)自身戰(zhàn)略的潛在影響并研究如何將這項(xiàng)技術(shù)用于解決業(yè)務(wù)問題。隨著數(shù)據(jù)科學(xué)和人工智能技術(shù)的發(fā)展，系統(tǒng)基于“數(shù)據(jù)+算法” 可以在決策中實(shí)現(xiàn)越來越重要的價(jià)值。如今，企業(yè)端訴求、技術(shù)變革與基礎(chǔ)設(shè)施完善共同推動(dòng)智能決策時(shí)代到來。根據(jù)Gartner的預(yù)測(cè)，到2023年，超過33%的大型機(jī)構(gòu)將采用智能決策的實(shí)踐。

 

　　“頭腦風(fēng)暴”背后的自主創(chuàng)新之路

 

　　《“十四五”規(guī)劃和2035年遠(yuǎn)景目標(biāo)綱要》提出，要“充分發(fā)揮海量數(shù)據(jù)和豐富應(yīng)用場(chǎng)景優(yōu)勢(shì)，促進(jìn)數(shù)字技術(shù)和實(shí)體經(jīng)濟(jì)深度融合，賦能傳統(tǒng)產(chǎn)業(yè)轉(zhuǎn)型升級(jí)，催生新產(chǎn)業(yè)新業(yè)態(tài)新模式，不斷做強(qiáng)做優(yōu)做大我國(guó)數(shù)字經(jīng)濟(jì)。”對(duì)于企業(yè)而言，在應(yīng)用智能決策的過程中，離不開方法指引，也離不開場(chǎng)景選擇、業(yè)務(wù)邏輯的深入理解，更離不開機(jī)器學(xué)習(xí)和運(yùn)籌學(xué)技術(shù)的深度融合。

 

　　在杉數(shù)科技工業(yè)與智能制造副總裁黃翔看來，運(yùn)籌學(xué)和機(jī)器學(xué)習(xí)的關(guān)系相對(duì)而言比較抽象。在企業(yè)實(shí)際運(yùn)行中，機(jī)器學(xué)習(xí)技術(shù)主要是通過強(qiáng)化學(xué)習(xí)、深度學(xué)習(xí)等算法實(shí)現(xiàn)預(yù)測(cè)，通常需要大量數(shù)據(jù)來驅(qū)動(dòng)模型以實(shí)現(xiàn)較好的效果，它往往適用于描述預(yù)測(cè)類場(chǎng)景，如銷量預(yù)測(cè)等；而運(yùn)籌優(yōu)化技術(shù)則是基于對(duì)現(xiàn)實(shí)問題進(jìn)行準(zhǔn)確描述刻畫來建模，通過運(yùn)籌優(yōu)算法在一定約束條件下求目標(biāo)函數(shù)最優(yōu)解，對(duì)數(shù)據(jù)量的依賴性弱，結(jié)果的可解釋性強(qiáng)，它往往適用于規(guī)劃、調(diào)度、協(xié)同類問題，如人員排班、補(bǔ)配貨等場(chǎng)景。

 

　　例如服裝行業(yè)或者快銷品行業(yè)都會(huì)面臨補(bǔ)貨的場(chǎng)景，為了保持庫(kù)存平衡，則首先需要應(yīng)用人工智能技術(shù)對(duì)市場(chǎng)銷售有一定的預(yù)測(cè)，再利用運(yùn)籌優(yōu)化等多級(jí)庫(kù)存的模型去進(jìn)行更好的補(bǔ)貨策略的制定?？梢钥闯觯瑱C(jī)器學(xué)習(xí)主要是在數(shù)據(jù)側(cè)對(duì)起因及結(jié)果的記錄乃至預(yù)測(cè)，而運(yùn)籌優(yōu)化主要在邏輯側(cè)對(duì)問題進(jìn)行理解及分析進(jìn)而建模，兩者都是現(xiàn)實(shí)工業(yè)生產(chǎn)中解決問題的重要構(gòu)成要件，但也各自均存在不同程度的局限性，因此推動(dòng)這兩大支撐技術(shù)的有效和深度融合，則能夠“取長(zhǎng)補(bǔ)短”，更好地服務(wù)于智能決策速度和質(zhì)量的提升。

 

　　猶如生物進(jìn)化，智能決策在機(jī)器學(xué)習(xí)和運(yùn)籌學(xué)技術(shù)不斷發(fā)展和應(yīng)用持續(xù)深化的進(jìn)程中，自身也逐漸進(jìn)化，而且這種進(jìn)化衍生的速度遠(yuǎn)高于企業(yè)發(fā)展歷程。實(shí)現(xiàn)智能決策的開發(fā)與部署，需要通過求解器對(duì)運(yùn)籌優(yōu)化模型進(jìn)行算法優(yōu)化和求解，機(jī)器學(xué)習(xí)引擎對(duì)機(jī)器學(xué)習(xí)相關(guān)算法的敏捷開發(fā)。尤其是在求解器領(lǐng)域，作為支撐我國(guó)工業(yè)智能決策發(fā)展的關(guān)鍵核心技術(shù)，國(guó)外IBM等廠商一直處于先發(fā)和領(lǐng)先地位， 黃翔介紹目前全球比較成熟的求解器公司包括IBM旗下的Cplex、FICO旗下的Xpress以及獨(dú)立公司Gurobi。這三家公司構(gòu)筑起了極高的市場(chǎng)競(jìng)爭(zhēng)門檻，也形成了深不可測(cè)的“技術(shù)鴻溝”。

 

　　正是看到求解器在推進(jìn)智能制造，發(fā)揮智能決策中的關(guān)鍵作用，同時(shí)也為了盡快填補(bǔ)國(guó)內(nèi)自主知識(shí)產(chǎn)權(quán)求解器領(lǐng)域的“空白”。2017年10月，杉數(shù)科技與上海財(cái)經(jīng)大學(xué)共同發(fā)布國(guó)內(nèi)首個(gè)開源求解器，拉開了中國(guó)在求解器領(lǐng)域的高速發(fā)展步伐。在2019年5月，杉數(shù)科技發(fā)布國(guó)內(nèi)首個(gè)達(dá)到世界一流水準(zhǔn)的線性規(guī)劃求解器COPT。

 

　　從技術(shù)能力方面，黃翔表示杉數(shù)科技目前的優(yōu)化求解器已經(jīng)覆蓋了線性規(guī)劃、整數(shù)規(guī)劃、二階錐規(guī)劃、凸二次規(guī)劃以及凸二次約束規(guī)劃等，從技術(shù)領(lǐng)先性和應(yīng)用場(chǎng)景豐富度上與國(guó)際品牌保持一致。但他同時(shí)指出，求解器能力的發(fā)揮還需要與場(chǎng)景匹配，面對(duì)國(guó)內(nèi)工業(yè)領(lǐng)域從工業(yè)1.0到工業(yè)4.0的跨度和千行百業(yè)不同know-how下的獨(dú)特需求，杉數(shù)科技深入理解企業(yè)應(yīng)用場(chǎng)景中的痛點(diǎn)，將求解器與企業(yè)應(yīng)用進(jìn)行深度匹配，這也是杉數(shù)科技相較于國(guó)外廠商更有優(yōu)勢(shì)的重要原因之一。

 

　　以杉數(shù)科技最初發(fā)布的線性規(guī)劃場(chǎng)景為例，這是求解器的入門場(chǎng)景，從求解能力上杉數(shù)科技和Cplex、Gurobi已經(jīng)位于同一起跑線。由于實(shí)際在落地過程中，企業(yè)不可能生產(chǎn)0.2個(gè)手機(jī)、0.5臺(tái)電視，因此杉數(shù)科技還格外注重整數(shù)規(guī)劃的應(yīng)用場(chǎng)景應(yīng)用，并于2021年6月正式推出國(guó)內(nèi)首個(gè)整數(shù)規(guī)劃求解器，徹底打破國(guó)際技術(shù)壁壘，這是因?yàn)檎麛?shù)規(guī)劃對(duì)于航空航天、能源電力、智能制造、供應(yīng)鏈管理等國(guó)家關(guān)鍵領(lǐng)域應(yīng)用尤為重要。此外，在具體落地到應(yīng)用層面，杉數(shù)可以做更深層的技術(shù)支持和定制化開發(fā)，通過杉數(shù)量身打造的科學(xué)家和業(yè)務(wù)顧問團(tuán)隊(duì)去做對(duì)應(yīng)模型探索和研究，以“場(chǎng)景式創(chuàng)新”為企業(yè)帶來實(shí)實(shí)在在的價(jià)值。

 

　　“兩手抓”吹響智能決策應(yīng)用“集結(jié)號(hào)”

 

　　如今，求解器在零售、快消、物流、工業(yè)制造、能源、航空等多個(gè)行業(yè)有著天然的場(chǎng)景需求，尤其是隨著這些行業(yè)數(shù)字化轉(zhuǎn)型和智能化升級(jí)的加速，基于求解器等相關(guān)技術(shù)的智能決策正在迅速成為行業(yè)用戶的強(qiáng)勁需求。然而不可否認(rèn)的是，國(guó)內(nèi)不少制造企業(yè)還處在推進(jìn)智能制造的初期，黃翔認(rèn)為企業(yè)關(guān)心前沿的應(yīng)用趨勢(shì)、技術(shù)概念是必要的，但還應(yīng)著眼于實(shí)操和實(shí)效。

 

　　在黃翔看來，雖然一定程度上，只有自身信息化建設(shè)達(dá)到一定程度后，才能更好的發(fā)揮智能決策價(jià)值，但這不妨礙那些不具備條件的企業(yè)以此獲得支持和提振。一方面，杉數(shù)科技面向自身信息化比較完善的企業(yè)，通過融合企業(yè)工業(yè)互聯(lián)網(wǎng)平臺(tái)、ERP、MES系統(tǒng)進(jìn)行整個(gè)生態(tài)鏈的外延，以數(shù)據(jù)為基礎(chǔ)進(jìn)行上層應(yīng)用的創(chuàng)新，實(shí)現(xiàn)數(shù)據(jù)優(yōu)化和決策分析，通過生態(tài)共建的方式，實(shí)現(xiàn)端到端智能決策應(yīng)用系統(tǒng)落地。例如杉數(shù)科技在工業(yè)富聯(lián)工業(yè)互聯(lián)網(wǎng)平臺(tái)基礎(chǔ)上，通過智能排產(chǎn)計(jì)劃系統(tǒng)（APS），幫助企業(yè)真正地實(shí)現(xiàn)自動(dòng)、智能的生產(chǎn)計(jì)劃，從機(jī)械繁復(fù)的工作中解放計(jì)劃員，實(shí)現(xiàn)企業(yè)供應(yīng)鏈更加柔性的進(jìn)行整體計(jì)劃安排。

 

　　另一方面，面對(duì)數(shù)字化基礎(chǔ)薄弱的企業(yè)，杉數(shù)科技則直接提供“交鑰匙”的工程，幫助他們搭建智能決策綜合平臺(tái)，首先服務(wù)好一個(gè)具體的應(yīng)用場(chǎng)景。正所謂“九層高塔，始于壘土”，黃翔表示很多時(shí)候智能決策應(yīng)用的第一個(gè)PoC（概念驗(yàn)證）項(xiàng)目至關(guān)重要，它可以為企業(yè)未來打好基礎(chǔ)，并獲得信息化團(tuán)隊(duì)的支持。

 

　　目前，杉數(shù)科技的決策優(yōu)化解決方案已在20多個(gè)細(xì)分領(lǐng)域落地應(yīng)用，服務(wù)包括上汽通用、一汽大眾、海爾、舜宇光學(xué)、東方日升、中國(guó)商飛、六國(guó)化工、工業(yè)富聯(lián)、小米、雀巢、太古可口可樂、百威英博、強(qiáng)生、中國(guó)郵政、順豐科技、滴滴出行、上海地鐵、永輝超市、國(guó)家電網(wǎng)以及南方航空等超百家國(guó)內(nèi)外知名企業(yè)。

 

　　通過技術(shù)到場(chǎng)景，再到功能，層層推進(jìn)，黃翔表示目前杉數(shù)科技正保持技術(shù)與應(yīng)用的“兩條腿”走路。在他看來，持續(xù)加大技術(shù)研發(fā)力度，提升求解器的求解規(guī)模、求解速度、建模效率和求解效率是杉數(shù)科技的源動(dòng)力。而深入企業(yè)應(yīng)用場(chǎng)景，發(fā)揮求解器的實(shí)際價(jià)值則是杉數(shù)科技的最終目標(biāo)。正是這種“技術(shù)創(chuàng)新內(nèi)循環(huán)與應(yīng)用生態(tài)外循環(huán)”的策略，促使杉數(shù)科技專注而卓越，創(chuàng)新而不凡。放眼未來，杉數(shù)科技將構(gòu)建更加精準(zhǔn)、高效、完整的智能決策解決方案，并將能力開放給廣大的生態(tài)伙伴，助力更多用戶實(shí)現(xiàn)數(shù)據(jù)驅(qū)動(dòng)下的最優(yōu)決策，讓更多制造企業(yè)能夠源源不斷駛向數(shù)字轉(zhuǎn)型的價(jià)值新藍(lán)海。