探索中国CIO人才现状 | 第三季调研报告
蒙牛乳业的智慧供应链探索
2018-08-31  来源:CIO发展中心

本文由:CIO发展中心根据蒙牛集团项目经理乔建文在走进“智慧”蒙牛会议上的演讲整理

智慧供应链是结合物联网技术和现代供应链管理的理论、方法和技术,在企业中和企业间构建的,实现供应链的智能化、网络化和自动化的技术与管理综合集成系统。传统供应链的发展,技术的渗透性日益增强,很多供应链已经倾向于具备信息化、数字化、网络化、集成化、智能化、柔性化、敏捷化、可视化、自动化等先进技术特征。在8月9日CIO发展中心联合蒙牛集团举办的走进“智慧”蒙牛会议上,蒙牛集团项目经理乔建文从业务现状、目标和建设思路、预期效果、挑战与应对四个方面分享了蒙牛乳业的智慧供应链探索之路。

乔建文.png

蒙牛集团项目经理乔建文

智慧供应链的概念及蒙牛乳业的业务现状

智慧供应链包括平台可视化即端到端的数据集成,可感知即考核和监控指标体系,可调节即快速响应和集成,其中可视化是可感知和可调节的基础,蒙牛在智慧供应链建设的过程中就遵循了这个原则。

乔建文1.png

值得借鉴的是,蒙牛乳业也存在大多数企业业务中出现的问题。蒙牛内部的各个环节,计划、排产、仓储、物流都是从自身角度决策,只考虑了上下游环节,缺乏全局的统筹优化,这也是大多数企业都会出现的问题。大家在日常的工作中,只考虑制作生产计划或制作分销计划一个点本身不会存在任何问题,但可能因为做的太过准确,所以导致后面浪费了太多成本。

不同的是,对于乳业来说原奶是最重要也最致命的一个点,现状是需求数据南部大于北部、东部大于西部,客户和到货地址上千多个,工厂位置有局限;原奶的分布北部大于南部,西部大于东部;产能的分布北部大于南部,西部小于东部,这样就存在需求产供销不匹配的情况。

蒙牛乳业智慧供应链的目标和建设思路

蒙牛乳业智慧供应链运用数据将“牛”与消费者串联起来,商流驱动供应链物流,大数据技术打通从“牛”端到“人”端的信息流,实现横跨“三大产业”的供应链市场化高效协同。农牧业方面运用奶源数字化把控源头,从牛“群体”到“个体”信息溯源,奶源资源全域信息化整合;食品加工业方面产销协同,由计划要货到自动补货,生产计划与市场高度协同,“奶源-工厂-仓储-客户”布局协同;分销零售方面洞察消费者市场特征,进行新品研发,渠道铺货,制定促销策略。

乔建文2.png

智慧供应链的建设思路,是战略决策到战术执行,两者相辅相成,战略方面包含布局优化和需求预测,战术执行包含精准排产和智能订单。

布局优化,需要全局考量牧场、工厂、仓储、客户分布做布局规划。首先要做的是奶源的规划;第二步就是产能规划,即产线怎么排布,产线调整之后如何进行测算,对于已经在建的工厂要有一个评价;第三步是仓储的规划,包含工厂所在的仓库、租的仓库和分子公司的仓库;第四步是线路规划。进行这四部分规划要结合年度的销量预测,考虑的基本要素有奶源的数据、工厂用奶数据、客户数据、仓储数据、工厂产线数据、物流数据,用到的算法是统筹规划的算法,统筹考虑了各个要素之后,最后输出的模型是供奶调整模型、产能调整模型、仓储布局分析、线路优化模型。对于布局优化的算法,一是目标函数一定要设定清楚,这是IT人员和业务人员合作去设定的;二是提炼到模型里的规则需要内部IT人员根据业务规则去转换;三是参数的设定。

销量预测和大部分企业遇到的问题类似,存在精准度差,时效性差,前端性不足的问题。销量预测用的算法是机器学习,是与时间序列相关的一类算法,和布局优化的算法是截然不同的,需要输入的经销商数据、商品数据、促销数据、仓库数据、发货数据以及其它数据,必须有一定的数据沉淀之后才会有效果,只有一年或半年的数据不会到达预期的效果。整个销量预测的特征工程需要把特征提炼出来,然后把可调节的参数进行一定的调整。

智能订单和智能补货,业务存在的问题是每天的订单在进行人为回复,工作量比较大,调度人员每天从早上9点到6点下班都在做这个事情,数据方面由于每个人负责一个区域,所以可能会出现一些问题。运用全局统筹优化的模型,和布局优化用的是同一个算法的模型,输入数据包括销量数据、排产数据、仓存数据、经销商数据、物流数据,输出的模型为订单回复模型和订单分解模型。这一部分的订单包含两方面,一方面是订单回复环节,考虑库存情况和账款情况,另一方面是订单确认环节,物流的发运情况对后期的成本影响很大。

精准排产,这里主要指日的进准排产,它的制约因素很多,比如不同产品之间的切换要符合质量标准和新鲜度。运用的是线性规划模型,输入数据包括销售计划、销售预测、奶源数据、成本、各业态用奶、产能数据等,最后输出日排产模型、日变更模型以及月滚动排产模型。

乔建文3.png

预期效果

整个的预期效果包括几部分串联关系,一是根据销量预测,上游平台的输入数据,为整体布局、排产、订单进行输入;二是根据销量预测的需求,结合奶源、产能以及物流成本,输出供奶方案、产能布局方案、仓储布局方案、线路方案;三是根据销量预测的结果,结合智能订单的情况,统筹规划原奶、产能等制约因素,输出排产;四是根据所有的情况和排产计划,决定订单如何回复,透支多少库存。把点列出来放在蒙牛智慧供应链平台上,可感知到具体成本的量化节约情况。

乔建文4.png

技术架构和挑战与应对

技术架构是把内部的一些系统包括SAP、BW以及采集系统拉取到云平台上面,通过云平台加工处理结合算法平台,最后根据求解器出预算结果,预算结果会回到SAP,指导订单回复和订单分析。

乔建文5.png

对于挑战与应对

业务方面需要考虑是否具备业务成熟度,首先要看业务领导的思维以及业务能力是否具备,应对办法一是业务目的是否清晰,用算法举例,它的目标函数即领导想要的结果是否明确,是否可量化;二是业务规则是否有统一思想,是否标准化、信息化、自动化,比如进行业务访谈的时候,要从业务人员的日常工作中探寻出哪条规则需要进入系统,规则化是信息化和自动化的前提;三是约束条件是否清晰,数据成熟度与系统建设息息相关,需要考虑供应链的数据成熟度,应对办法主要是关键指标的梳理和历史数据的沉淀。

数据质量主要是原系统数据的质量,应对办法要考虑主数据和业务数据口径。对于数据方面建议做智慧供应链之前先把BI项目做起来,至少把与供应链相关的BI项目做起来,因为全都靠人工采集数据量非常大。

流程制度方面主要是业务模式的挑战,对业务模式的调整要看上级领导的支持力度,应对办法一是要看模型后期的运用,要遵守符合业务准则的规则,需要建立流程和制度,二是对于业务模式调整需要和业务领导进行充分汇报。

乔建文6.png