1、优化优化/大数据案例大数据案例-英特尔英特尔,Symbion 刘国权 马飞 智能制造的大脑 英特尔案例 供应链的变革 数学模型 大数据在英特尔供链的应用 Symbion公司订单预测案例大纲2智能制造大脑：优化/大数据/人工智能躯干：设备，机器人等血液：工业互联网神经：传感器（IoT)等给你的企业一个“最强大脑”-把管理层从复杂的运营决策中解放出来！工业软件系统架构图订单预测4 算法系统架构图订单预测5 现实的残酷测6供应链战略最大化产能最大化客户服务水平最小化运营成本7Intel Among the Top 10 Supply Chain Companies!Fourth year in a
2、Row!GartnerIntel Ranked#48多目标的线性规划、整数规划 建立数学模型，调用商用算法引擎。300+万决策变量 比如订单被支持了多少 300+万约束条件 比如产能约束等 20多个目标 加权平均9大数据，人工智能的应用 数据质量的监测，控制和修复 预测新产品的产出率等 自动弥补确实的数据等10大数据，人工智能的应用 商业规则的挖掘 规则的场景 比如生产要平滑 规则的参数 基于AI的，对决策的解释 比如为什么某个订单不能被支持？基于规则推理的复杂计算过程11产品可靠性模型 一门古老又有生命力的技术、理论 IoT 技术：数据获取大大简化12 案例-Symbion公司订单预测 公司
3、背景 澳洲前两大药品批发公司之一 10万多种药品 全澳洲13个库存中心，分布在不同省、地区 供应全国3000多家分店 很多药品销售具有明显季节性14问题描述 公司全国库存中心，部门30来个员工每天为下订单忙的不可开交 库存积压（药品进货过多）和缺货（进货过少）经常发生 很多供应商信息、供应变动信息无法体现到下单中 公司目前有自己的ERP系统15解决期望 自动预测每样药品在未来一年内每一个月的销售额，保证一定的预测准确度。根据预测的销售，根据每样药品的送货时间，自动产生订单，自动发送订单到供应商。保证服务水平、提高库存周转率、提高准时交货率和全额交货率 不变动现有的ERP系统16解决方案 集合20多个个库存预测模型，包括多个季节性预测模型 根据每样药品过去三年销售记录，自动选择最佳模型，预测未来12个月每个月的销售 根据预测的月销售，结合每样药品的送货时间，确定需要进货量，自动生成订单17方案结果 库存减少25%服务水平保证在97%库存周转率显著提高 预测准确度保持在45%左右 库存中心的员工主要职责转变为维护历史销售数据、维护订单信息、处理供应商信息 利用库存盈利18Q&A19
