發(fā)布日期：2026-01-07瀏覽次數(shù)： 次信息來(lái)源： 天睿咨詢-邱伏生
1.制造供應(yīng)鏈發(fā)展的挑戰(zhàn)
隨著各類技術(shù)的升級(jí)，生產(chǎn)（智能）制造已經(jīng)從大規(guī)模標(biāo)準(zhǔn)化，向滿足個(gè)體需求的大規(guī)模個(gè)性化（柔性化）定制范式迭代升級(jí)。與此同時(shí)，地緣政治沖突、公共衛(wèi)生事件、氣候變化等不確定因素頻發(fā)，全球供應(yīng)鏈體系面臨重構(gòu)。制造供應(yīng)鏈作為連接市場(chǎng)與制造的核心紐帶，其復(fù)雜程度也相應(yīng)的呈指數(shù)級(jí)增長(zhǎng)：變量維度從傳統(tǒng)的質(zhì)量、成本、效率擴(kuò)展至韌性、綠色、敏捷等超多維變量系統(tǒng)；時(shí)空范圍涉及工廠、倉(cāng)庫(kù)、運(yùn)輸工具、零售終端、消費(fèi)者等成千上萬(wàn)個(gè)實(shí)體，每個(gè)實(shí)體都有其狀態(tài)、能力和約束條件，形成一個(gè)高維決策空間；約束條件從相對(duì)穩(wěn)定的市場(chǎng)環(huán)境轉(zhuǎn)變?yōu)樗蚕⑷f(wàn)變的全球動(dòng)態(tài)時(shí)變約束，傳統(tǒng)的靜態(tài)假設(shè)被打破，天氣異常、交通擁堵、工人罷工、網(wǎng)紅帶貨等突發(fā)事件成為常態(tài)，供應(yīng)鏈系統(tǒng)需要在不斷變化的環(huán)境中保持穩(wěn)定運(yùn)行；決策場(chǎng)景從集中式、長(zhǎng)周期的計(jì)劃模式轉(zhuǎn)向分布式、實(shí)時(shí)的響應(yīng)需求；企業(yè)運(yùn)營(yíng)不僅需要最小化成本、最大化效率，還要兼顧服務(wù)水平、庫(kù)存周轉(zhuǎn)、碳足跡等多個(gè)往往相互沖突的目標(biāo)優(yōu)化......以上情況都將給制造供應(yīng)鏈帶來(lái)挑戰(zhàn)。
2.傳統(tǒng)管理模式的困境
面對(duì)這些挑戰(zhàn)，依賴于經(jīng)驗(yàn)的傳統(tǒng)供應(yīng)鏈管理模式顯得力不從心。一方面，企業(yè)積累了海量的業(yè)務(wù)數(shù)據(jù)，但缺乏將數(shù)據(jù)轉(zhuǎn)化為精準(zhǔn)決策的數(shù)學(xué)能力，導(dǎo)致數(shù)據(jù)豐富而洞察匱乏，決策仍依賴于管理者的經(jīng)驗(yàn)直覺(jué)；另一方面，由于路徑依賴的原因，各部門基于自身KPI進(jìn)行優(yōu)化，使得ERP、WMS、TMS、MES等系統(tǒng)各自為政，形成數(shù)據(jù)孤島（數(shù)據(jù)煙囪）。傳統(tǒng)的統(tǒng)計(jì)模式無(wú)法體現(xiàn)實(shí)時(shí)運(yùn)營(yíng)帶來(lái)的動(dòng)態(tài)決策需要和數(shù)據(jù)擬合，難以實(shí)現(xiàn)端到端的可視化與優(yōu)化，只能眼睜睜地看著各類數(shù)據(jù)由于系統(tǒng)割裂而協(xié)同困難。這導(dǎo)致響應(yīng)遲緩而韌性不足，面對(duì)市場(chǎng)變化和突發(fā)事件，供應(yīng)鏈調(diào)整往往需要數(shù)天甚至數(shù)周（開會(huì)、協(xié)同、重排以及判斷，最終還可能迂回反復(fù)），缺乏實(shí)時(shí)響應(yīng)能力，最終影響了企業(yè)核心競(jìng)爭(zhēng)力。圖1為現(xiàn)實(shí)-模型-計(jì)算之間的非聯(lián)動(dòng)關(guān)系帶來(lái)的痛點(diǎn)。
【圖1】現(xiàn)實(shí)-模型-計(jì)算之間的非聯(lián)動(dòng)關(guān)系
此時(shí)即使導(dǎo)入數(shù)字化，導(dǎo)入AI（人工智能）,也對(duì)企業(yè)的發(fā)展無(wú)濟(jì)于事。因?yàn)樵谠械母鱾€(gè)異構(gòu)軟件中，AI agent也只是在各自的瓶子里面轉(zhuǎn)圈，沒(méi)辦法突破瓶子或者煙囪的墻壁互相形成互聯(lián)，數(shù)據(jù)還是割裂的和不同頻的，最終還是沒(méi)有辦法形成數(shù)學(xué)模型、算法和決策模型，并且容易讓人們產(chǎn)生“AI無(wú)法賦能制造供應(yīng)鏈”的判斷誤區(qū)。即使有數(shù)學(xué)專業(yè)人才，也是無(wú)用武之地。
制造供應(yīng)鏈，苦數(shù)學(xué)久矣。
（智能）制造供應(yīng)鏈?zhǔn)且粋€(gè)超級(jí)復(fù)雜的方程，變量成千上萬(wàn)（工廠、倉(cāng)庫(kù)、卡車、商店、消費(fèi)者），約束條件瞬息萬(wàn)變（天氣、堵車、罷工、網(wǎng)紅帶貨），目標(biāo)函數(shù)既要成本最低、又要速度最快、還要庫(kù)存剛剛好…更要...這個(gè)方程，就是現(xiàn)實(shí)中的供應(yīng)鏈優(yōu)化問(wèn)題。數(shù)字力賦能，就是解這個(gè)方程的新工具和新方法。
數(shù)學(xué)力（Mathematical Competence）是指通過(guò)數(shù)學(xué)模型、算法設(shè)計(jì)、數(shù)據(jù)分析及優(yōu)化方法，對(duì)制造供應(yīng)鏈中的復(fù)雜問(wèn)題進(jìn)行量化建模、動(dòng)態(tài)分析和科學(xué)決策的能力。其本質(zhì)是通過(guò)數(shù)學(xué)工具將供應(yīng)鏈的復(fù)雜性轉(zhuǎn)化為可計(jì)算、可優(yōu)化的系統(tǒng)，從而實(shí)現(xiàn)從經(jīng)驗(yàn)驅(qū)動(dòng)到模型與數(shù)據(jù)雙輪驅(qū)動(dòng)的范式革命。由此可見(jiàn)，數(shù)學(xué)力不僅具備工具維度（數(shù)學(xué)模型、算法、數(shù)據(jù)分析方法等具體的技術(shù)手段）、過(guò)程維度（量化建模、動(dòng)態(tài)分析、科學(xué)決策等能力施展的過(guò)程），更具備了目標(biāo)維度（解決供應(yīng)鏈復(fù)雜問(wèn)題，提升系統(tǒng)整體性能）。
【圖2】 數(shù)學(xué)力賦能模式下的現(xiàn)實(shí)-模型-計(jì)算之間的聯(lián)動(dòng)關(guān)系
這不僅是數(shù)學(xué)工具的應(yīng)用，更是以數(shù)學(xué)思維為核心，將供應(yīng)鏈的不確定性、多目標(biāo)協(xié)調(diào)與動(dòng)態(tài)響應(yīng)轉(zhuǎn)化為可計(jì)算、可預(yù)測(cè)、可優(yōu)化的系統(tǒng)性能力。數(shù)學(xué)力是制造供應(yīng)鏈實(shí)現(xiàn)柔性化、數(shù)字化和智能化轉(zhuǎn)型的核心能力，它賦能支撐柔性生產(chǎn)、推動(dòng)數(shù)據(jù)貫通、強(qiáng)化風(fēng)險(xiǎn)韌性以及優(yōu)化智能工廠與物流系統(tǒng)。其核心特征和價(jià)值如下：
1）數(shù)據(jù)驅(qū)動(dòng)與量化決策。
在傳統(tǒng)供應(yīng)鏈管理中，決策往往依賴于管理者的經(jīng)驗(yàn)和直覺(jué)。即使有數(shù)據(jù)支持，也多是基于歷史數(shù)據(jù)的簡(jiǎn)單統(tǒng)計(jì)和趨勢(shì)外推。柔性制造供應(yīng)鏈的核心是需求驅(qū)動(dòng)和數(shù)據(jù)驅(qū)動(dòng)，需通過(guò)數(shù)學(xué)方法實(shí)現(xiàn)數(shù)據(jù)的快速流動(dòng)與實(shí)時(shí)決策支持，消除協(xié)同壁壘和數(shù)據(jù)孤島，同時(shí)將不確定性轉(zhuǎn)化為可量化風(fēng)險(xiǎn)。
這就需要解決從描述到預(yù)測(cè)（不僅描述歷史發(fā)生了什么，更重要的是預(yù)測(cè)未來(lái)可能發(fā)生什么）、從單點(diǎn)到全景（打破數(shù)據(jù)孤島，整合來(lái)自供應(yīng)商、生產(chǎn)、物流、銷售等各個(gè)環(huán)節(jié)的數(shù)據(jù)，構(gòu)建統(tǒng)一的數(shù)據(jù)視圖，支持端到端的決策優(yōu)化）、從滯后到實(shí)時(shí)（依托物聯(lián)網(wǎng)、5G等技術(shù)，實(shí)時(shí)采集供應(yīng)鏈狀態(tài)數(shù)據(jù)，實(shí)現(xiàn)基于最新信息的快速?zèng)Q策）的問(wèn)題。
比如通過(guò)概率論、隨機(jī)過(guò)程、時(shí)間序列分析、機(jī)器學(xué)習(xí)等工具和方法，基于多源數(shù)據(jù)（歷史銷售、市場(chǎng)活動(dòng)、宏觀經(jīng)濟(jì)指標(biāo)等）進(jìn)行需求預(yù)測(cè)、供應(yīng)風(fēng)險(xiǎn)預(yù)測(cè)等，量化供應(yīng)鏈中的各種不確定性，為風(fēng)險(xiǎn)管理提供科學(xué)依據(jù)。
實(shí)際應(yīng)用中，某全球消費(fèi)品L公司通過(guò)建立需求感知系統(tǒng)，整合銷售數(shù)據(jù)、促銷計(jì)劃、社交媒體聲量、天氣數(shù)據(jù)等，將預(yù)測(cè)準(zhǔn)確率從65%提升到85%，庫(kù)存周轉(zhuǎn)率提高30%。
2）動(dòng)態(tài)優(yōu)化與技術(shù)韌性
面對(duì)多品種、小批量、高頻變動(dòng)的生產(chǎn)場(chǎng)景，數(shù)學(xué)力需具備動(dòng)態(tài)調(diào)整和應(yīng)對(duì)不確定性的（自適應(yīng)）能力，從而實(shí)現(xiàn)實(shí)時(shí)響應(yīng)內(nèi)外部變化，做出預(yù)測(cè)性決策，在多目標(biāo)間尋找最優(yōu)平衡的系統(tǒng)目標(biāo)。
這就需要解決多目標(biāo)動(dòng)態(tài)權(quán)衡（在成本、服務(wù)、效率、韌性等多個(gè)目標(biāo)間進(jìn)行實(shí)時(shí)權(quán)衡，而不是依賴固定的優(yōu)先級(jí)規(guī)則）、不確定性下的優(yōu)化（通過(guò)隨機(jī)規(guī)劃、魯棒優(yōu)化等方法，考慮需求不確定性、供應(yīng)中斷風(fēng)險(xiǎn)等因素，設(shè)計(jì)具有內(nèi)在韌性的供應(yīng)鏈網(wǎng)絡(luò)和策略）、實(shí)時(shí)調(diào)度與響應(yīng)（利用在線算法、強(qiáng)化學(xué)習(xí)等技術(shù)，實(shí)現(xiàn)運(yùn)輸路線、生產(chǎn)排序、庫(kù)存分配的實(shí)時(shí)優(yōu)化）等的問(wèn)題。
例如通過(guò)混合整數(shù)規(guī)劃、隨機(jī)規(guī)劃、魯棒優(yōu)化、強(qiáng)化學(xué)習(xí)、模型預(yù)測(cè)控制等先進(jìn)優(yōu)化方法，結(jié)合高性能計(jì)算、云計(jì)算等算力支持，實(shí)現(xiàn)生產(chǎn)計(jì)劃、庫(kù)存策略等的實(shí)時(shí)迭代，結(jié)合物聯(lián)網(wǎng)、邊緣計(jì)算等技術(shù)，實(shí)現(xiàn)供應(yīng)鏈狀態(tài)的實(shí)時(shí)感知，增強(qiáng)供應(yīng)鏈的技術(shù)韌性；運(yùn)用多目標(biāo)優(yōu)化理論，在成本、效率、服務(wù)等多個(gè)目標(biāo)間尋找帕累托最優(yōu)解。
3）全鏈路整合與智能化
數(shù)學(xué)力是構(gòu)建全鏈路數(shù)字化系統(tǒng)的基礎(chǔ)，通過(guò)數(shù)學(xué)模型貫通從需求感知到生產(chǎn)交付的各環(huán)節(jié)，挖掘數(shù)據(jù)中的深層規(guī)律，以支撐智能決策和自動(dòng)化執(zhí)行，使得供應(yīng)鏈從被動(dòng)響應(yīng)轉(zhuǎn)向主動(dòng)管理。
這就需要具備數(shù)字孿生（通過(guò)構(gòu)建物理供應(yīng)鏈的虛擬鏡像，在數(shù)字空間中進(jìn)行模擬、分析和優(yōu)化，為物理世界的決策提供支持）、自主決策（在規(guī)則明確的場(chǎng)景中，基于預(yù)設(shè)的算法和模型實(shí)現(xiàn)自動(dòng)化決策，減少人工干預(yù)，提高響應(yīng)速度）的能力，實(shí)現(xiàn)預(yù)測(cè)性干預(yù)（通過(guò)預(yù)測(cè)模型識(shí)別潛在問(wèn)題，在問(wèn)題發(fā)生前采取干預(yù)措施，從事后救火轉(zhuǎn)向事前預(yù)防）。例如數(shù)字孿生技術(shù)中的仿真建模與預(yù)測(cè)分析，通過(guò)機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘等方法，從海量數(shù)據(jù)中發(fā)現(xiàn)人腦難以察覺(jué)的模式和關(guān)聯(lián)。全鏈路整合使得供應(yīng)鏈不再是分散的片段，而是一個(gè)統(tǒng)一的、智能化的系統(tǒng)，能夠以全局最優(yōu)為目標(biāo)協(xié)同運(yùn)作。
數(shù)學(xué)力概念的提出建立在多個(gè)學(xué)科領(lǐng)域的融合基礎(chǔ)之上。從運(yùn)籌學(xué)的優(yōu)化理論、統(tǒng)計(jì)學(xué)的預(yù)測(cè)方法，到計(jì)算機(jī)科學(xué)的算法設(shè)計(jì)、工業(yè)工程的系統(tǒng)思維，數(shù)學(xué)力整合了這些學(xué)科中與供應(yīng)鏈管理相關(guān)的核心要素，形成一個(gè)統(tǒng)一的能力框架。隨著AI和大數(shù)據(jù)技術(shù)的深化，數(shù)學(xué)力將在供應(yīng)鏈的動(dòng)態(tài)決策和全局優(yōu)化中扮演更關(guān)鍵的角色。
文章作者：上海天睿物流咨詢有限公司 總經(jīng)理 、中國(guó)機(jī)械工程學(xué)會(huì)物流工程分會(huì) 邱伏生 博士
文章轉(zhuǎn)載來(lái)源：《起重運(yùn)輸機(jī)械》專業(yè)雜志
文章專欄主理人：北京起重運(yùn)輸機(jī)械設(shè)計(jì)研究院有限公司 媒體采編 馬晨
