目前中国制造业正处于转型升级的阶段，智能制造成为中国制造业迈向全球的制胜关键，而智能制造必须要有智能供应链作为保证。本文主要介绍了智能供应链在智能制造领域的五个方面典型应用，包括智能化研发设计、供应链需求预测和计划、智能化采购与供应商协同等等，并提出智能制造需要以智能物流作为前提和基础，越来越多的智能制造工厂将智能制造设施嵌入到智能物流系统中，成为流水线化物流系统的一个不可缺少的环节和部分。

　　智能制造强调数字化、网络化和智能化，强调端到端的拉通，强调横向与纵向协同，不仅仅强调智能制造本身，智能供应链更是智能制造的应有之义。智能制造必须要有智能供应链作为保证，才能够实现精益制造、安定制造、有效制造、有效交付。如果没有智能供应链的协同与匹配，智能制造将停留在实验室阶段——实际上智能供应链的应用场景，更多还是与智能制造相匹配、相适应的。从供应链整体而言，智能制造其实是智能供应链的一个核心环节。通俗而言，它们应该是在一个“生态圈”里。本文介绍了智能供应链在智能制造领域的典型应用，分析了制造企业智能供应链存在的瓶颈与实现的路径。

　　一、智能供应链在智能制造领域的典型应用

　　智能供应链在智能制造领域的应用主要体现在五个方面：

　　1.智能研发、设计与智能供应链过程仿真

　　《中国制造2025》将创新摆在了制造业发展全局的核心位置。“智能研发”是实现强大的创新能力的支柱和必要条件，是智能制造先决水平、提升企业竞争力的核心要素之一。

　　智能化研发需要实现产品数字化、研发数字化、业务数字化（主要信息数据可以分为关联知识、项目管理、技术参数、产品系列、运营过程等）；不仅仅是就产品本身展开的研制与开发，而是更多的需要强调产品的可制造性、可流通性、安全性、有效性、可销售性（终端销售人员对于产品研发初衷和价值的传递）和客户的满意度，必须站在全价值链的高度来思考和模拟仿真。智能化研发的终极目标只有一个，就是让产品更加顺应中国乃至全球市场的需求。智能研发需要从庞大的用户基盘、用户数据、产业发展导向数据等，以有助于进行完善、可信的市场调研，而超强的研发实力和长期的技术积累、对市场的精准把握，更是研发更好产品的基础。

　　比如，汽车开发中心使用虚拟化技术，在正式进行撞击测试之前，首先模拟多次撞击实验结果，减少撞击测试的整车数量，从而减少成本和装配时间，大幅提升研发效率。同时，智能化研发也要求研发团队拥有统筹贯穿产业链智能化的要求的能力，进行相应产品研发设计，以支撑之后的智能制造、智能物流、智能销售管理等产业链可视化联动，进而实现灵活协同为终端客户加速提供高度定制的产品和服务。

　　达到智能化的研发管理，将进一步推动制造、物流、销售环节实现智能供应链。研发部门可以在研发过程中结合制造、物流、销售的智能化需求，设计开发产品，以更好地加快制造、物流、销售环节效率，缩短产品开发生产周期，实现大规模快速定制化生产，提高消费者、客户对产品或解决方案的满意度。例如，通过实现模块化管理技术，优化产品模块设计，可以使客户能在最短时间完成解决方案配置，同时将模块化设计运用到生产线制造流程管理，从而达到快速定制生产的目的。

　　通过信息化技术实现的数字化的研发管理将大幅提升研发效率、降低研发风险，增强创新能力。在研发过程中运用数字化技术实现虚拟模拟及个性化技术，帮助企业在开发前期即进行产品模拟，产品测试不需要等待硬件到位，即可进行性能测试，将大大帮助缩短研发周期，提高研发效率。通过智能嵌入、大数据和实时数据的管理、分析和分享，以及全面使用贯穿产品周期的开发、制造、物料和使用数据，将大幅降低研发风险，从而降低产品周期管理中其他环节因研发问题导致的潜在损失。

　　与传统的供应链现场数据收集后再进行人工整理、输入系统不同，智能嵌入技术将帮助实现实时环境和使用数据的采集和传输，确保了供应链全过程数据的准确性、完整性、实时性。实时数据能大幅加强研发设计产品的可靠性，减少因数据不精确、数据滞后或差别环境造成的产品问题（如样品测试失败、生产停线、质量退回等），从而降低产品开发风险。

　　应用可视化技术，智能供应链能够针对具体的单个产品进行数字化描述，以便在产品周期各（关键）阶段都可以快速的追踪到产品及配件、元件、电子件等各类部件，以帮助研发部门得到及时产品数据，进行产品设计或解决方案优化。这将帮助研发部门减少不必要的数据收集、确认、再收集的过程，从而加快优化效率。

　　2.智能预测与计划的维度、内容、任务发生了变化

　　供应链需求预测和计划的目标是形成一个精确可靠的关于市场需求的认识。传统供应链环节多、利益诉求不同、信息不共享，容易导致订单交付流程长，从而对于客户需求的响应周期延长，于是，从订单到交付（order to delivery，OTD）的长短以及供应链响应策略，通常决定了供应链过程环节中的库存高低，从而最终决定了企业的盈利能力。通常情况下，订单交付周期越短的企业，响应能力就越强，反之就越差，面对客户对于交付的效率要求，只有不断地备库存，一旦需要备库存了，就涉及到预测和提前期、计划的问题。

　　驱动传统的供应链要素主要有两个：预测和订单。而订单是来源于客户对于既有产品的选择性购买的诉求，客户并未参与定义。

　　比如在汽车制造行业（或者家电、手机、家纺、家居等有经销机制的行业），销售门店并不是主动营销车辆，消费者往往要到“4S”店（或经销商），去购买车辆。此前，不管消费者是否已经购买汽车，品牌商都不会与他们沟通对于汽车购买的需求导向（不关注或者不知道谁是潜在消费者），于是对于某个时间段的销售预期只能够凭着经验或者任务来设定，而为了后续及时交付，从经销商到汽车制造商，再到零部件供应商，涉及到经销商预测、汽车制造商销售加权整理做安全库存、生产计划加权做有效生产、采购加权做批量采购与供应、零部件供应商加权做零部件生产与采购，最终可能极大的放大了实际需求量（牛鞭效应），但是，实际销量是不可控的，加上供应链过程中的变数影响和供应链管理的失误与失效，往往导致预测偏差巨大、计划变更、承诺与交付无效、库存层层累积、各方利润空间降低和新一轮的谈判与博弈，导致供应链过程的恶性循环，浪费了巨大的供应链资源、蕴含了巨大的供应链风险。

　　在智能制造中，预测和计划已经有了新的维度、工作内容和绩效要求。

　　在智能供应链中，采用大数据预测和智能算法模型，通过趋势结合动态实时需求感知、预测市场和重塑市场，从而主动掌控洞察需求。通过产品价值引导和有竞争力的订单响应周期承诺，完善企业的产销协同计划（sales、inventory、operation and planning，SIOP）系统提供支持，使得管理层能够长远全局战略洞察产销平衡，也能短期柔性应变产销的波动；同时通过工业互联网实时掌控设备与产线的实际能力约束，对不同优先级的订单进行智能排产，把人工智能融入高级排程系统（advanced planning system，APS）中，结合不同的场景，适应性的、分布计算优化。通过制造大数据部署预计库存计划，实时监控智能供应链过程中的差异，应对不确定性。

　　在智能供应链中，不再是既有的产品批销、预测、库存计划和被动补货，而是根据客户需求、企业经营战略、供应链价值导向、财务目标和产品策略，综合定义产品、制造工艺、物流模式和交付与结算模式，不仅仅关注产品的结构以及产品是如何被销售出去的，更多地关注产品的结构和形态是如何来的；不再是被动响应消费者要货需求，而是主动与消费者沟通获得产品需求，从而进行设计和研发，通过设计热销产品来引导客户消费导向，从而实现产品的热销可能（实现战略价值）。对于销售的产品，不仅仅是通过已销售的产品来分析未来销售的可能性，更是通过沟通与大数据来反映的消费者社群、行为、导向、事件影响、季节因素、流行引领等来分析和预测销售的可能（对于汽车、家电、家居等耐用消费品尤其如此，实际上，每销售一件库存产品，就成功阻止了一件新产品的销售机会，传统的预测成为无本之源，最后只有为了库存的预测）。