4.管理组织协调无力

　　缺乏系统的供应链管理组织，以上供应链过程矛盾不能得到及时有效的解决，导致瓶颈现象的不断积累。加上瓶颈问题随着供应链流程形成压力转移，部门之间形成各种推诿，各类会议不断增加，导致管理资源浪费。

　　5.过程的量化管理未能形成数字化逻辑，导致考核错位

　　如表1所示，是某连续两周中和某特定的一天中因以上原因导致停产的部分数据。

　　从表1可知，导致停产的责任，较大的是料品部、采购部和资讯部等物流的主要环节，而各个分厂生产管理的直接责任较小；

　　表2反映了该单位绝大部分由于供货不及时、送料不及时和缺件等物流不合理的责任，不合理的归入到了生产管理中，并且由表1和表2的总计中可知，两周内仍分别有83（=3105-3022）和25（=2045-2020）个停线时间单位找不到责任部门。

　　表3中由于缺件、周转不利、送料不及时、信息传递失误等原因所造成的停机时间达总时间的74.87%，真正由于操作等原因所致的停机仅占极少一部分。

　　表4中单日停产原因分析表明导致停机的直接原因仍主要是供应链过程的不合理导致的低效化，这证明表1～表3中出现的每周停机时间的原因并不是偶然的。

　　出现这么多的停产现象，该企业的管理监督部门都会定期稽核，并查明责任者进行处理。实际上，作为该行业的知名企业，该厂的生产管理及监督都很完善并且很有力度；但是因为缺乏对供应链数字化、智能化的理性认识，所以对于如何从根本上解决因供应链不合理所带来的浪费与束缚，是该厂领导层一直头疼的问题。

　　由于存在多处瓶颈，采购作业劳而无功，厂内物流不平衡，生产物料的配送无法准时化、高柔性，导致整个生产流水线经常停机等待，使工作流、物料流、资金流、信息流受阻，系统效率的提高受到约素，产生巨大的机会成本，从而不能最大限度的降低物流成本、解决生产中的时空矛盾，挖掘出被浪费的利润源泉。    

　　6.传统的数据预警与可视化通报不能实现实时管理

　　图1、图2、图3是比较常见的现场“可视化”数据表现方式。

　　由于绝大多数业务过程数据统计是离散型的，各部门协同共享联动性较差，信息不能共享，不能及时传递，形成信息孤岛，过程中的异常信息绝大多数没有及时存储，导致不能及时做统计、分析，而且大量的数据都是人工统计，导致统计结果滞后，管理也只能是事后控制，而不能实现预先控制和及时管理。

　　每天的作业达成情况也是完成率低下，并且影响因素无法实时查明，甚至无法得知后续还将影响作业完成的天数，如图4。

　　对于供应商的缺料情况，也无法实时控制和预警，只能够被动等待，如图5所示。

　　传统供应链中的很多报表，绝大多数都是通过人工输入、编辑、整理出来，并且报表出来后通过邮件或者简单打印出来进行信息的传递和发布，导致人工处理数据的工作量大，即使是现场开会管理、解决问题，也容易使得关键管理者不能及时的看到这些信息—在现场要么看不到这些数据，要么就是事后再看到数据，容易造成管理被动和管理只能是事后控制，而不能做到事先预防主。最后导致如图6所示的问题。

　　三、智能供应链在制造企业的实现路径

　　智能供应链需要通过对计划、采购、仓储物流、生产作业四大关键业务环节的管控，实时掌握进度、监控过程异常，包括对整个异常处理的全过程控制，更好地实现问题的事前预防和事中控制，实现各业务部门的协同性，帮助企业落地PDCA管理循环和持续优化提升，以支持打造数字化、可视化、信息化、智能化工厂。

　　1. 智能供应链体系对相关企业的要求

　　在智能供应链体系中，首先需要强调以下要求：

　　（1）供应商必须将它的交付资源与采购方的长期、中期和短期需求进行比较。在运作过程中，需要通过流程来确保任何可能影响后续运作的风险发生时，能快速和客户沟通。

　　（2）供应链管理部门需要实时查看供应链过程作业和物料是否足够滿足客户未来的需求，以便及早发现可能影响满足客户需求的潜在问题。当发现风险和偏差时，需要及时制定纠正行动，将对客户的交付影响减小到最低程度。

　　（3）供应链管理部门必须制定应急方案，当发生紧急情况时，即启动这一解决方案。这一职能系统必须定期进行测试和验证（过程数据需要实时输入到系统中），并且要求对相关人员进行应急程序的培训。

　　（4）当接收到的预测需求和发货要求时，每天（可以实现周滚动）都需要比较现有的资源和内外部客户的（计划和）需求之间的差别，并且提出优化方案，当有任何重要资源受限不能满足生产和交付要求时，能够实时通知相关的后续环节，甚至是客户。 

　　（5）供应链系统能够自动检测过程环节的时间、数量、包装方式、装运方式、标签与信息传递方式的偏差（如：货运扫描和装载控制系统）。确保任何与供应链标准或者运作计划、协议的流转数量和方式有偏差时，能够被及时检查和显示出来，并且在不对生产和交付带来成本损失的情況下及时的协调。

　　为了提升交货准确率和缩短交付周期，势必需要提高供应商到货准时准点、提高物料配套率，同时减少供应链过程中的效率浪费、提高人均产出效率和现场办公效率，从而提升物料周转率。为此需要构建八个数字化的作业体系：生产计划和物流计划的联动体系、供应商到货管理体系、物流运行过程的监控机制、物流运行关键物流指标、优化数据手工统计工作量和作业逻辑、信息及时采集和传递并可视化看板自动显示、计划和实际运行的目标偏差管理、异常和风险预警机制。而构建智能供应链，便是从建立八个数字化作业体系入手，逐步达到缩短交货期和提升交货准确率。上述要求的具体逻辑如图7。

　　梳理清楚数字化逻辑之后，有利于将计划、采购、生产和物流的全过程信息有效联动起来，同时将过程中的异常信息能进行预警或及时展示。以此能将当前事后的管理提升为及时管理和预先控制，并且能进行及时的监控。参考模型如图8。

　　通过建立数字化、智能化供应链模型，重新梳理供应链运营流程，针对关键环节、工艺或工序进行标准化、有效化、可视化管理，以拉通制造工厂的价值链。于是，供应链上不同环节的关系处理不再是传统的经验和感性（俗称“拍脑袋”）模式，或者单个决策模式，而是系统化决策了，如图9所示。

　　信息平台必然遵从于业务逻辑，在通常情况下，管理者看到的仅仅是运作界面，但是，在智能供应链演变中，逐渐地变为了数据逻辑的引领。

　　如图9所示，假设将企业供应链运作划分为ABCD四个模块。

　　A为采购业务端（蓝色虚线区域）。主要包含供应商的采购-生产-交付等过程，解决自动寻源、根据供应商基础数据实现自动下单、自动提示供应商交付要求；

　　B为入场物流端（紫色虚线区域）。主要包含装车-运输-收货-检验-入库等过程，解决规划和计划供应商的交付过程要求，并实行监督，以实现数字化采购的可视化；

　　C为生产协同端（红色虚线区域）。主要包含分拣-配送-齐套-生产-打包等过程，解决数字化生产的流动性要求，以精准响应智能制造的时间和数量要求，其间需要重解决工位配送和作业协同的问题；

　　D为成品交付端（绿色虚线区域）。主要包含入库-存储-检验-分拣-装车-运输-交付等过程，实现对市场要求的快速响应。