1、业“智能决策”书点亮企业增的“灯塔”INTELLIGENTDECISION2022-工业“智能决策”白皮书序订单、物料约束复杂，如何排产最效？保平稳产要提升订单满率，应该如何统筹？消费者需求快速变化，如何预测爆款？2021年1124，中共中央政治局委员、国务院副总理刘鹤在报的署名章指出，现阶段，我国生产函数正在发生变化，经济发展的要素条件、组合方式、配置效率发生改变，面临的硬约束明显增多，资源环境的约束越来越接近上限，碳达峰碳中和成为我国中长期发展的重要框架，高质量发展和科技创新成为多重约束下求最优解的过程。随着全球新轮科技命和产业变深发展，新代信息技术的不断突破，并与先进制造技术加速融合，为

2、制造业智能化、绿化发展提供了历史机遇。在这历史性的交汇点，企业端诉求、技术变与基础设施完善共同推动智能决策时代到来。本次书聚焦业互联建设中的智能决策问题，次对智能决策的概念进定义，梳理业智能决策的应价值，提出智能决策应落地法论。我们希望通过工业智能决策最佳实践的研究，为工业企业提供转型升级的路径参考，帮助工业企业实现第二增长曲线。工业互联网在互联驱动企业增时代，上半场主是消费互联，下半场的主则将是万物互联模式下的业互联。业互联是实现智能制造的重要抓，也是业企业当前发展的最机遇。智能化当前，我国业正处于由数字化向智能化发展的重要阶段，数字化与智能化建设是螺旋式上升的过程。智能化在信息化与数字化建

3、设的基础上，通过智能技术实现了从数据到信息、知识、决策的转化，摆脱传统认知和知识的边界，为企业提质增效、释放产潜能、实现企业收益最化提供有效撑，成为业互联建设价值的核。智能决策智能决策是业互联智能化的“脑”，以全局优化为标实现企业综合收益最化。机器学习与运筹优化技术的深度融合，推动智能决策技术不断扩充能边界。前，部分领先企业已经抢先落地智能决策应并实现了业务价值突破，未来智能决策将成为领先业企业必备的能。212345迫在眉睫拥抱变革寻求突破业互联建设势所趋智能化是业转型升级的必由之路智能决策时代已然到来躬身入局业智能决策应落地法论展望未来业智能决策发展前瞻CONTENTS6实践探索智能决策实现

4、业互联价值倍增2022-工业“智能决策”白皮书本报告核发现 Executive Summary工业互联网进入2018年前后，智能技术开始与业场景融合发展，开启了业互联智能化建设时期。智能化在信息化与数字化建设的基础上，智能技术实现了从数据到信息、知识、决策的转化，挖掘数据潜藏的意义，摆脱传统认知和知识的边界，为企业提质增效、释放产潜能、实现企业收益最化提供有效撑。数字化和智能化是螺旋上升的过程，成为业互联建设价值的核。作为智能化的价值核，智能决策正在引起市场泛关注。头部企业正大步经济新常态下，精细化运营成为企业增的关键动，对业务决策的质量提出了更的要求。数据基础建设逐步完善，机器学习与运筹优化

5、技术的结合与突破，都为智能决策提供了更加成熟的技术可性。Gartner预测，到2023年，将有超过33% 的大型机构采用智能决策的实践 。智能决策应，要以全局优化为标，运筹优化与机器学习相结合是主流技术路径，智能决策将成为领先企业的必备能。工业互联网产业增加值1993年中国正式启动了国经济信息化的起步程“三程”2012年业互联概念次提出，为业数字化、络化提供了实现途径2021年业互联产业的增加值规模将突破4万亿，成为推动我国经济发展的重要量2000年我国提出要以信息化带动业化，新型业化道路2015年信部发布国务院关于积极推进“互联+：动的指导意，促进互联与产业的融合；中国制造2025发布，明确

6、了制造业智能化、互联+的发展向 2018年智能化建设开始在领先的工业企业渗透2017年国务院关于深化“互联+先进制造业”发展业互联的指导意指出，业互联是连接业全系统、全产业链、全价值链，撑业智能化发展的关键基础设施信息化数字化智能化第二产业增加值感知控制层是业互联智能化的“手”，构建业数字化应的底层“输-输出”接决策优化层是业互联智能化的“大脑”，聚焦数据挖掘分析与价值转化，形成业数字化应核功能数字模型层是业互联智能化的“骨骼”，强化数据、知识、资产等的虚拟映射与管理组织，提供撑业数字化应的基础资源与关键具4跨入智能决策时代智能化建设时期2022-工业“智能决策”白皮书迫在眉睫：业互联建设势所

7、趋全球产业链正经历深度重构，同时，受疫情影响短期过热的海外市场需求将在国外经济滞胀背景下受到抑制，短期增动减弱。对复杂变化，中国制造业需要向智能制造转型升级，出第增曲线。作为实现智能制造的重要抓，业互联建设已经开始释放出强价值潜能。完整的业类与最的消费市场，正在催颠覆性的商业创新和制造业变。“12022-工业“智能决策”白皮书中期：疫情加速全球产业链重构，智能化转型势在必数据来源：CEIC、申万宏源、IMF全球疫情加速产业链深度重构，市场供需两侧不确定因素增加，加快塑造企业韧性成为我国业企业抵御市场险、实现中期战略标的必答题。从全球发展的经验规律来看，制造业产业升级是赶超发达国家的关键，以智能

8、化转型实现智能制造是提升制造业质量效益的必由之路。全球产业链深度重构，加快塑造工业企业韧性迫在眉睫根据世界银行最新预测，对比全球主要发达国家2020年-2022年GDP增速，中国率先在疫情中恢复，并增长强劲。全球经济全复苏尚需时，疫情防控措施导致全球产业链多环节受阻，加之中国制造业稳步复苏，其余国家疫情蔓延，势必加速全球产业链深度重构。同时也暴露了全球分的弊端，将促使供应链缩短的进程加快，全球产业链将向区域性聚集演化。此时中国制造业更应该调整产业结构，深化产业升级，增强产业链韧性，提升敏捷响应、抵御险的能。跨国企业将转向以产业链安全为考量的垂直体化布局。原先分包给不同国家和企业的产序和环节将会

9、被收回到跨国公司内部进产，企业依靠缩短供应链条使产业实现主可控的要求。疫情爆发以来，区域内的贸易往来呈增加态势。2021年前10个，中国与东盟、欧盟、美国的进出增速均超过20%，增速均于同期整体平。未来，于产所需的中间品贸易主要在区域内进，跨国公司的全球产业链将在欧洲、北美、东亚、东盟等区域聚焦。全球产业链由全球化布局向区域性集聚演化全球供应链缩短，企业垂直一体化进程加快51.9631.7326.3925.1822.90 19.2316.1110.339.87美国本法国德国英国韩国中国印度巴西2019年各国制造强国指数中质量效益分项数值中国程院战略咨询中2020中国制造强国发展指数报告显，我国

10、制造业发展的质量效益与发达国家差距明显，其中利润率偏低是我国制造业发展的核痛点。我国业转型升级迫在眉睫。同时，国际环境趋复杂，全球科技和产业竞争更趋激烈，国战略博弈进步聚焦制造业，美国“先进制造业领导战略”、德国“国家业战略2030”、本“社会5.0”和欧盟“业5.0”等以重振制造业为核的发展战略，均以智能制造为主要抓，图抢占全球制造业新轮竞争制点。埃森哲预计到 2035 年，业因智能化应增加值增速可以提 2.0% 左右，是所有产业部中提幅度最的。“四五”智能制造发展规划提出，到2025年，规模以上制造业企业基本普及数字化，重点业企业初步实现智能转型。我国制造业质量效益尚有提升空间，智能化转型

11、势在必行-3.4-6.3-4.6-9.8 -1.92.3 6.05.02.46.84.68.05.24.3 3.25.03.75.6美国欧元区本英国其他发达经济体中国20202021E2022EIMF 对全球主要国家和地区GDP增速预测（百分比）62022-工业“智能决策”白皮书短期：全球经济滞胀将导致出需求衰退，过热增不可持续前，世界经济整体处于复苏阶段，但受疫情反复的影响，全球产业链的运依然不畅。这时期，中国国内产保持总体稳定，有效填补了全球供需的缺。同时疫情使得全球供给与需求同步下滑，将对出导向型业造成持续影响。疫情之后，我国经济以制造业产的超强恢复为第特征，供给端不但未受明显冲击，业产

12、的增速度连续明显超出疫情冲击前，显现“产过热”的格局。疫情影响下，外需缺拉动的增使中国成为全球主要经济体中业产恢复最强的国家，海外过度的货币政策引发的滞胀危机，将会在未来共振式收缩，过热的市场需求受到抑制，出增速将幅降温。业企业应对短期需求变化需要有更前瞻的战略布局。中国工业生产稳步复苏，显现“生产过热”格局2020年下半年2021年上半年，我国业增加值、制造业增加值两年平均增速达到6.5%，2019年这两项增速分别仅为5.9%、6.0%，表明疫情后产恢复提速扩张的程度。国内工业市场供需稳定，出口需求预测衰退中国出口同比及2022年三年平均增速预测21-717-1 17-7 18-1 18-7

13、 19-1 19-7 20-1 20-7 21-1中国工业生产指数500100015000预计2022年我国出三年平均增速在2019年低基数的影响下可能幅上，但全年同增速在今年30%左右的增之后可能迅速回落4.5%左右，这意味着出对于我国业产和经济增的拉动作或将不可避免的降温。国家统计局数据显，近5年来我国业产指数趋于稳定。但对2021年以来业产短期强需要需求端的持续拉动，2020-2021年业品需求呈现外需强内虚弱的格局，预计2022年外需回落，出与国内消费需求再平衡是2022年中国经济的主线逻辑之。短期来看，在需求端的明显变化，促使业企业加速进前瞻性的布局，通过转型升级帮助企业在业竞争中占

14、据有利地位。数据来源：申万宏源研究虎变2022年宏观经济展望数据来源：国家统计局、申万宏源研究虎变2022年宏观经济展望6002010-1018/0319/0320/0321/0322/030出口三年平均增速及预测 （%， 美元计价， 右）出口同比及预测 （%， 美元计价）中国与美欧日英工业生产两年平均增速（%）72022-工业“智能决策”白皮书卡奥斯引擎（COSMO Business Best Practice）知识图谱 Knowledge GraphAIConfig（画像、产参数、艺参数、设备参数、环境参数）数字空间 Digital Space业互联引领企业进质量发展

15、阶段业互联是新代信息通信技术与业经济深度融合的新型基础设施、应模式和业态，通过对、机、物、系统的全连接，构建起覆盖全产业链、全价值链的全新制造和服务体系，为业数字化、智能化发展提供了实现途径，是第四次业命的重要基。概念内涵与外延当前，业互联融合应向国经济重点业泛拓展，形成智能化制造、络化协同、个性化定制、服务化延伸、数字化管理五种典型应模式，赋能、赋智、赋值作不断显现，有地促进了实体经济提质、增效、降本、绿、安全发展。海尔作为中国最早探索数字化转型的企业之，具备坚实的数字化、智能化基础，2016年推出卡奥斯COSMOPlat业互联平台，基于在家电业的最佳实践，跨业、跨领域输出智能制造和数字化转

16、型解决案，现已成为覆盖7领域、15个业、全球20多个国家和地区的智能制造和数字化转型解决案基础平台，具有很强的代表性。卡奥斯COSMOPlat在包含IoT层、IaaS层、PaaS层、SaaS层的通架构下，通过部署新型络基础设施，并全线贯穿标准标识体系和平台安全防护能，构建起强的业互联平台态。Devops平台机理模型平台BI平台AI平台志监控预警标准标识体系安全防护体系业机理模型InduMachi ModelCDN运维类开发类应类数字化管理规模定制IoT器环境采集器摄像头.存储络虚拟机裸属基础类业APP业品采销消费品定制SaaSBaaS机端平板端桌PC端API 开发者政府企业消费者员智能关+安全

17、管理边缘治3D组态RFID云端设备管理SDK湿度传感器边缘计算管理容灾备份IaaSPaaS络存储虚拟机数据库标识解析区块链机器学习数字孪体Digital Twin平台家电装备电化汽模具建材农业服装品旅采购利智能、云计算、数据等技术，在包含IoT层、IaaS层、PaaS层、SaaS层的通架构下建业互联平台，通过部署新型络基础设施，并全线贯穿标准标识体系和平台安全防护能，将重塑企业形态、供应链和产业链模式，构建业新态。安全为保障数据为要素网络为基础平台为中枢基础设施应用模式工业生态工业生态应用模式基础设施重塑企业形态、供应链和产业链的业新态互联、数据、智能与实体经济深度融合的应模式业数字化、络化、

18、智能化转型的基础设施资料来源：IDC业互联态书工业互联网为产业发展延展新空间工业互联网平台体系架构以卡奥斯COSMOPlat为例资料来源：卡奥斯82022-工业“智能决策”白皮书业互联是实现智能制造的重要抓，双碳标倒逼加速转型新轮科技命为实现智能制造提供技术准备，业互联建设是实现我国智能制造重要途径。“四五”业绿发展规划提出，到2025年，业产业结构、产式绿低碳转型取得显著成效，为2030年业领域碳达峰奠定坚实基础。因此，“四五”期间成为能源结构转型关键期，双碳标将倒逼业企业加速转型，在这关键五年找到之有效的转型法将赢得未来先机。数据来源：BP世界能源统计年鉴、爱分析研究绘制锻板：聚焦优势业占

19、据产业竞争制点。补短板：针对业基础领域实施好关键核技术攻关程。强企业：分层打造“专精特新”中企业群体。智能制造业互联中共中央政治局就推动我国数字经济健康发展进第三四次集体学习指出：要站在统筹中华族伟复兴战略全局和世界百年未有之变局的度，阐释数字经济对于我国发展的重要性及意义，业的柱性决定了业互联转型升级过程的重要性必要性。业互联是重要抓提优质企业主创新能促进提升产业链供应链现代化平引导优质企业端化智能化绿化发展夯实络基础加快业互联平台建设提升平台运营能提升产品与解决案供给能强化安全保障构建信息安全、功能安全和物理安全强链补链实现路径重要抓手目标氧化碳总排放量碳达峰是碳中和的基础和前提，达峰时间

20、的早晚和峰值的低直接影响碳中和的实现时和实现难度。氧化碳具有很的命周期，所以“十四五”是实现2030年碳达峰目标、调整能源结构转型的关键期，这将倒逼工业企业加速转型。2030年，单位国内生产总值二氧化碳排放比2005年下降65%以上碳中和碳达峰203020452060阵痛期202120252025年，单位国内生产总值二氧化碳排放比2020年下降18%关键五年转型法赢未来先机第四次科技命成为技术准备5G以5G、云计算、数据智能等信息技术为代表的第四次科技命，将助业企业提升产。新轮科技命和产业变与我国加快转变经济发展式形成了历史性交汇，第四次科技命为业互联数字化、智能化建设提供坚实技术撑，是实现中

21、国制造业跨越式发展的重要基础。人工智能物联网云计算大数据区块链单位业增加值氧化碳排放降低18% 碳排放强度持续下降 能源效率稳步提升规模以上业单位增加值能耗降低13.5%2025年主要目标“四五”能源结构转型关键期92022-工业“智能决策”白皮书业互联成为赋能企业增的重要量据中国业互联研究院数据显，业互联对我国GDP产巨带动作。其中，2021年业互联带动制造业增加值预计达到1.68万亿元。与此同时，业互联产业增加值规模将突破4万亿元，成为促进我国经济质量发展的重要量。业互联核产业增加值在2017年-2020年期间超过93%，年复合增率达24.6%。三年时间，业互联核产业增加值实现近倍增。资料

22、来源：中国业互联研究院中国业互联产业经济发展书（2021年）工业互联网拉动GDP作用明显，赋能企业增长工业互联网“综合性+特色性+专业性”的平台体系基本形成络体系不断成熟。质量外连接超过 18 万家业企业，部分省份已实现业互联外所有地市全覆盖以及业园区覆盖。数据体系持续完善。数据是业互联的核要素，结合业知识和业机理，满制造业千百业的需求。业互联运的数据来源于“研产供销服”各环节、“机料法环”各要素，通过对数据的采集、流通、汇聚、计算、分析，促进数字化转型，打造数字化、络化、智能化的基础。安全体系发挥作。全国业互联安全态势感知平台全建成，通过监测预警、应急响应、检测评估、功能测试等段解决设备、控

23、制、络、平台、业 APP、数据等多络安全问题，确保业互联健康有序发展。70+家100+家20202021有影响力平台数量4000万7000万20202021连接工业设备数量25万59万20202021工业APP数量业互联平台建设蓬勃发展，2021年业互联链接业设备数量实现近翻倍增，在两化融合的基础上推动业企业在数字化、智能化更范围、更深程度、更平上融合发展，成为继移动互联之后最的经济机会。IDC预计2025年中国业互联带动的经济规模将突破万亿美元。CNNIC发布中国互联络发展状况统计报告显，我国业互联发展初具规模，业互联体系呈多层级全蓬勃发展的态势。当前我国“综合型 特型 专业型”业互联平台体

24、系基本形成，具有定业和区域影响的平台超过100家，平台赋能效应进步显现。亿元10708.7112408.81375314878.5516808.5315.88%10.83%8.18%12.97%0.00%2.00%4.00%6.00%8.00%10.00%12.00%14.00%16.00%18.00%02000400060008000400000202021E工业互联网带动制造业发展情况产业增加值规模名义增速资料来源：中国互联络信息中，爱分析整理绘制3372亿元6520亿元20172020E工业互联网核心产业增加值CAGR24

25、.6%102022-工业“智能决策”白皮书拥抱变：智能化是业互联建设的必由之路业企业的数字化建设与智能化建设呈现螺旋上升的态势，其中智能化建设是业互联建设的价值“C”位。智能决策是业互联价值实现的关键，并正在帮助领先企业获得持续速发展的能。智能化帮助企业更“聪明”的核心价值体现在决策环节。“22022-工业“智能决策”白皮书12工业互联网产业增加值业互联发展路径清晰，智能化成为增核驱动引擎资料来源：国家统计局、中国信息通信研究院，爱分析研究绘制1993年中国正式启动了国经济信息化的起步程“三程”1994年我国第家MRP企业成2012年业互联概念次提出，为业数字化、络化提供了实现途径2017年国

26、务院关于深化“互联+先进制造业”发展业互联的指导意指出，业互联是连接业全系统、全产业链、全价值链，撑业智能化发展的关键基础设施2021年业互联产业的增加值规模将突破4万亿，成为推动我国经济发展的重要量2000年我国提出要以信息化带动业化，新型业化道路2015年信部发布国务院关于积极推进“互联+：动的指导意，促进互联与产业的融合；中国制造2025发布，明确了制造业智能化、互联+的发展向2018年业互联标识解析国家顶级节点在湖北省武汉市东湖区正式宣布启动建设。2011年“五”推动业化与信息化深度融合，形成全业覆盖、全流程渗透、全位推进的发展格局以现代通信、络、数据库技术为基础，数据开始成为关键产要

27、素在信息化的基础上，通过进步数据治理构建互联互通的业数据体系，进步提升产平智能技术与业场景、机理、知识结合，以模仿或超越类感知、分析、决策等能，实现设计模式创新、产智能决策、资源优化配置等创新应信息化数字化智能化2015年两会政府作报告，国内次为业互联建设提供顶层设计，业互联创新发展动计划（2021-2023）中明确将发展智能化制造摆在新型模式培育动中的要位置。预计2021年业互联建设带动的产业增加值规模将突破4万亿，成为推动我国经济发展的重要量。 2018年智能化建设开始在领先的工业企业渗透第二产业增加值2022-工业“智能决策”白皮书新品优化适应力资料来源： acatech STUDY I

28、ndustrie 4.0 Maturity Index、埃森哲、爱分析研究绘制自动化业互联建设路径装备动化信息化网络化智能化软件系统应CRM、SRM 设备、系统、数据互联互通工业4.0成熟度指数埃森哲智能制造“新四化”理论设备层产层产业层企业内企业间柔性供应排产排程需求预测智能仓储物流优化资源匹配智能化信息化数字化核制造环节智能优化与决策协同运营差异定价艺优化.工业3.0计算机化连通性可视化透明性预测力 业3.0时代强调在设备层实现装备动化，通过信息化软件系统等应实现设备连通性业互联发展路径是从信息化、数字化向智能化，相应地，智能化是业企业在业互联赋能下向转型升级的阶形态。当前，我国业正处在由

29、数字化向智能化发展的重要阶段，智能化在信息化与数字化建设的基础上，通过智能技术实现了从数据到信息、知识、决策的转化，挖掘数据潜藏的意义，摆脱传统认知和知识的边界，为企业提质增效、释放产潜能、实现企业收益最化提供有效撑，成为业互联建设价值的核。智能化是业互联建设的价值“C位” 业4.0时代，在信息化与数字化、络化建设中需要实现多设备、多产线数据互联互通，实现业务数据等可视化穿透业务运情况，增强产透明性 通过智能化建设实现业务预测、产主响应，实现智能优化与决策转型132022-工业“智能决策”白皮书数字化与智能化建设螺旋上升理论数字化与智能化相互融合智能化不是数字化建设量变引起质变的结果。数字化的

30、颗粒度与深度是个持续细化与加深的过程，智能化在其中不断渗透，者并完全独，是相互融合。数字化完成没有明确的界限，企业并先将数字化能全建成，再开始智能化建设。数字化与智能化能相互叠加，不断扩价值创造的“底盘”数字化基础越好，智能化产的价值与影响就越。即使是很的智能化落地场景，也可能四两拨千，深度挖掘出企业数据资产的价值。数字化与智能化建设相辅相成，螺旋上升数字化是智能化的基础，数据和信息的互联互通是切应的前提条件。智能化平的发展会对数字化基础提出新的要求，倒逼数字化能提升。数字化能进新境界能够辅助实现更多智能化场景的落地。在业互联建设中，通过信息化、数字化建设发现业务场景智能化需求；另，信息化、数

31、字化为智能化建设提供数据基础。通过智能化建设企业可以发现信息化、数字化不，补充缺失数据有利于“解锁”新的智能化场景，放数字化建设价值，在数字化与智能化建设螺旋上升的过程中，不断挖掘业数据隐藏价值，释放企业价值潜能。需要的数据：历史销售数据（品类、季度销售数据，直销/渠道商数据）业数据政策数据.按订单产模式下企业以需定产，只有更精确的产计划才能更好指导整个供应链的资源调配，因此需求计划是后续所有智能化应建设的核。典型制造企业数字化与智能化建设过程示例图数字化建设与智能化建设是螺旋式上升的过程发现缺少经销商数据，造成预测结果准确度欠佳解锁智能化场景库存管理生产计划解锁智能化场景库存管理生产计划需求

32、预测更精准数字化能力补强应用建立经销商系统管理经销商数据智能化建设需求预测智能化建设需求预测数字化效果价值推动产生智能化需求数据基础应用ERP系统留存企业财务数据和主要经营数据142022-工业“智能决策”白皮书数字模型智能化的价值核是智能决策资料来源：中国信息通信研究院，业互联产业联盟业互联体系架构（版本2.0）业智能书业互联智能化体现在感知控制、数字模型、决策优化三个基本层次，基于海量业数据全感知，通过端到端的数据深度集成与建模分析，实现核环节智能优化与决策，由下上的信息流与上下的决策流共同构成了应优化闭环。以智能决策为核的决策优化是业互联智能化的“脑”，最化发挥业数据的价值，成为业互联价

33、值实现的关键。设备层生产运营层产业链层物理空间数字空间业知识智能化艺管理检测维修产能管理产运营智能化物流计划库存计划产计划产业链协同智能化产品研发定价策略上下游协同工业互联网数据功能原理感知控制决策优化信息流决策流感知控制执识别服务管理数据模型数据管理业模型感知控制层是业互联智能化的“手”，构建业数字化应的 底层“输-输出”接决策优化层是业互联智能化的“大脑”，聚焦数据挖掘分析与价值转化，形成业数字化应核功能数字模型层是业互联智能化的“骨骼”，强化数据、知识、资产等的虚拟映射与管理组织，提供撑业数字化应的基础资源与关键具指导分 析描述诊断预测152022-工业“智能决策”白皮书智能决策正在帮助

34、领先企业获得持续速发展的能资料来源：红杉中国2021年调研报告；埃森哲研究院2021年跨越发展、领军未来调研； 肯锡2018年Notes from the AI Frontier: Insights from Hundreds of Use Cases1%10%18%19%22%31%35%42%48%58%0%20%40%60%80%其他机器设备性能优化提升产品研发效率险动识别成本控制与资源优化业务流程优化画像智能营销运营分析与优化辅助管理层决策潜在价值（万亿美元）智能技术产生价值1.2-2.0供应链及制造管理3.6-5.6总价值智能技术产价值根据调研显，智能技术将带给供应链管理和制造环节1

35、.2-2.0万亿美元的新价值。通过实施智能化的决策机制将帮助端到端的供应链更有效地降低成本，提产效率。智能化决策机制释放新的价值空间5003003504004505002015年2020年2023年20xx年后进企业与领军企业之间的收差距进步扩后进企业与领军企业之间的收差距进步扩后进企业领军企业2倍于后进企业的增指数倍增收/亿美元2021年向4,300位管的全球调研，中国领军企业凭借强的成熟度的系统和创新出例，极地提升了增速度，未来领军企业相后进企业将呈现指数倍增。领军企业对技术的投入和应用助力企业快速增长智能决策成为企业最关注的大数据应用场景智能决策可以为企业带来新的运

36、营式，在决策机制上降低对的依赖，从显著提企业的收益增速度，提升企业成空间。管理层最关的数据应场景多数都可以使智能决策技术进赋能，未来通过智能决策机制可以在供应链及制造管理释放的价值空间达1.2-2万亿美元。向16个细分业的222家企业CIO的调查，调查结果显，“辅助管理层决策”已成为企业最关注的数据应场景，利数据分析技术提企业决策能成为企业数字化管理者的根本需求。162022-工业“智能决策”白皮书寻求突破：智能决策时代已然到来企业端诉求、技术变与基础设施完善共同推动智能决策时代到来，运筹优化与机器学习成为智能决策的两关键核技术。前，智能决策已经渗透进企业经营、公共服务、个活等。到 2023

37、年 ， 超 过 33%的型机构将采智能决策的实践 。“32022-工业“智能决策”白皮书描述诊断指导业务价值通过数据分析建模，由系统直接给出能达成预期业务标的动案典型应用：智能决策系统通过数据分析，发现业务现象背后的原因，实现业务可诊断典型应用：大数据平台通过数据采集和展，描述业务正在发什么，实现业务可视化典型应用：数据大屏辅助决策智能决策（增强决策&动决策）系统在决策中的传统的业务决策依赖于业务规则和专家经验，从决策到智能决策经历了期的发展过程。随着数据科学和智能技术的发展，系统基于“数据+算法” 可以在决策中实现越来越重要的价值。根据系统在决策中扮演的，可以分为系统辅助决策、系统增强决策、

38、系统动决策个阶段，业务价值逐步增强。企业端诉求、技术变与基础设施完善共同推动智能决策时代到来。Gartner预测，到 2023 年，超过 33% 的型机构将采智能决策的实践 。基于数据分析提供描述、诊断，为类作出决策提供持增强决策：系统基于数据分析直接提供关于决策的建议自动决策：系统直接作出最终决策，由类对结果进监督和审查资料来源：爱分析整理绘制预测通过数据分析，判断业务未来可能会发什么，实现业务结果可预测典型应用：机器学习平台企业端诉求、技术变与基础设施完善共同推动智能决策时代到来18企业端诉求：精细化运营与决策复杂度提升经济新常态下，精细化运营成为企业增的关键动，对业务决策的质量提出了更的

39、要求。消费和产业互联带来决策要素增和关联性增强，市场环境快速变化，使得业务决策变得更加复杂，经验愈发难以应对。据Gartner 2021 年调查，47% 的受访者表，他们的决策在未来 18 个内会变得更加复杂。技术变革：大数据和人工智能技术的突破以数据分析、智能为代表的技术应迎来突破，尤其是数据、算法和算的发展，并与运筹优化等技术相结合，为智能决策提供了更加成熟的技术可性。基础设施：数据基础趋于完善随着信息化和数字化建设的推进，企业普遍具备了定的数据基础，更多业务数据可采集、可分析，为数据驱动的智能决策提供了必要条件。2022-工业“智能决策”白皮书?智能决策是组织或个人综合利用多种智能技术和

40、工具，基于既定目标，对相关数据进行建模、分析并得到决策的过程。该过程综合约束条件、策略、偏好、不确定性等因素，可动实现最优决策，以于解决新增时代益复杂的产、活问题。“192022-工业“智能决策”白皮书智能决策流程意图资料来源：爱分析研究绘制数据大屏数据治理数据可视化智能决策vs传统决策传统决策智能决策分钟级速计算，实时更新决策结果，并可通过模拟仿真进情景分析经验法有效标准化和量化，决策过程不清晰，不能形成数据积累不清晰脑计算有限，对于复杂问题不能全局考虑，简化处理容易顾此失彼效果差决策费时费，对于不断变化的需求和环境因素难以作出快速评估和有效应对难应变基于数据和业务规则进决策，过程标准化，可

41、回溯，决策法和结果可以积累传递更透明利数学建模和运筹优化算法全局考虑问题，筛选所有可案输出最优结果更优化更敏捷智能决策流程示意图将实际问题中的决策标的、约束、偏好以及标转化为数学模型，是将决策问题与智能化段和法进衔接的关键环节。在已经建好的模型基础上输数据，利机器学习、运筹优化等技术，对模型进效求解。运筹优化 机器学习、深度学习、强化学习、迁移学习智能技术求解器、机器学习引擎 智能决策工具决策标的、约束、偏好、标实际问题建 模求 解决 策抽象为数学表达模型变量、条件、函数自动输出优化算法数据输入制造业典型问题为例决策标的：紧急插单计划约束条件：产线产能限制物料供应限制生产偏好：产稳定生产目标：

42、满足订单实际问题抽象为数学表达业务部门历规则加周期库存加计划需求中期周计划计划班次计划缺料影响计算数据中台建模求 解决 策设备仪器信息企业资源计划（ERP）仓库管理系统（WMS）运输管理系统（TMS）订单管理系统（OMS）输入企业信息数据自动输出求解器机器学习引擎智能决策工具管理层输出辅助决策202022-工业“智能决策”白皮书智能决策的关键技术主要包含机器学习技术、运筹优化技术等多种智能技术。机器学习技术通过强化学习、深度学习等算法实现预测，通常需要量数据来驱动模型以实现较好的效果；适于描述预测类场景，如销量预测。运筹优化技术基于对现实问题进准确描述刻画来建模，通过运筹优算法在定约束条件下求

43、标函数最优解，对数据量的依赖性弱，结果的可解释性强；适于规划、调度、协同类问题，如员排班、补配货。智能决策的关键技术：机器学习与运筹优化机器学习算法助力智能决策的数据分析和预测能力线性规划(LP)运筹优化技术助力智能决策的规划求解能力数据依赖模型类别算法类别机器学习+运筹优化：技术的结合有效弥补了彼此应用的局限性，更好地服务于智能决策速度和质量的提升取长补短速质提升数据处理（机器学习为主）问题描述（运筹优化为主）+在逻辑侧对问题进理解及分析进建模（运筹优化），在数据侧对起因及结果的记录乃预测（机器学习），两者构成了现实业产中解决问题的要件，但各均存在不同程度的局限性，因此需要取补短来共同服务于

44、决策速度和质量的提升。特征局限性在有量数据基础的条件下，机器学习通过对巨量数据的学习和分析来预测未来容易忽视对问题本的逻辑描述，使得结果不可解释或失真 约束条件线性 例如：路程-速度-时间问题 结果数值连续，不离散 结果值不连续 例如：是/否问题、个数问题 约束条件线性 例如：抛物线 结果数值连续，不离散 结果值不连续 例如：是/否问题、个数问题机器学习是多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多学科，专研究计算机怎样模拟或实现类的学习为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善的性能。在智能决策领域，机器学习、深度学习、强化学习主要应于数据识别、分

45、析与预测。智能决策所涉及的机器学习算法主要有：机器学习、深度学习、强化学习资料来源：爱分析整理绘制机器学习强化学习深度学习100100X+Y0100X,Y仅可能为整数100maxX +Y 10022单纯形法内点法沿着有效域（约束条件）外侧寻找最优解从有效域（约束条件）内部向外发散寻找最优解其他算法分定界法启发式算法阶优化等模型依赖特征局限模型的可操作性需验证在多重约束条件下，求解器使相关模型对问题进拟合，通过算法得出最优解线性规划(NLP)混合整数线性规划(MILP)混合整数线性规划(MINLP)212022-工业“智能决策”白皮书实现智能决策的开发与部署，需要通过求解器

46、对运筹优化模型进算法优化和求解，机器学习引擎对机器学习相关算法的敏捷开发。尤其是在求解器领域，IBM等国外厂商处于先发和领先地位，在2017年前我国在此项领域长期处于技术空白。作为撑我国业智能决策发展的关键核技术，在主可控的背景下，拥有主知识产权的求解器对于中国业智能化建设分重要。近年来，杉数科技、中科院、阿里、华为等企业和机构陆续研发并发布了国产求解器。求解器与机器学习引擎撑智能决策效准确实施资料来源：爱分析整理绘制复杂棘手的业务问题转化为数学模型在多种可能的解决方案中最佳解决方案求解器智能决策的“计算芯片”在国际贸易摩擦的背景下，我国制造业在数字化转型过程中临技术“卡脖”的险，掌握核技术越

47、来越重要且紧迫。国内企业需要寻找技术领先的合作商的同时，合作稳定性和安全性，应放在极其重要的位置。近年，国内企业纷纷开始了业级别求解器的研发，杉数科技、阿、华为均陆续研发并发布了求解器产品。拥有国内主知识产权的求解器为业发展提供了重要的国产替代案。优化标提升决策效率 22.5%提营收 12.5%降低成本 47.5%优化资源配置 17.5%数据来源：杉数科技，COPT商业使的分析国内求解器发展为国产替代提供解决方案求解器机构解决问题次发布时间国内MINDOPT阿巴巴2020年8OptVerse华为2021年10COPT杉数科技线性2019年5CMIP中科院2018年3LEAVES杉数科技上海财经

48、学2017年10整数阶锥线性线性线性求解器机构国别特国外CplexIBM线性+整数XpressFICO线性+整数+线性Gurobi独公司线性+整数+线性SCIPZIB研究所整数美国美国美国德国国内外主要求解器横向对整数半正定何规划概念原理求解器是于求解运筹优化问题的底层专业计算软件，能够针对多种运筹优化模型进算法优化和求解，是实现智能决策的“计算芯”。机器学习引擎高效开发机器学习引擎是进机器学习开发与应的系统框架，是机器学习开发的具。通过具组件、开发套件、预测部署等集成包实现算法选择，参数调整，训练部署、管理监控从效开发。缩短开发时间降低开发难度削减使成本现实效果国内外主流机器学习引擎桨百度持

49、超规模模型训练Angel腾讯擅稀疏数据维模型训练MindSpore华为Tensorflow歌PyTorchFacebook使基于源码转换的动微分开发者社区最持基于动态计算图转换的动微分222022-工业“智能决策”白皮书“卡脖”难题的关键突破，国内求解器发展历程可以将复杂商业问题“通盘考虑、统筹优化”的数学规划求解器，期处于国外技术垄断状态，早期国内求解器发展缓慢。2017年10，杉数科技与上海财经学共同发布国内个求解器开始，中国在求解器领域的探索开始快步迈进。2019年5，杉数科技发布国内个达到世界流准的线性规划求解器COPT，并在此基础上陆续推出整数规划求解器、阶锥优化求解器，不断推国内求

50、解器技术平。近期，也有阿巴巴达摩院推出线性规划求解器MINDOPT，华为发布线性规划求解器OptVerse，此互联及科技领军企业也开始全进求解器的研发阶段。资料来源：爱分析整理绘制国内求解器研发历程2017.102018.32019.52021.62020.82020.102021.92021.10 杉数科技联合上海财经学共同发布开源求解器LEAVES 中科院数学所发布学术性整数求解器CMIP 阿达摩院发布线性规划单纯形求解器MINDOPT，性能达到世界一流 华为发布线性规划单纯形法求解器OptVerse，性能达到世界一流 2019年5，杉数科技发布中国首个商用求解器COPT 可求解线性规划（

51、单纯形法），性能达到世界一流 2020年10，杉数科技推出中国个线性规划内点法求解器，性能达到世界流 2021年6，杉数科技发布中国首个工业级整数规划求解器，性能达到世界流 2021年10，杉数科技发布中国首个商用二阶锥求解器，性能达到世界流中国首个大规模商用求解器推出线性规划内点法求解中国首个工业级整数规划求解器中国首个商用二阶锥求解器 在通信、能源、军事、电、航空等领域，出于保障国家重要数据安全的的，具有主知识产权的优化求解器和运筹优化算法平台不仅具有极的商业价值，更具有可估量的社会价值。 前我国在线性规划求解器领域中已经拥有成熟的国产化替代案。232022-工业“智能决策”白皮书收益管理

52、 价格诊断 产品周期管理运营需求预测库存优化仓储优化产销协同生产排产排程产艺优化良品率检测设备预防性维修设备智能运维艺参数优化智能决策应用场景地图从公共服务、企业经营到个活，智能决策已经渗透越来越多的业，赋能更多的场景，改变产活的。从赋能价值维度来看，不同场景各不相同，公共服务侧重保障，企业经营注重提产效率实现业绩增，在个层更能强调智能决策对活品质和便捷性的提升。价值资料来源：爱分析整理绘制第一产业第二产业第三产业选种鉴别预测灌溉农事操作决策肥药使决策产量预测.企业经营个人生活动驾驶、智能导航、营养摄指导公共服务公共服务保障增强国防安全企业经营提升产效率降低成本损耗实现业绩增个人生活提升活品质

53、增强便捷性制造业电、热、燃气及水生产和供应 机组组合优化 电（油）调度优化 多样性能源管理 管道络优化投资 智能投顾 频交易决策保险 智能核保/核赔 智能定损借贷 智能催收 险管理金融航空 航班规划 智能恢复航空调度 任务派遣空勤排班物流交通运输需求预测 趋势洞察 销量预测补货 选品优化 多级库存补货仓储 理货案优化 任务调度优化门店管理 店执 促销案消费品与零售服务络规划 市政资源调度 应急响应 交通优化 军事作战仿真医学影像诊断、患者需求预测医疗内容偏好预测互联网地物料管理优化建筑业采矿业在线监测预警产过程控制轨道交通 智能运维 智能检修智能决策应场景地图 系统运优化 交易市场 油供应链优

54、化 智能运价 智慧路由 AGV路线优化及实时调度 仓储及配送中选址优化 港资源调度 运输路径规划 反欺诈24 资产定价2022-工业“智能决策”白皮书资料来源：对杉数科技等智能决策商的调研智能决策平台根据不同的功能需求，具象化成为多种功能模块供企业选择和使。各细分业头企业已经抢先进智能决策能建设，业务价值显著，部分企业已实现智能决策在产供销全流程渗透。化化化化3C3C汽汽配采矿航空港物流物流物流物流商业零售零售零售3C3C零售零售3C物流物流钢铁钢铁融家电轻纺服饰医疗融化融领先企业抢先实践智能决策场景应，业务价值提升显著功能类型典型场景类型企业经营与供应链计划运输优化决策智能制造决策智能决策平

55、台基础设施运营需求计划库存计划调拨计划产计划排程排序物料计划运输计划调度优化补货计划产销协同资源调度低碳优化订单履约路径优化智慧交通能源优化定价管理新品投放促销计划客画像智能营销决策已经进智能决策应的代表性企业252022-工业“智能决策”白皮书实践探索：智能决策实现业互联价值倍增业企业通过智能决策技术实现向设备、向产、向运营、向产业链全场景赋能。业智能决策最佳实践案例表明，智能决策已经帮助领先企业实现业绩突破与业务变。智能决策将帮助企业实现业务跨越式变“42022-工业“智能决策”白皮书智能决策在业领域典型场景实施路径本书重点探讨业领域的智能决策应。在业领域，智能决策的典型应场景可以分为面向

56、设备、面向生产、面向运营（市场/销售/生产/供应链）、面向产业链四。企业建设智能化的实施路径可以先从最核的产环节切，同时打通端到端供应链，以及增强设备监控管理，再横向拓展到产业链上下游协同创新。面向产业链典型场景 特殊艺反应提升产出 优化产品产出质量相关 损坏预测 预测性维修设备预测性检修上下游协同计划分配 同产线、多型号混最能 同型号、跨产线的最能限制 模具型号、数量，维修限制执追踪 批次追踪 原料锁定 供应商管理急单加产 紧急订货要求 原材料供应问题 临时排放受限间产 考虑库存 考虑订单/预测 产能损失向产向设备艺参数优化 产供协同 产销协同价格协同 差异定价供应链融 差异信贷新品优化 定

57、位新品需求向运营需求预测 常规单品预测 促销预测 尾品预测 新品预测库存优化 多级库存优化 安全库存位 库存位预警 补货优化产销协同 需求/供给匹配分析 多场景模拟和KPI分析 预计交期答复 产能缺分析仓储优化 仓内布局优化 库上架策略 出库拣货任务分配 AGV智能调度运输优化采购计划产计划主计划库存计划调拨计划补货计划需求计划销售计划促销计划选品计划拜访计划预测性检修 艺参数优化协同产 价格协同 新品优化 供应链融产环节设备控制打通端到端供应链产业链协同实施路径 线运输优化 城配运输优化 运输费率优化资料来源：爱分析研究绘制272022-工业“智能决策”白皮书智能决策在业领域典型场景向设备智

58、能决策向设备的应是通过传感器、摄像头等进设备状态数据采集，再基于机器学习、深度学习、运筹优化等技术，进数据分析、建模，找到各种参数之间的对应关系，并在实践中不断提升算法准确度，实现视觉识别检测、参数优化、设备检修等应。其中智能决策中运筹优化技术的使，可以与产计划联动实现更合理的维修时间窗安排，实现更效的维修资源调度。通过机器学习引擎的建模型，对产艺参数进动优化，减少花费量的和物，实现特殊艺反应提升产出，优化产品产出质量。传统式将计算机视觉应于对零件表常的裂纹缺陷的动监测中，具有准确度、速度快、检测结果客观、较低成本等特点。根据设备部件状态及其相应的预估剩余循环寿命，进维护作范围评估，确定需要进

59、的维护任务及相应资源，结合计划作包任务安排及基地整体维修资源，进合理的时间窗安排。VS智能决策式视觉识别裂纹检测艺参数优化依赖于的主观观察和判断检测产缺陷，在批量产检测中效率低下、且标准不统、容易误判。基于试验、数值模拟或专家知识进，成本、效率低。由于型装备内部部件之间的复杂联系运，传统故障诊断式对单设备或者系统进分析很容易出现误诊或者漏诊，且很难预测设备故障的发时间。分析/识别建模找到参数之间的关联性及最佳匹配关系获取数据（传感器等）指导设备运故障诊断与预测性检修部件状态监控（实时获取运参数）维修任务/时间窗技术评估剩余寿命预估构建运参数与维修案之间的关系特征采集（摄像头等）AI算法训练不断

60、提升判断准确率VSVS资料来源：爱分析研究绘制设备状态实际调整计划工作包需进行维护使用期窗口期使用期维修资源窗口282022-工业“智能决策”白皮书传统排产模式订单1订单3订单2订单1订单2意向单意向订单计划结束时刻意向单 产计划排程模块可以根据当前的物料能及资源能，在对当前计划影响最的情况下对意向订单进模拟排程，从准确回答客订单交货期。极增强企业快速应对市场的能智能决策向产环节的排产系统是对业企业的赋能核，是从全局优化的视对资源进合理调度，即对各类产要素的使进优化。相于传统排产模式，智能决策产销协同系统在主产计划与级排产排程间，加采购计划、物料套计算模块，不仅可以指导期采购备货，且可以进需求

61、波动监控，确保产套，进指导合理安排产。同时智能决策产销排产系统能够及时应对突发情况，通过模拟排程得出最佳案以效满插单需求，提升企业敏捷响应的能。原排产模拟排产作业层计划：结合需求、产能、物料等约束，协助排产计划的决策。战术层计划：确定在现有资源条件下所从事的产经营活动应该达到的标，如产量、品种、产值和利润。作业层计划：紧急订单的快速响应。作业层计划：根据产实际情况，结合序、艺要求，确定产经营活动的安排。按订单产紧急插单采购计划（MRP）物料套计算（IPS）单维度产计划智能决策产销协同排产模式主产计划（MPS）级排产排程（APS）整体资源法统筹平衡计划成及调整效率低下法有效应对急单插单需求，严重

62、影响产计划的前瞻性和稳定性线下收集效率低，信息容易不匹配且法成实时信息在智能决策的加持下，采购计划和物料套计算作为约束因素得以被考虑在内，使得企业能够从全局出发制定更加符合实际的产计划。智能决策提升了企业对紧急插单需求时的敏捷响应能。意向单VS缺点敏捷响应产销协同全局优化资料来源：爱分析研究绘制智能决策在业领域典型场景向产292022-工业“智能决策”白皮书向运营的智能决策能够帮助企业从局部优化到全局优化，通过全局优化视，为企业决策提供核优化模拟能和扩展性。通过需求预测指导采购、产、仓储、运输、销售等环节，实现端到端的联动互通，做到快速协同，避免产环节间的短板制约造成浪费或错失机会，从达到企业

63、经营收益最化。智能决策在业领域典型场景向运营企业效益提升智能1天/即时即时计算最优疏漏全是智能决策优化后的产销协同状态智能运输平台需求预测产销协同智能决策系统需求、库存、产、仓储、运输环节之间的传导表现出机械化、效率差的特点。例如：企业在对市场实际需求骤降时，其他环节法瞬时响应，决策滞后导致产计划调整迟缓，商品滞销，仓储、营销压增。产销协同智能决策系统中包含多个功能模块，分别对应企业实际运营中覆盖的各个环节。各个智能模块之间互联互通，助企业实现全局优化。需求骤降需求预测库存优化产优化仓储优化运输优化 企业借助智能决策段优化了运营过程中的多个环节，再通过产销协同系统实现全局的优化和敏捷响应。 例

64、如：企业在对市场需求波动等不确定因素时，能够在全局视下及时做出联动决策。传统数天/数周数天靠经验有疏漏否少计划排产等待期计划调整、会告周期产排期物料套、产能模具验证持提前采购敏捷产持的快反计划模式例如产销协同智能决策系统资料来源：爱分析研究绘制传统运营仓储脑多级库存联动模块产排产系统智能营销需求库存产仓储运输营销营销优化302022-工业“智能决策”白皮书智能决策向产业链是在打通上下游企业信息流的基础上，实现将产业链上企业整体进各种资源统调配，形成更加深度与效的协作关系。业企业可以通过上下游协同运营进柔性化产，利智能决策技术基于市场竞争进差异化定价，通过消费者数据分析，洞察流趋势与市场需求进新

65、品优化，从在整个供应链系统中匹配最优产资源，同时可以为下游企业提供供应链融服务，提升供应链效率。供应链融原料企业2原料企业1原料企业N协同运营差异化定价新品优化元件制造企业零件制造企业品牌商组装企业经销商消费者企业将上下游的供应与零配件、代都考虑在的整体络中，在加强供应链强度的同时，也在帮助整体上下游产业链完成升级，使得协同决策更加效，上下游企业的产能利和库存都得以发挥最的价值。以核企业的资质作为信担保，对供应链上所有企业的信进捆绑，为供应链中制造、采购、运输、库存、销售等各个环节提供融资服务，评估险等级，实施差异化信贷策略，激活整个供应链的效运转，促进销售增。动态跟踪市场需求变化和客画像，适

66、时推出新品，并协同管理供应链，利数据分析定位新品需求，结合供应链计划系统最优匹配产资源。利智能定价算法，基于市场需求和竞争态势，分析价格弹性以及需求模型，灵活制定价格策略，提升收和利润。资料来源：爱分析研究绘制智能决策在业领域典型场景向产业链312022-工业“智能决策”白皮书细分领域智能化程度呈现差异化发展，多数赛道头部企业已开始将智能决策应于供应链协同、柔性产等环节。从业上看，当前智能决策已经从应程度较的汽制造业、3C电制造业，逐步向机械、钢铁、纺织等业渗透，覆盖离散制造与流程制造典型业。业领域细分业智能化的应概况细分领域头部企业智能决策渗透程度制造类型典型特征细分业典型应流程制造 安全险

67、 流程管控要求 污染重 能耗 钢铁 设备状态检测 绿产 艺优化 供应链协同 化品饮料医药物离散制造 序分散 个性化需求多 同质化问题严重 产品更新快 汽电机械设备纺织服装轻制造 按需定制 研发设计协同 供应链协同 资源调度优化 产制造优化 柔性产 设备状态检测 根据申万级业分类，选取业领域典型细分业分析智能决策发展渗透程度： （左图）业制造按照产类型可分为流程制造和离散制造，因业主要特征不同，所以在其细分业内均有不同程度的应。 （右图）根据2021年9份公布的财务数据，研究对象为业领域主要9类细分业以营收计TOP10企业（共计90家）。智能决策渗透度多品种批量机械设备电钢铁化汽品饮料少品种批量

68、流程制造医药物轻制造纺织服装低离散制造智能决策建设渗透程度细分领域差异明显：汽、电制造在前列资料来源：上市公司年报、爱分析研究绘制322022-工业“智能决策”白皮书整业供应链复杂，受疫情影响与全球产业链分不同，韩与德系零部件制造企业供应链受阻，全球整制造正经历场巨的业变。新能源汽在中国落地开花，传统企纷纷成为新势造品牌代，新型供应链与造态加速形成，主产模式多样需求复杂化。11%17.81%18.71%9.50%17.20%7.72%12.35%5.71%2019年我国整车企业产能利用率范围占比整车企业产能利用率（百分比） 近年来，我国汽销量增乏，整制造业整体产能严重过剩。 整业迈向以需求驱动

69、为主导的新阶段，新能源汽快速发展也在对传统汽供应链进重塑。 从产类型划分，整制造属于典型的离散制造业。 上游拥有数万零部件，对应多层级供应链体系。 供应链的度复杂决定了对整的订单、产、物料进统筹规划的难度。供应链复杂需要精益管理燃油产能过剩，新能源汽产销两旺，主机产需求益复杂注：国际标准普遍认为将产能利率在79%83%之间作为正常值，产能利率低于79%则视为产能过剩。 新型供应态圈以为中，进灵活精准的定制化产。 新型供应态将变传统串联模式为并程，减少中间环节，最限度地提资源配置效率。 产业链上下游在数据流、信息流、现流的输与输出将实现更多触点。新型供应链体系正在变局中形成新能源汽局，产类型复杂

70、化 蔚来、理想等造新势汽商，也为传统企提供了代机会，以帆、江淮等国内汽制造第、三梯队的主解决过剩产能的同时获得纯代订单成为新常态。 相燃油，新能源汽的核零部件，如主要动电池企业和产能，其全球布局更为泛。同时，全球些零部件产业的布局也在逐步向亚洲特别是中国转移。中国已成为新型供应链中动电池主要的供应地之。产能两级分化，新能源汽发展成为最变量资料来源：爱分析研究绘制汽制造业供应态复杂变化，智能决策推动精益管理中游上游机械电钢铁塑料油漆橡玻璃纺织下游物流销售融改装维修备件加油驾培训壳窗厢安全防护内饰件配企机构电器照明空调起动机传动系底盘电电器整发动机曲轴连杆供给系冷却系冷却系驶系转向系制动装置产能利

71、率于80%的企业仅有28.1%332022-工业“智能决策”白皮书汽众汽有限公司是我国第个按经济规模起步建设的现代化乘产企业，产能布局五地六，产品覆盖三品牌共20余款产品。公司混合产线情况复杂，排产难度极，排产耗时低效，法定量分析考虑能耗成本。通过智能决策系统成单成本最低的产计划，有效降低成本的同时提升产能，提升物料筹措过程中的准确率，减少浪费。排产速度慢，加之排产为计划讨论和调整留下充分余地，导致计划平衡周期过，效率极低。p 不全面汽众希望通过智能排产，通过精准需求的计划指导资源筹措，实现成本最化焊装1焊装2涂装1涂装2总装1总装2涂装总装焊装1焊装2焊装1背景需求每年能耗超过18亿元，产成

72、本。汽众混合型产线情况复杂针对对多产线及JPH不同的情况，排产困难度极排产弊端p 低效率p 高成本排产法统优劣标准，全定量分析，同时满产线要求和经济性要求，例如能耗成本在当前排产中不会考虑。 汽众五地六，节约产成本1000万/年/ JPH提升1%，贡献产能1万台 平衡周期5天减少2天，减少设备停产2%，贡献产能5000台 提升管理平：提升型整个BOP需求的精准度，进步提升了产管理的精细程度 提升筹措准确率：提升物料需求的准确率，更好的指导供应商产 降低成本：通过提升需求准确率提升供应满率，降低库存，进步减少筹措过程中的浪费，减少成本效果价值解决案单产成本=（能耗成本=成本+后勤成本）/产量符合

73、约束条件下次单产成本最低的产计划班次信息 销售预测排产周期JPH 需求满产量均衡排产约束满数据输标+排产模式和策略设置策略优化排产结果分析求解器业收益价值转化汽众：智能排产实现单成本最化342022-工业“智能决策”白皮书上汽通：以平准化产排序为纲，实现均衡化物料需求上汽通作为国内头整制造之，在本化发展过程中，国外整信息化具法满国内产制造实际的需要，原先的动作式已经成为制造智能化、精细化的发展瓶颈。为了提产计划效率，迎合国内制造数字化的趋势，该企业通过建设智能排产系统实现了排产和物流优化。上汽通某主机拥有三个间，可同时产五种型。原有的排产和物料计划规则是三个间按照同序列、取最的路径，再按同节拍

74、打散到物料需求。0.020.0JQCP各车型 计划JPHp 线与主线产、级制造计划（JPH和序列）不致p 所有间共个排序计划p 各类物料需求不均衡p 物料实际需求量与预测值有较波动，出现溢库和紧急拉动p 实际物料运输次&装载率波动这些问题导致按艺要求和物流最优制定分间排序计划，确保各间排序计划与实际产规则致优化输出符合各区域产规则的平准&循环排序计划，以达到均衡货量的要求。改进系统功能，实时制造信息采集与跟踪，实现重排序更新单独制定线排序计划，提升线计划与实际产匹配度 整车平准化排产 分车间排序 车身分子线排产整数字化排产系统应让上汽通实现更精准、更效、更均衡的排产标，实现了精细化的物料拉动，

75、降低了物流成本。基于整排产优化项对运输效率的提升，结合各路线/供应商结算模式，预计年化收益达数百万。Inputoutput业务数据汽订单（系-型-配置等）算法数据静态业务约束规则SAP Leadtime约束规则固定算法参数intermediate初始值动态约束算法可配置参数算反简易版产能化成VAPSS输入内部算法模块流转参数业务数据BS序列PS序列GA序列3个间计划下线时间评价指标statistics约束违背统计分析reportVAPSS总输出背景需求解决方案效果收益p 整排产度计划JPH与规划JPH存在较差异在实际产过程中，产了如下问题VAPSS计划拉动物流次运输效率10%均运输管理费7%提

76、升降低352022-工业“智能决策”白皮书“产+供应+仓储+物流”全整合，创造主机全局优化新模式整产装配涉及众多供应商与上万种零件，为保证平稳产，供应、仓储及场物流都临解决复杂约束问题的挑战。通过智能决策技术，将实现“产+供应+仓储+物流”的全整合，从局部优化到全局优化。例如：通过配送路径与运输辆装载率联合优化，助整企业实现产前供应链更深层次的精益管理，达到降本增效的的。业困境初始化次次输出Hub优化算次优化算单TSP算建模求解后处理预处理解决案效果收益保障产稳定，降低仓储积需求使得链路更加通畅调度实现动化，节省成本和运输成本节约场外库积总次与总程数min装载率max可视化次按托汇总，输出次指

77、标产平准化要求： 考虑提卸货的站点顺序，决定在厢内的装箱位置 考虑托盘之间的码放规则，最化装载率单装箱调整成本节约效率提升管理升级标准箱型的智能化拼箱、拼托提卡装载率，降低卡送货频次次路径复杂：装 载 率 问 题：需要平衡各个零件消耗速率与仓储积。辆装载率低，造成资源浪费。场外库数量多，且呈多地分布，场物流运输需要更科学的规划。拼托码放提取站点间距离矩阵体积数量转化根据拉动需求和拼托结果成配送时间窗成配送运单优化标配载难度组托计算逻辑多组垛型多配载组垛需考虑多个维度，例如：交付时间与成本，订单类型，距离（区域）业务场景复杂，存在DC,RDC,LOC等等同场景下多条线路路线规划362022-工业

78、“智能决策”白皮书化学业曾随着经济快速发展壮，成为我国重要的柱产业之，但随着数字经济的不断发展，多数企业逐渐成为附加值低、产能落后的传统型企业。污染、耗能的特性使得化业亟待转型。且部分业产能过剩严重，利润率低，与“绿制造”格格不，对于化学业企业，业互联智能化转型则是适应新时代发展的唯出路。化业：产销失衡并临环保挑战，智能化转型成破局向综合利资源生产特征显著产配严格、中间产品多耗能、污染配置产过程对环保合规的要求对产连续性的要求行业竞争加剧同质化竞争严重附加值低产能过剩动化平，仪器仪表类设备为产流程中创造海量数据，标准化程度对资源配置的要求对产销联动性的要求对营销体系的要求市场环境产资源最优配置

79、设备产排程追踪产销协同运营营销体系新艺精细化管理产数据效利66%24%10%化工行业上市公司利润率分布比例1亿1亿以内亏损26%74%化工行业上市公司数字化转型比例（营收CR50）数字化转型中尚未部署数字化转型根据2021年9公布净利润数据，A股化学制品业上市公司273家，其中24%的企业净利润不到1亿元币，10%企业处于亏损状态。业整体经营压。数据径：2021年9份公布财务数据净利润TTM：最近发布的四个季度净利润累计值数据来源：上市公司年报、爱分析研究绘制数据来源：上市公司年报、爱分析研究绘制化工行业3成以上上市企业盈利微薄甚至亏损化工行业整体数字化渗透率低，7成以上上市公司未部署数字化建

80、设爱分析根据2021年9份公布的财务数据，按照营业收对A股化学制品业前50家企业进了扫描，其中有13家企业对数字化转型做出了部署。资料来源：爱分析研究绘制372022-工业“智能决策”白皮书六国化是集化肥、肥料、化学制品、磷膏、矿渣等产、加和销售为体的上市公司。化肥产具有明显的淡旺季周期性，且化肥品种多竞争激烈，如何匹配市场需求，产合适种类的化肥实现收益最化，成为亟待解决的现实问题。六国化供应链计划仍在线下靠制定完成，效率低，急需套案实现产销快速协同，快速响应市场。六国化：业需求难以预测，响应速度跟不上市场变化错失良机化肥产品季节性强寄售占过同质化严重，竞争激烈，产能过剩销售链条过环保安全对艺

81、的要求行业背景企业现状业务痛点供应链计划制定，耗时（3周），可执性差（粗颗粒度并存在量反复调整过程)。旺季销售难预估：从前采“拍脑袋”形式根据历史销量进预估，且法精确到不同化肥种类。难以合理安排库存旺季产能不、淡季滞销，在不同化肥种类之间产了既产能不产能过剩的畸形状态。信息流单向流通，效率低业务覆盖的产品种类多、地域范围、销售渠道复杂100+品种250万吨化肥三季市场1600个经销商2万个电商200+名销售员7家公司18个销区30个省份经销商、公司、集团缺乏统的市场认知，改阻重重历史数据产品信息价格折扣营销信息业绩指标决策层主观判断+传统需求预测背景介绍亟须提升精细化管理能力总成本：体现产、运

82、输、仓储成本分配投产出：体现产决策提升产销协同能提升需求预测、需求响应能提升市场响应速度降低缺货概率减少不必要的紧急订单减少滞库存提投产出资源合理分配增加销售机会周转率：反映库存周转速度快慢产能利率：反映淡旺季产能利情况响应周期：反映产制造及供应链对市场需求波动的响应能目标诉求主要指标382022-工业“智能决策”白皮书六国化：构建全局可控产销协同系统，打造企业精细化管理能六国化通过建设产销协同智能决策系统实现了智能化升级，通过更加合理地安排产物料资源，实现利润最化。企业利销量预测，掌握市场动态，合理规划企业供应链；产销协同的智能决策系统实现了以利润为导向，指导整体采购、产、库存、发运。同时通

83、过优化产能规划与产艺，进步符合环保控制要求。SAP线销售数据反馈SMSERP外部数据媒体政府公开地理经济业数据内部信息数据打通深度学习、定制建模产品A需求产品B需求产品C需求概率预测法库存优化场外库经销商最终客多级库存联动优化库存仿真动态安全库存优化对六国化库存进全局优化，统调配全国可化肥库存和仓库资源智能计划排产将提报的下个的销量预测分配到每个，输出成本最优&实际产量最匹配的产品产计划动态的计划调整订单交期预估急单插单排产智能排程恒定产速率下当前份的天度产任务安排产销协同智能决策系统生产优化 六国化在每的“计划评优会”上借助“产销协同职智能决策系统”，对潜在可能出现的场景进模拟，并查看相应场

84、景下的结果，以便做出最优决策，于直观地指导后续产、销售、采购等计划。 效的协同模拟可以帮助企业将偶发变动因素（例如：偶发急单插单计划）快速可视化，得出现有产计划影响最、产成本最低的案。需求预测提质增效成果库存周转率提升超过10%仓储成本预计降低2000万运输费降低5%需求计划产计划投时间减少50%部间协同效率提20%市场响应速度及客忠诚度提升5%库存积压降低20%0123452020年1月2020年2月2020年3月2020年4月2020年5月2020年6月2020年7月2020年8月2020年9月2020年10月结余库存水平（仿真结果）六国算法淡季旺季-012017-1

85、-070500300qtyforecast某类化肥区域销售预测392022-工业“智能决策”白皮书行业特征：3C产品零部件数量众多，以标产品为主，体积、精度要求产业链构成完整，分明确以OEM/ODM模式为主业务瓶颈：企业之间同质化严重，竞争激烈技术更新速度快，产品命周期短，导致库存积压严重3C电子制造业产业链示意图企业从某垂直细分领域逐渐扩张，成为覆盖多品类、拥有多的业巨头，规模协同需求激增。智能排产排程需求预测制造模式转型集团战略转型：快速满足用户需求的最佳体验排产模式转型规模批量制造定制发展规划，批量多型号订单到周单排产模式全流程联通，订单即时

86、下单，即时排产业特殊性需求，如共料、专料的计划、管理、分配、领约束较多，管理复杂低效，需要提升管理能。以物料套为核出发点，综合考虑销售订单、库存、采购计划、采购订单、交货单等因素，进业务优化。智能排产产协同原材料协同送货协同交期反馈交付计划排产计划不同类型智能化转型动因，拥有相同智能决策应用诉求行业特征鲜明，业务瓶颈复杂企业发展战略调整，原来的产式法满新的发展需要 战略驱动型从单产品到多品类、多的业巨头 横向扩张型特殊产过程需求不同，约束条件较多 特殊需求型通过与下游品牌商实现度协同，提升供应链敏捷性和产柔性，实现降低存货成本、库存成本、物流运输成本的标。资料来源：爱分析研究绘制3C电制造业相

87、对于整体制造业领域发展成熟，产业链构成完整。因消费升级与技术新的带动，拥有企业之间同质化严重、技术更新速度快、产品命周期短，库存积压严重等特点。同时，不同类型企业因战略驱动、横向扩展、特殊需求等动因，都在智能化转型过程中亟需智能决策帮助企业实现更敏捷的智能排产，从提升市场竞争。3C电制造业业务瓶颈复杂交错，竞争激烈且易受市场波动上游：电元件显屏外壳PCB电池芯摄像头中游：产制造下游电脑通讯消费电线通讯设备（机）智能家居PC平板终端相机硬件交换设备机周边传输设备响电视品牌商经销商零售商402022-工业“智能决策”白皮书海尔集团：产计划系统帮助企业真正实现业4.0背景需求收益成果海尔冰箱在全球拥

88、有10研发中，30座互联，6品牌集群，覆盖全球每个本市场，以往基于单业务场景的排产流程，随着企业规模不断发展，已经不能满业务需求。海尔集团在卡奥斯COSMOPlat业互联平台基础上，采杉数科技智能产计划系统，实现了动化柔性排产，取得了多种收益。 需求清单：考虑未来周订单在兼顾产效率的同时减少换模次数考虑的物料供应限制、产线产能限制、模具使规则限制，订单优先级限制，次动排产到产线，输出该内的天加计划指令智能识别异常，持业务主分析共计推复制：9家 核心痛点：该企业前依靠经验，进排查，构建了套基于单业务场景进加计划排产的流程，随业务发展，单的计划排产系统已经不能满客业务的需求，需要量的预，严重影响产

89、效率。计划成及调整效率低下整体资源法统筹平衡线下收集效率低，信息容易不匹配法实时展法实现动化推送等系统功能 核心目标：在卡奥斯COSMOPlat业互联平台基础上，通过智能产计划系统，帮助企业真正地实现动、智能的产计划，从机械繁复的作中解放计划员，实现企业供应链更加柔性的进整体计划安排。输BOM基础数据历规则加周期库存加计划需求9个3000+个产品1周内销+外销需求上百万种可能计划百万级限制条件智能计划引擎天颗粒度产品详细加指令输出秒颗粒度时序产计划产品未满订单详情订单、换模次数KPI统计解决方案9+推广上线工厂数1min单次运算时间不超过70%人工排产干预降低50%换模次数降低30%产能损失率

90、降低20%订单满足率提升412022-工业“智能决策”白皮书舜宇光电：以产供销协同为基础，全局优化实现物料分配智能决策背景需求解决方案效果收益按客分配的物料采购与库存依靠计算统计，准确率、清晰度与效率低。系统发料信息依靠线下传递，多线下沟通占量与时间。专物料挪分配依靠记录，易出现物料混情况，加客投诉的险，另外导致产计划重新排产分配，增加产成本。订单达成率10%库存周转天数7%提升降低线上双层动套检查，减少核算，提数据精度，提升决策效率完成数据协同打通，加快决策速度减少原料缺货，降低库存周转，提升客满意度舜宇光学科技集团是全球领先的综合光学零件及产品制造商，信息化和数字化建设处于业领先地位，通的

91、业产运营系统法满舜宇光电在销售订单、产状况、库存平等动态多约束条件下进物料的计划、分配、领需求。通过以产供销体的思路进物料分配，舜宇光电实现了智能化物料管理，并带来了产、库存和运营各环节协同优化效益。计划齐套检查客户二级物料计划生产齐套检查物料供应分配建议采购计划建议客库存挪建议光电元件所需零件种类繁多，且需要严格配套，物料套作复杂。不同订单之间部分种类物料可共，共料按单分配难度。外部订单需求、库存平、产状况等因素动态变化，物料分配案也需动态调整。物料分配需考虑齐套问题，共用料问题，以及外部影响因素动态变化问题，决策复杂物料分配多环节需要人工干预，弊端明显基础约束订单需求变化生产状况变化库存采

92、购变化物料主数据BOM主数据供应商主数据.订单优先级订单类型交货期.计划完期订单类型交货期.客锁定库存库存现有量到货期.输出标物料智能分配决策平台422022-工业“智能决策”白皮书5躬局：业智能决策应落地法论智能决策落地核在于智能决策平台的建设，选择拥有技术和丰富落地经验的合作伙伴，有利于智能决策系统快速部署，快速效。智能决策帮助企业实现全局优化，有利于企业在更的发展时间保持更有优势的竞争。“2022-工业“智能决策”白皮书业企业智能决策建设常的四误区业企业通常在智能化建设时存在个的误区，软硬系统的体化打造、流程组织和系统的协同、打通数据壁垒等对企业的数智能化建设关重要。打通业务环节的数据孤

93、岛与烟囱数据挖掘和建模深度结合业务场景建数据驱动决策的业务变各类硬件之间独，法串联各部之间信息传输效率低下缺乏中控核的指挥系统误区1重设备智能化，轻系统柔性化智慧不是智能设备的简单堆砌，需要由统效的算法调度IT部搭建数据业务中台就算完成转型所有业务流程有IT系统就算完成转型所有决策都有数据撑就算是完成转型误区3数字化转型信息化转型企业层亲挂帅建起专职的数字化职能部/CDO由“虚”到“实”构建数字化职能组织误区4规划时间过 整个规划周期跟不上业务变化 独模块之间打通的成本常 咨询案，重流程不重产出设置专项团队，消除信息壁垒定期对业务现状与规划之间进分析快速迭代数字化转型案，步快跑误区2重前端展，

94、轻底层逻辑数据的简单展和堆砌缺乏数据的深度挖掘和分析法真正指导业务决策和体现价值打通软硬件之间的信息壁垒深度结合实际场景的专业软件建体化的软硬件系统数字化分析看板真正的商业智能，分析与决策更重要流程、组织、系统及科技需要协同作战数字化转型规划需要敏捷开发，定期复盘，快速迭代442022-工业“智能决策”白皮书业企业在推进智能决策应的落地过程中，需要有体系化法论撑，以保证建设过程和结果可靠。建设智能决策平台，并选择最佳业务场景落地，是智能决策应的核要素。平台建设，业企业需要具备定的数据基础，并选择拥有较强技术、产品、落地经验和服务能的商作为合作伙伴。业务场景选择，业企业需要以全局优化为标远规划，

95、并从业务情况出发，定位智能决策场景的优先区率先落地，有助于快速实现收益。管理层推动智能决策落地的决，对业务流程进梳理与规范，匹配的能够撑期运营的团队和数据驱动的组织化，是智能决策建设的撑保障。资料来源：爱分析研究绘制智能决策应落地法论管理层推动落地智能决策的决组织和化建设建立数据驱动的组织文化支持智能决策长期运营的团队建设以全局优化为标，逐步推进智能决策场景落地智能决策平台建设数据基础设施建设机器学习深度学习核要素打通信息数据孤岛业务增运筹优化技术模块化敏捷开发时效性好产品程化落地案例业专业化程度经验本化团队定制化开发及时响应服务向设备向产向运营向产业链商选型业务流程梳理与规范准确与完善的数据

96、规范治理迭代进步持保障45统数据治理平台2022-工业“智能决策”白皮书 数据完备性和可获得性 输的标准化程度 结果输出可标准化程度 场景联动数量 软件兼容性场景识别场景排序建设实施企业总体收益的实现需要产、营销、仓储、运输各环节之间相互配合。仅在局部优化，优化的环节会受到短板环节的掣肘，法发挥出应有的价值。企业从原材料到最终交付的完整链条当中。各环节成本之间呈现出“跷跷板”式的关系，往往牵发动全，因此必须全局优化，统筹考量。业产各环节成本关联性强，有相互制约性，仅考虑单环节成本最优则会陷“桶效应”，所以智能决策应以全局优化为标实现企业综合收益最化。在实际操作中，业企业可根据业务场景数据基础完

97、备程度以及潜在收益ROI综合考量优先场景进智能决策落地建设。全局优化场景优先级重点建设区潜在收益ROI数据基础完备程度识别场景价值评价数据基础针对痛点需求进案设计产需求采购仓储运输营销企业收益实现智能决策全局优化企业“收-成本”意图全局优化以企业综合收益最化为结果导向123智能决策应要以全局优化为标全局优化的智能决策系统将打通各部、各产环节之间的“信息孤岛”，利全局优化的视，综合考虑产供销各个环节中的成本，达到降低总成本的标。防陷“桶效应”的短板制约，导致投产差，资源浪费，错失发展机会。由于智能决策结果是综合所有内外部因素后的智能产出，所以全局的部署和渗透才能使智能决策效果贴近理想平，真正地决

98、胜于市场竞争。优先区必做区次优先区资料来源：爱分析研究绘制订单式产 订单模拟、产销协同库存式产 库存位控制 多级库存络优化装备制造类 质量监测其他流程制造 物流仓储优化缩短的业务决策时间节省的时减少的全职员数准确率的提复购客的提升市场有效触达范围和次数提升潜在收益ROI数据基础完备度指标影响因分布不同产模式优先区场景全局优化视下，智能决策场景落地需要优先级规划462022-工业“智能决策”白皮书业领域规划系统多数采规则式和启发式算法，随着业务场景复杂度增加，仅能作为替代计算，从快速得到可的规划案，但是法保证案全局最优，也法量化案结果。技术选择智能决策商需要综合考量技术、产品、落地经验、服务能四

99、维度。对更为复杂的产场景以及应对企业敏捷性的要求以流程控制、传统规则式的解决案，逐渐显现出低效性，在业4.0时代，机器学习与运筹优化结合的智能决策，可以应对要素条件、组合式、配置效率发改变等复杂条件下多约束求最优解，成为业互联建设中解决复杂场景问题的主流技术路径。近年国际形势变化、经济贸易摩擦升级，国外商合作稳定性不可控，尤其在智能等新技术领域的来国际的经济封锁尤为严重，对于企业来说，为了避免经济投沦为沉没成本，更稳定更线的合作伙伴显得关重要。技术路径我国已将业化数字转型的主可控上升国家经济战略层度，并出台多份政策件做出指引。故国内商的选择是企业数字化转型更为线考虑和优质的选择。主可控通过以机

100、器学习、深度学习、强化学习为代表的技术，对数据特征进分析建模，并通过模拟仿真或实践数据，对预测类问题不断迭代优化。多种机器学习算法与运筹优化技术交叉融合，利求解器在多约束条件下对复杂问题建模求解，成为前业智能化建设最新的技术趋势，更代表未来智能决策应的主流技术路径。产排程路径优化需求预测艺优化机器学习机器学习+运筹优化产品落地经验服务能模块化匹配多场景需求敏捷开发产品快速落地有丰富的模块化产品匹配业企业复杂的场景需求是选择智能决策商的重要考量因素，模块化产品须从0到1开发，整体研发周期短，产品可以快速上线，收益可以短期效。程化落地案例丰富业专业化程度场景贴合度本化团队不同场景智能化建设时间周期

101、多需要数的时间，实施前需要量的实际调研与需求沟通，实施中需要对企业业务有深的了解，将涉及多个部的联动与沟通。从案的构建到落地全过程需要业企业与商进度配合，商是否有本化的落地团队直接影响项的实施进度与效果，语与化的差异也会形成配合中的阻碍。定制化开发端到端解决案及时响应程化落地经验丰富的商，在应对复杂的定制化需求时的综合能更强，同类业案例越多，有助于商提升垂直业专业程度，对企业需求痛点理解越深刻，场景化解决能越强。收益快速效规则式启发式规划系统3.0时代业信息化资料来源：爱分析研究绘制4.0时代业互联智能决策商选型要综合考量四维度472022-工业“智能决策”白皮书技术路径发展方向工业信息化3.

102、0时代工业互联网4.0时代强弱机器学习技术为主运筹优化+机器学习规则式启发式运筹优化+机器学习从向设备、向产、向运营、向供应链的跨场景能强弱上划分，可以分为单/多场景落地能与全场景落地能。跨场景落地能力全场景落地能全场景落地能单单/ /多场景落地能多场景落地能资料来源：爱分析研究绘制智能决策解决案商众多。包含在业3.0时代，通过规则式启发式技术提供产排程类解决案商，以及前业4.0时代使新代信息通信技术为主要路径的智能决策案商。在业4.0时代逐渐形成以机器学习技术为主、运筹优化与机器学习技术相结合的两种技术路径，其中运筹优化与机器学习技术相结合的技术路径为目前主流发展方向，此种技术路径同时也拥有

103、了全场景落地解决的能力。运筹优化技术与机器学习技术是相辅相成共同促进的关系。机器学习算法中蕴含运筹学思想，运筹优化技术本也需要如机器学习、强化学习等技术加持。因商技术依赖性不同，所以在业互联时代会有两种不同类型的技术路径。机器学习技术为主的商，部分是在某类AI技术的领先企业，能外溢让其突破原有业或场景边际；另部分是在业单或多场景有丰富业经验，随着新时代技术发展，通过机器学习技术优化原有解决案。运筹优化与机器学习技术相结合的商，多数拥有研求解器，可以通过更快速度在更复杂的问题中得到优化解决案，从拥有全局优化的能，是前智能决策技术路径主流的发展向。智能决策解决案商图谱482022-工业“智能决策”

104、白皮书智能决策场景建设需要企业上下变经验式化为数据驱动式化；同时，为了实现企业从局部优化向全局优化，需要搭建智能决策应相关运营团队，帮助企业做到业务流程与运营规范化，从具备持续扩展智能决策应、实现智能决策业务价值的能。期运营的团队建设智能决策需要搭建业务分析团队与IT团队IT团队负责后续系统运维、测试、部署作。业务分析团队负责对公司运营数据进监控、评估和分析，并通过业研究、竞争对状态跟踪等式，辅助企业的经营及战略决策。业务分析团队通过分析数据，精确提出当前业务场景下所需的智能化变需要，IT团队将这种需求转化为落地案。如何进智能化转型团队建设多数传统制造业企业均存在数字化才储备不的问题，企业可以

105、综合考虑项需求、业务特征、成本预算等因素，选择主搭建或是委托运营。传统业企业可能因智能化建设引发组织结构的调整，企业应敏捷调整，为智能化转型提供保障。从经验驱动转变为数据驱动业企业传统化般是典型的“匠式思维”，珍视在产过程中的经验总结和积累，这种对于经验指导业务的坚持，往往容易成为智能决策落地的阻碍因素。智能化转型在供应链全局优化等业务场景中的应，先要做到量化决策，决策的整个过程都需要基于数据的撑。因此，业企业需要培育数据驱动化，相信数据和算法的量，区别于匠化，摆脱以往的经验束缚。建设数据驱动的组织化上下推动企业需要培养从管理者到员的数字化思维，消除认知偏差，从坚定转型的信念，破除转型阻。业务

106、调研能数据整理能IT团队能要求业务分析团队能要求开发算法通识数据库设计上线运维能软件测评能运营规范化是智能决策精准实施必要的前提智能决策应落地需要业务流程及运营规范化，从避免不准确与不完善的数据，污染整个数据命周期，破坏价值链条。培育数据驱动的企业化，建设运营团队是智能决策建设的重要保障经验驱动数据驱动492022-工业“智能决策”白皮书6展望未来：业智能决策发展前瞻机器学习与运筹优化技术进步结合，将成为智能决策技术的核关键。随着市场认知深化与技术迭代，智能决策技术也将泛应于更多业场景，帮助企业实现智能化转型，赋能实体经济。未来的智能最重要的突破应该与优化算法紧密结合。机器学习之Michael

107、 Jordan“2022-工业“智能决策”白皮书前，虽然机器学习技术的发展新异，但是单纯使机器学习的法对现实中般性问题求解的可靠性还有待进步论证。在未来相当的时间内，机器学习与运筹优化的结合仍会作为智能决策最为前沿的技术发展向。从技术原理进拆解，机器学习与运筹优化技术可以在数据、模型和求解器三个层进结合，具体结合式则分多样化。总的来说，深度学习、强化学习等机器学习领域技术的突破，将为智能决策提供更好的初始解、更好的策略以及简化模型等做出重要贡献，者的发展与结合将不断促进智能决策技术扩充能边界。采运筹优化算法指导强化学习增强机器学习在不同运筹学问题上的泛化能强化学习的优势在于通过交互获取环境的动

108、态信息，从解决规模复杂系统性问题。但其存在收敛效率不、速度过慢、不稳定等问题。因此可以考虑其他启发式算法指导，提强化学习的效率并降低学习难度，提升处理具体问题时的准确性与稳健性。技术前沿的探索向针对现阶段精准建模难，动态问题建模难的瓶颈，逐步提升基于深度强化学习模型的精准度，使模型更加符合趋复杂的动态系统的需要。将元学习、迁移学习、多任务学习以及终学习等法引RL并应于运筹优化领域，使其能够在对新问题时快速发现问题的本质，并能迁移以往的学习经验来加速学习进程。提升模型精准度资料来源：爱分析研究绘制机器学习与运筹优化技术结合，促进智能决策技术不断扩充能边界机器学习与运筹优化结合层次数据基础A深度学

109、习强化学习预测数据B模型1模型2决策数据C机器学习运筹优化优化的模型运筹优化学习发现规律启发、优化模型扩充数据基础，预测更加准确起始环节2环节1模块1+AI模块2模块3模块4内嵌深度学习强化学习算法分求解结果求解器式2结合层次复杂简单求解器数据基础A深度学习强化学习机器学习决策数据C数据层模型层求解器层预测数据B求解器式1式3512022-工业“智能决策”白皮书业智能决策处于技术接纳命周期早期，未来五年将逐步实现规模化随着市场认知与技术的双重强化叠加影响，越来越多的业企业将采智能决策技术，更多的场景的落地也将驱动智能决策成熟度进步提。资料来源：爱分析整理绘制创新者早期采者早期众晚期众落伍者产品

110、能度时间技术接纳命周期曲线智能决策技术为企业带来的提质增效降本的价值体现，将有效助企业获得第增曲线。随着智能决策技术的升级和渗透到更多场景释放价值，业企业对智能决策的市场认知度将会提升，带来市场接纳度进步提。前，业智能决策技术尚处于技术接纳命周期曲线的早期，预计未来5年将逐步渗透早期采者和早期众，向规模化。2.5%13.5%34%34%16%来业企业的需求和供给端的技术均健康发展，势必会带来智能决策市场的成，更多的商业案例涌现随着企业对智能决策认知的不断提随着机器学习、运筹优化等相关技术的不断发展市场涌现出更多数量和更多种类的需求技术层可以持有更多的需求得到满认知技术多元市场需求技术持能更多实

111、际应案例的落地企业效、市场繁荣将进步加强企业对智能决策的正向认知量应案例的落地将产更多更有价值的数据，催出更多更准确的模型，反哺技术发展52智能决策技术2022-工业“智能决策”白皮书需求释放标准模块未来变随着标准化带来的规模效应，智能决策技术将成为业企业实现智能制造必备的技术案，同时也将赋能中国经济实现弯道超。智能制造降本增效柔性产节能减排敏捷响应助实现智能制造智能决策技术在业互联建设中的泛运，将全激活业数据，为我国智能制造装上决策脑，将有效助实体经济提质降本增效，并在碳迹、碳排放等能耗、减排等业领域的关切问题中显。智能化时代的到来，业企业可以提全要素产率，发挥智能决策技术对经济发展的放、叠加、倍增作。智能决策技术将成为企业获得第增曲线的重要密码，也将成为企业弯道超的重要驱动。智能决策将成为未来领先业企业必备的能前，领先企业正在通过智能决策技术拉开与后进者之间的距离，随着市场认知、技术的循环强化，更多的市场需求被释放，智能决策技术将成为越来越多的业企业必备的解决案。智 能 决 策 商 也 将 从 能 效 相 对 较 低 的 “ 产品”+“定制”模式逐步转化为“标准化功能模块产品”的供给，满不同企业的相似需求。智能决策技术将在更多领域被普遍使，全业也将迎来新轮商业变。标准化带来规模效应53