江苏龙网

  1. 首页 > 资讯 > 科技 > >

稻田云图|运营可视化/生产管控/智能决策( 三 )


智能决策的要义
大到一个国家 ， 小到一个企业 ， 生死兴衰本是常态 ， 探其究竟 ， 皆因决策 。 而决策的执行就是管理 。 在研究智能决策和管理的时候 ， 我们不得不先忽略企业的体制、机制、文化等要素（尽管这些是系统可能发生“涌现”的主因） ， 而专注从技术手段如何提升和改善企业的决策和管理质量 。
决策是管理的核心 ， 科学决策是现代企业管理的核心 。 企业决策关系到企业运营的生死、兴衰、盈亏 。 智能决策就是利用电脑帮助或替代人脑对未来做出最优判断 。 智能决策是当下新技术革命中必须研究发展的重要领域 。
智能决策的层次
从上面图示看到 ， 决策是分层次的 。 决策的层次也是我们研究智能决策的基础概念 。 每个决策层次就是一个相对独立的系统 ， 有自己的系统结构 ， 也有与系统本身进行物资、能源、信息交换的系统环境 。 决策系统从低层次到高层次层层分割嵌套 ， 形成一个完整的工厂系统 。
以制造工厂为例 ， 我们可以把四个层次的决策系统功能、特征等列出一张表格 。
稻田云图|运营可视化/生产管控/智能决策
本文插图

智能决策是一个难以驾驭的大题目 。 关于这张表格的细节 ， 将在后续的连载中专门撰文叙述 。 在这里主要谈概念和观点 。
1、在新一轮技术革命中涌现出来的大量新技术、新材料、新产品、新工艺、新设备都集中体现在执行层 ， 把这个现象称之为是一场“智能革命”恰如其分 。 “智能革命”正在改变着世界 。
2、企业整体的运营效率、质量、成本以及企业的生死兴衰都是由决策层决定的 ， 与执行层无关 。 企业可以采用最新技术、最好的设备 ， 但是能不能盈利和发展是另一回事 。 执行层在执行之前 ， 所有指令都是决策层定义的 ， 包括具体工作的时间、效率、质量、成本 。
3、工业生产现场管理问题是21世纪管理科学中最困难的问题之一 。 生产现场管理的难题就集中在生产计划和生产调度领域 。 关注车间现场 ， 智能制造离我们并不遥远 。
4、只要离开了执行层的第一步起 ， “智能的”决策系统就开始进入不确定性范畴 ， 开始走向复杂系统 。 这一步也是革命性的 。
APS（高级计划排程）软件是工业企业在生产计划和调度向智能化方向发展的一个尝试 。 它应该是学术界技术创新的产物 ， 而不是企业界需求创新的产物 。 在企业应用的实际情况说明 ， APS在生产车间局部对于解决jobshop一些简单排程需求是有用的 ， 特别是它与ERP、MES配合的时候 。 它无法全面满足复杂的车间生产现场管理需求 ， 也无法适应企业系统优化的需求 ， 至少到今天还没有看到这个前景 。
决策问题的提出和解决都是困难的 。 首先 ， 决策的目标是多目标 。 例如 ， 设计部门要在设计质量和工期上做出选择；生产部门在客户满意度和发挥产能之间做出选择；销售部门需要在最大毛利和客户忠诚度之间做出选择 ， 等等 。 其次 ， 生产运营的要素之间存在着众多的约束关系 。 例如 ， 满足采购需求但流动资金不足；满足订单生产但不宜多加班；供应商的产能；工艺、工序、物料、工装等车间的生产约束 。 工业生产模式繁多 ， 为数学建模带来困难 。 工业运营还离不开物流、交通、航运、海关带来的问题 。 即使所有的问题都想清楚了 ， 在数学上如何求解？如何应对“维数灾”？如何在可以接受的时间内得到一个满意的答案？这些都是巨大的挑战 。 智能决策是系统科学（运筹学）、管理科学、计算机和IT综合应用的结果 ， 而建模和算法是解决方案的关键 。
“计划永远赶不上变化”是智能决策最棘手也是必须应对的问题 ， 因为对明天来说 ， 所有的现状都是不确定的 。 所以 ， 决策层的“智能”与执行层的“智能”都可以实时地“状态感知” ， 也可以“实时分析” ， 但我们不能指望对明天的决策能够“精准执行” 。 我们唯一能做的就是在实际动态变化中不断寻优逼近决策的目标 。 如果我们研究的智能制造包括了“智能决策” ， 那么在智能特征“状态感知、实时分析、自主决策、精准执行、学习提升”的基础上 ， 应该加上“实时优化” 。 这是实现智能决策的主要手段 。


推荐阅读


上一篇：阿狸巴巴科技|微信又推新功能！网友：终于能眼不见为净了

下一篇：|警惕，量子的新装