打开网易新闻 查看精彩图片

供应链所依赖人工经验与静态规则已无法应对动态复杂的内外部环境下多变的决策诉求。前端面临‘需求信号失真放大’、后端受困'多级流程协同低质低效’,插单不断,库存高企,缺货频发,传统决策模式失效,技术拐点引发了新的决策优化路径。

以DeepSeek为代表的Al认知智能+算力加持下的OR数学智能,正在消弭技术与业务之间的鸿沟。AI不仅升级了预测技术,推动需求计划管理的升维。AI同时降低了建模门槛(自然语言一优化模型转化),并与OR运筹算法的深度融合,进而催生了全新的决策模式,为制造业突破产销决策困境提供了全新解决方案。通过本次培训,一堂课解锁AI+OR双引擎在供应链计划领域的实战应用,破局企业“三高”困境。

算法平衡敏捷,柔性和效率

1技破窠臼·智启新决

传统决策模式失效:技术拐点引发了新的决策优化路径。

2AI融界·产销数智

AI消弭业务与技术鸿沟,产销协同管理进入数智化时代。

3破局三高·智擎双驱

破局企业“三高”困境:一堂课解锁制造业智能决策双引擎。

课程收益

✔体系共识:厘清供应链管理“底层逻辑”和“方法论”

✔预测更准:“专业DP+AI技术”双轮驱动预测优化

✔协同更优:“AI建模+OR求解”赋能MP/ATP/DRP/MRP

✔熟练掌握:“数据-模型-决策”人机协同决策闭环方法论

✔深度拆解:产销关系建模机制、多约束多目标寻优逻辑

✔实战演练:AI场景解析和自动建模,OR算法快速求解

✔技术落地:独立完成主计划建模、参数调优、多目标优化求解

✔能力跃迁:从“Excel手工排产”到“AI+OR智能决策系统”的技术飞跃

课程大纲

第一天上午:集成供应链计划的底层逻辑和方法论

  • 理念共识:供应链VS.供应链管理
  • 谁来承接供应链管理?组织架构选择
  • 集成供应链管理的方法论和顶层设计
  • 实现产销协同的三种手段:策略,计划和流程
  • 借力AI建模+OR运筹实现供应链决策模式跃迁

第一天下午:“AI机器学习+DP”赋能需求计划更精准

  • 组织构建:需求计划组织体系和评价体系的构建
  • 模式设计:需求计划编制模式和管理流程的设计
  • 经典技术应用:主流预测技术的应用实践分享
  • 第一天课程讨论答疑
  • AI技术应用:借力A机器学习进行销售预测
  • 案例分享:AI智能销售预测系统实操体验

第二天上午:“AI大语言建模+OR运筹求解工具导入

  • 模式跃迁:决策机制从串行牛鞭效应到并行的价值涌现
  • 算法解读:OR算法在供应链计划场景中的应用
  • 建模演练:简单易上手的AI工具,0基础也可使用
  • 课堂实操:基于场景的AI建模实战演练+OR算法求解

第二天下午:“Al+OR+MP+ATP”产销协同全局寻优探索

  • 算法解读:运筹算法模型结构和构建步骤与要素拆解
  • 模型设计:构建MP主计划模型与ATP订单承诺模型
  • 课堂实操:A搭建MP/ATP模型并借助OR进行求解
  • 第二天课程讨论答疑

第三天上午:“Al+OR+DRP”多级库存下的补货和调拨计划

  • 模式跃迁:决策机制从串行牛鞭效应到并行的价值涌现
  • 算法解读:OR算法在供应链计划场景中的应用
  • 建模演练:简单易上手的AI工具,0基础也可使用
  • 课堂实操:基于场景的AI建模实战演练+OR算法求解

第三天下午:“Al+MRP”复杂场景下MRP优化

  • 传统困境:深度拆解各种场景下经典MRP的挑战
  • 场景案例:横向齐套,不对称替代,逆向寻优,跨区调拨等
  • 多级联动:实现备料,下单,拉料的并行核算和财务化计算
  • 数据校验:MRP运行前的数据自动校验和预警
  • 课堂实操:基于AI MRP人机交互仿頁推演建模实操
  • 第三天课程讨论答疑

讲师介绍

赵玲

驭策供应链创始人,《卓越供应链计划》作者

▪擅长复杂制造业的产销协同规划和设计

▪丰富的制造业供应链管理咨询经验

▪本次课程聚焦在需求计划和答疑互动

曹晖

算法科学家、前清华大学副教授、人工智能专家

▪擅长供应链、物流和生产系统的分析、优化和决策支持

▪丰富的零售、快消、机械制造等行业Know-how

▪本次课程聚焦AI在需求计划领域的应用分享

陈锦键

建模科学家、运筹优化专家

▪擅长制造业复杂业务场景的抽象和数学建模

▪众行业标杆企业供应链决策建模经验和成功案例

▪本次课程聚焦AI+OR在主计划领域的应用分享

陈标

供应链计划资深顾问、仿真推演建模专家

▪擅长供应链决策建模以及产销策略和评估指标设计

▪众多大型制造业供应链计划管理咨询和计划建模经验

▪本次课程聚焦AI+OR MRP建模实战和案例深度分享

面向学员

▪供应链管理:供应链总监与经理,各级计划主管等业务人员

▪技术管理:数据分析、持续改善、数字化赋能等相关人员

▪其他对人工智能&运筹学技术感兴趣,但苦于难以使用与落地的人员