中国制造产业在时代背景与国家政策的双驱动下，正处于数字化转型巨变浪潮中，以数据驱动的智能决策正成为制造企业资源优化配置的利器，通过端到端的数据深度感知与决策优化，将工业数据价值发挥到最大化。
在Gartner对制造业运营数字化调查中，到2025年，70%在关键财务指标上优于竞争对手的上市公司也将以数据和分析为中心。同时，Gartner在2021年12月对211名供应链专业人士进行的一项调查显示，34%的受访者表示，适应新技术是供应链组织五年后将面临的最重要的战略变化。
大数据+人工智能的“工业大脑”
通过“数据+算法”的赋能，“智能决策”正逐步代替传统“经验决策”，用大数据分析手段，对数据资源进行挖掘和分析，从而形成决策建议与实施方案，为探索未知、求解问题提供新的思维方法。
IDC预计，到2025年，超过60%的中国企业将把人类专业知识与人工智能、机器学习、NLP和模式识别相结合，做智能预测与决策，以增强整个企业的远见卓识，并使员工的工作效率和生产力提高25%。
近年来,以大数据与人工智能技术为基础的“智能制造” 成为推动大数据从概念到落地的重要模式和手段。从大数据的供给需求来看,智能制造的核心要义便是在两化融合的基础上构建智能分析优化系统“工业大脑”,对大数据进行智能化分析进而实现智能决策。
在工业领域,为实现智能制造,每个影响生产决策的因素都可以经过工业大数据的预测,以直观明了的量化信息形式加以呈现,方便决策者对制造能力进行整体评估,进而快速有效地制定各项生产决策,优化劳动力投入,避免产能过剩。
据埃森哲公司《人工智能如何提高行业利润和创新》报告中预测，到2035年，人工智能技术的应用将使制造业总附加值(GVA)增长近4万亿美元，年度增长率达到4.4%。在供应链管理、提前预测、库存优化和生产调度几大领域，人工智能都可以直接对盈利和长期效益产生贡献。
智能决策是工业制造智能化的“大脑”，以全局优化为目标实现企业综合收益最大化。而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力边界。智能决策可以为企业带来新的运营方式，在决策机制上降低对人的依赖，显著提高企业的收益增速度。
目前，部分领先企业已经抢先落地智能决策应用并实现了业务价值突破，未来智能决策将成为领先工业企业必备的能力。预计，通过智能决策机制可以在供应链及制造管理方面释放的价值空间高达1.2-2万亿美元。不过需要注意的是，在Gartner发布的《有效商业决策指南：重塑决策》中，47%的公司领导受访者表示，预计在接下来的18个月里，决策会变得越来越复杂。
智能决策+制造业，突破算法和算力
麦肯锡全球人工智能调查(McKinsey Global Survey on AI)的结果显示，一些从人工智能中获得最高财务回报的公司继续领先于竞争对手。结果显示，这些领导者在人工智能方面进行了更大的投资，参与了越来越先进的实践。数字化水平成熟度高的企业，其业务增长动力也越强。数字化转型可以为企业带来真金白银的价值，为企业发展提供持续动力。
制造业企业与人工智能企业两大主体两端发力，共同推进人工智能与制造业融合发展。
一方面，制造业企业发挥品牌、渠道、市场占有率等优势，高度重视人工智能研发应用，设立专门的人工智能研发部门，推动人工智能与企业生产运营各环节融合，实现降本增效。另一方面，人工智能企业依托深厚的技术积累，面向制造业企业提供算法、算力服务和解决方案。将二者深度结合，聚焦制造业各行业场景需求，基于运筹优化和大数据分析等技术的智能决策平台，打造制造业智能供应链计划与排程系统，通过宏观到微观的多层级计划产品体系将智能决策真正落地，切实解决制造企业在供应链计划层面遇到的问题。
目前，我国制造业各细分行业形成领军者、追赶者、探索者三大梯队特色发展的格局。其中，领军者融合程度较高，融合前景广阔，包括计算机通信和其他电子设备制造业、家电制造业、机械制造业、汽车制造业等细分行业。追赶者融合基础较好，融合潜力巨大，包括电气机械和器材制造业、医药制造业、纺织服装制造业等细分行业，探索者包括橡胶和塑料制品业、造纸包装及印刷业等行业，正积极探索人工智能应用发展路径。
对于企业而言，在应用智能决策的过程中，离不开方法指引，也离不开场景选择、业务逻辑的深入理解，更离不开机器学习和运筹学技术的深度融合。
现阶段“人工智能+制造”,不再局限于算力、算法、数据等方面的技术突破，而是从行业应用、社会需求的角度逐渐深入，但目前制造业各场景数据量巨大，数据互联互通存在困难，更多应用场景还有待挖掘，同时能提供人工智能技术和制造业细分行业的生产特点、流程、工艺的解决方案的企业和人才极其匮乏。
工信部22年9月最新发布表示，十年来，我国制造业数字化、网络化、智能化发展加速推进，总体态势持续向好。在智能制造发展方面，十年来，我国智能制造装备产业规模近3万亿元，市场满足率超过50%。通过智能化改造，智能制造示范工厂的生产效率平均提升32%，资源综合利用率平均提升22%，产品研发周期平均缩短28%，运营成本平均下降19%，产品不良率平均下降24%。
未来，随着制造业自动化和信息化水平的提高，“人工智能+制造”将面临新的发展趋势，融合发展将向更深层次迈进，制造业智能化升级将呈现多技术融合的态势，提升安全保障能力将成为人工智能与制造业融合的重要基础。
智能决策算法平台，引领制造业新技术战略变革
悠桦林以智能决策为突破口，基于运筹优化计划和强化学习等核心算法搭建的Deloris智能决策算法平台，打造新一代智能供应链计划与排程系统，整合并掌控每个单独的供应链环节，形成紧密整合的计划，帮助企业打造端到端的智能决策解决方案。
从制造企业的实用角度来看，智能决策与制造技术融合应用的智能供应链计划与排程解决方案是影响企业实现精细化运营与提升数智化的关键一步。
从中长期的主计划层面进行产能和物料的提前规划，接到订单后的跨工厂/车间的订单协同计划，亦或是短期的高级生产与排程，企业管理层最关心的生产大数据应用场景正在被智能供应链计划与排程解决方案释放价值。
目前，大数据驱动的分析将在工业4.0背景下，在相关新兴技术的相互支持下，为制造业带来更理想的收益。数据分析过程旨在提高决策的透明度。基于大数据驱动分析的决策，根据企业内部结构，最大化整个制造系统的功能。它有效利用制造资源，确保其经济效益的最大化。
基于大数据的智能决策平台的强化学习技术，不仅能利用现有数据，还可以通过对环境的探索获得新数据，并利用新数据循环往复地更新迭代现有模型的机器学习算法。在考虑解决方案之前，就必须首先确定问题。通过从环境中学习，不断改进决策，搭建一个极其强大的自我学习框架，能够同时做出明智的决策，并从这些决策中学习，从而做出更好的决策，真正实现智能决策。
在“数据+算力+算法”定义的新形态世界中，制造业供应链智能化升级势在必行，而决策智能化又是供应链智能化的关键。制造企业只有具备面向全供应链的智能决策能力，才能踏浪前行。我国制造企业的供应链智能决策解决方案需要高度融合大数据、人工智能和运筹优化等技术，优化制造业管理决策的不确定性，有效提升制造业供应链的决策智能化水平，推进供应链升级转型，助力中国制造业长远发展。
