在當前互聯網+工業高速發展的大背景下，製造業無論從規模、產值還是 從管理理念、數字化、智能化水平都在快速發展，快速轉變。但是很多制 造業，尤其是離散製造業在生產管理上還存在這一些亟待解決的問題，隨 著工業現代化的不斷演進，自動化和數字精益化的方面已經取得一定的成 果，但離預期還相距甚遠，越來越接近企業生產管理的天花板，傳統管理 及信息化手段無法以無法滿足企業自身發展的需求，迫切需要基於大數 據、人工智能、區塊鏈等前沿技術去解決企業的生產經營管理的難題。
隨著製造業競爭日趨激烈，減少企業運營各環節的成本已經是當前製造業 首先需要解決的問題，離散製造業定製化水平越來越高，多品種、小批 量、個性化按需生產的的柔性生產能力要求越來越高。在圍繞企業生產的 設計體系、企業經營體系、供應鏈體系面臨更大的挑戰，如何打通各體系 環節，提高銷售預測能力、生產計劃排程能力、質量預測能力、設備預防 性維護能力、物流優化能力、工藝參數優化等能力，進而提升整個企業運 營各環節智能化水平是企業面臨亟待解決的問題。
發達的製造業國家把先進工業知識埋在設備和系統中，中國企業大價錢引 進的技術，僅僅獲得的是知識的使用權，而不是擁有權，而且使用成本及 其昂貴，知其然不知其所以然，自主可控的知識嚴重缺失，此外，由於勞 動力成本攀升，導致技術工人、工程師人才頻繁進出，經驗與知識卻沒有 留存下來，企業陷入到原地踏步重複造輪子的窘境，人才和知識的沉澱對 於企業的發展越來越重要。
依靠傳統信息化、自動化依然無法解決當前企業面臨的生產管理方面問 題，需要藉助大數據、人工智能、區塊鏈技術並突破傳統認知解決相關問 題，提高企業生產管理水平。
行業解決方案整體概述
離散製造業工業大腦行業解決方案，簡單地講是從數字到知識再回歸到數 字的過程。生產過程中產生的海量數據與專家經驗結合，藉助雲計算能力 對數據進行建模， 形成知識的轉化，並利用知識去解決問題或是避免問題 的發生。
離散製造業核心的問題就是主生產計劃及車間作業計劃排產問題，基於阿 裡雲工業大腦核心算法引擎，阿里雲飛天底座的超算能力，集成各業務系 統及物聯網數據，搭建工業數據中臺，通過已有行業智能引擎及阿里雲AI 算法工廠，打造基於離散製造業的行業應用生態，離散製造業的應用生態 包含兩部分：
打造敏捷PASS引擎，提供生態合作伙伴進行調取和應用，發展合作伙伴 生態，阿里雲PASS引擎知識、經驗、方法、工藝與實踐可封裝在模型、 SaaS軟件和工業APP中， 基於工業互聯網平臺傳播，加速知識的流 動。比如，阿里雲工業大腦AI創作間將行業算法模型，行業知識、大數據 能力、AI算法融合到一起，大幅降低算法門檻，車間裡的專家師傅即便不 懂寫代碼，也一樣可以進行智能應用的開發。
打造行業智能應用，阿里雲工業大腦離散產品線為您提供全生命週期的產 品及諮詢解決方案，解決企業尋找生態難，項目落地難的相關問題。
離散製造工業大腦的終目標不是外面請大廚來親自做菜，而是讓每一家工 廠都變成 “餐廳”，讓工廠中的每一位工程師都成為“廚神”。離散工業 大腦則是負責幫助您建造廚房、提供廚具、以及配菜與配方，幫助廚師快 速開發滿足客人不同口味的菜餚。
**
銷售訂單預測解決方案
方案描述**
供應鏈管理是物流領域重要的組成部分，是一種複雜程度比較高的物流活 動，隨著中國企業的快速發展，供應鏈全球化的飛速發展，在成本控制變 得越來越重要的今天，物流的成本控制也日益成為人們關注的焦點，通過 整合供商資源、經銷商資源、物流配送等各個環節，利用阿里雲工業大腦 提高銷售預測水平，進而提高主生產計劃準確性，對企業內部生產組織具 有識分重要的意義。
傳統企業ERP系統主生產計劃編制主要來自於銷售預測、庫存、在途、 在制等信息，由於銷售預測的不準確，同時沒有形成基於大數據的銷售預 測、庫存、在途、在制的全鏈路集成共享，造成主生產計劃編制不準確， 阿里雲工業大腦訂單系統利用基於大數據驅動的銷售預測，打通主生產計 劃的全流程數據體系，通過智能化手段助力企業更加合理的制定主生產計 劃。
阿里雲工業大腦運用雲計算、大數據、人工智能、區塊鏈技術，通過整合 企業碎片化數字信息並結合專家經驗進行數據分析、數據建模、特徵提 取，集合運籌學求出運算“最優”解 ，大幅度提高了銷售預測的準確性， 通過統計已有案例的預測結果，基於大數據預測分析準確率比人工預測準 確率提高了10%左右，如果企業的數據鏈積累的時間鏈條比較長，預測的 準確率會更高，為主生產計劃的編制提供了準確的輸入。
阿里雲工業大腦訂單系統工業大腦打破了我們傳統信息化無法解決的問 題，通過數據分析打破了人工預測能力不足的弊端，大幅度提升了銷售訂 單預測能力，主生產計劃統籌編制的能力，是供應鏈管理IT像DT轉變的 關鍵驅動力。
**離散行業視覺應用解決方案
方案描述**
隨著中國製造“2025”戰略的提出，機器視覺在製造業領域的應用更加 深入，尤其是現在 基於5G、大數據、人工智能技術的發展，也深度推動 了機器視覺在製造業中的應用，人眼相 比，機器不僅不會疲勞，具有人所 不具有的一致性和重複性，而且機器可以看到和使用可見光 以外的其它光 源信息。檢測速度和精確性也是工業視覺的一個明顯優勢。
基於阿里雲的工業視覺提供了更加強大的圖像識別能力，視覺識別精度和 識別效率得到 了大幅度保障，同時在基於阿里雲工業大腦AI創作間為阿 裡雲視覺提供了大量成熟可靠的算法支撐，算法應用覆蓋了光伏、零部 件、半導體、鋼鐵表檢、陶瓷、塗裝檢測、廢鋼頂級、安全 生產等多個場 景。阿里雲工業大腦視覺系統具有一定的可擴展和集成能力，滿足企業信 息化管理系統的集成的應用需求。
阿里雲工業大腦為客戶供輕量級、低成本的工業視覺解決方案，並培養客 戶方人員實施 力量，客戶方只需要懂業務，不需要懂算法，就能靈活運用 阿里雲工業大腦視覺產品，同時阿 裡雲工業大腦支持客戶公有云、私有 雲、混合雲模式的搭建。滿足客戶不同場景下的應用訴求。
以大數據自適應目標檢測技術為依託，針對不同的場景進行行為分析、危 險報警，在重 點防控區域取代和輔助人工實時監測，準確檢測如未佩戴勞 保用品、非法進入禁區、未裝備安全裝置等異常行為，及時向監控報警提 醒。
通過大數據、機器學習的算法分析針對製造業在生產過程中質量進行在線 監測和離線監 測，數據支持與外部系統進行數據交互，滿足企業對檢測數 據的集成應用。
**
智能倉儲解決方案
方案描述**
企業的庫存管理是企業管理非常重要的一個環節，庫存管理即滿足企業生 產需要，又不會產生成本浪費這是企業一直很頭痛的問題，傳統庫存的預 測和補貨只是圍繞了固定的水平線（最低庫存），而最低庫存真的是“最 低庫存”嗎？ 其實最低庫存也是相對的概念，傳統的企業庫存管理經常面 臨庫存積壓和庫存短缺的困境，並且庫存週轉週期長，人工預測庫存不準 確，如果我們每天都能精準的預測庫存滿足生產及銷售的需要，企業的成 本將大大降低。阿里雲工業大腦智能倉儲通過對海量數據的分析，真正將 庫存管理變成以數據驅動的倉儲管理，真正做到庫存管理的“Just In Time”
阿里雲工業大腦智能倉儲突破傳統倉儲管理的的認知，運用大數據、機器 學習手段進行學習、建模、預測，通過特徵工程提取影響銷售的關鍵因 素，實現精準的銷售預測，進而實現倉儲管理的精準預測。
阿里雲工業大腦智能倉存可通過多重的優化目標，如：缺貨率最低、庫存 成本最低、庫存週轉最快等優化目標，實現預測銷量與智能補貨，並通過 繼承多維約束條件實現滾動計算庫存補貨期，實現以數據驅動庫存的精益 化管理。下圖我們可以對比與傳統的人工經驗比，通過大數據的庫存預測 情況。
阿里雲工業大腦智能倉儲管理實現了倉儲管理的動態預測和智能補貨，提 高了企業倉儲管理的水平，在大數據驅動的數字化時代您是否也在路上？ 阿里雲工業大腦助力您倉儲管理邁進DT時代。
**
雲智能排班解決方案
方案描述**
雲智能排班產品主要面向製造業企業，通過智能化手段，解決生產製造過 程中，人力資源編排問題。利用有限人力資源，綜合複雜用工約束條件， 結合智能算法，合理規劃生產排班計劃，最優配置各項生產資源。
與普通考勤、打卡、排班等場景不同，雲智能排班產品主要依靠智能算 法，實現人工難以實現的最優化排班計劃。該產品主要有以下特點：
使用便捷：該產品在雲上部署提供服務，無需複雜的註冊流程，開通過程 簡單，開箱即用；
操作簡單：按數據模板要求上傳數據文件，即可運行算法，查看可視化結 果報表。並可導出排班結果，整個操作過程簡單易用；
行業通用：該產品具備行業通用性，不同行業的用戶均可使用，並能達到 理想效果；
智能決策：產品內置智能化排班算法，可以最優化計算排班計劃，利用有 限人力，創造最大產能。
操作說明
服務開通
掃描入群后，可向運營人員申請賬號開通，申請需提供用戶姓名、聯繫 方式、所屬企業、企業行業等信息。由運營人員提供登錄賬號以及初始 密碼。
系統登錄以及密碼修改
(1)獲取賬號以及初始密碼後，可通過鏈接登錄系統，系統登錄頁面如 下：
(2)登錄完成後，點擊右上角圖標，進行密碼修改：
(3)修改密碼後，重新登錄系統即可；
一按末班上傳文件並查詢排班報表
承載能力統計
**生產排程解決方案
方案描述**
典型的離散製造業企業生產特點主要是多品種、小批量、定製化生產，產 品BOM複雜，產品的工藝過程經常變更，銷售端訂單變化頻繁，因此， 需要合理的計劃，來保證整個生產的合理性。
離散行業適用於按訂單組織生產，由於很難預測訂單在什麼時候到來，臨 時變更及排程約束、算力、行業性特點等都制約了APS的應用效果，為 瞭解決以上問題，阿里雲工業大腦團隊運用離散時間仿真模型、運籌學結 合阿里雲超算能力，大幅度提高了APS排產性能和應對變化的排程能力。
阿里雲和傳統APS相比具有以下優勢：
基於阿里雲分佈式數據庫，使計算效率更快。阿里雲APS利用分佈式架 構數據庫（DRDS）計算處理複雜算法模型，計算效率大幅度提高，支持 每次參與排程的訂單分鐘級排程相應。大幅度提高了運算效率。
採用先進性算法，解決複雜的模型算法問題，計算精度更高。由規則法或 啟發式法得到的排程結果距離最優排程可相差30％－150％；約束規劃方 法適合於中小規模問題全局最優方案求解，具有最高的準確度；仿真適合 大規模、高度複雜問題的快速求解能力。
支持快速添加約束，僅需少量開發與配置，通用性更強，大幅度提高產品 適用度，提高APS產品柔性。阿里雲APS產品已經支持上百種條件約 束，具備機械加工、奶製品、汽車零部件、木材套料、板材套料、棒材套 料等相近領域的推廣能力，隨著基於雲端APS在各細分行業不斷深入， 模型支撐能力越來越強，阿里雲APS雲端產品架構具被自學習的能力， 為APS在相關領域快速複製，提高產品性能打下良好的基礎。
阿里雲APS具備與其供應鏈上下游系統協同集成運算能力。阿里雲APS 支持外部系統的精準對接，支持與主流應用軟件的數據互通，滿足主生產 計劃銷售端預測的優化排程能力，更好的支撐了車間生產作業計劃的排程 問題。
