在目前網際網路+工業高速發展的大背景下，制造業無論從規模、産值還是 從管理理念、數字化、智能化水準都在快速發展，快速轉變。但是很多制 造業，尤其是離散制造業在生産管理上還存在這一些亟待解決的問題，随 着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，越來越接近企業生産管理的天花闆，傳統管理 及資訊化手段無法以無法滿足企業自身發展的需求，迫切需要基于大數 據、人工智能、區塊鍊等前沿技術去解決企業的生産經營管理的難題。
随着制造業競争日趨激烈，減少企業營運各環節的成本已經是目前制造業 首先需要解決的問題，離散制造業定制化水準越來越高，多品種、小批 量、個性化按需生産的的柔性生産能力要求越來越高。在圍繞企業生産的 設計體系、企業經營體系、供應鍊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、生産計劃排程能力、品質預測能力、裝置預防 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 營各環節智能化水準是企業面臨亟待解決的問題。
發達的制造業國家把先進工業知識埋在裝置和系統中，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，知其然不知其是以然，自主可控的知識嚴重缺失，此外，由于勞 動力成本攀升，導緻技術勞工、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 于企業的發展越來越重要。
依靠傳統資訊化、自動化依然無法解決目前企業面臨的生産管理方面問 題，需要借助大資料、人工智能、區塊鍊技術并突破傳統認知解決相關問 題，提高企業生産管理水準。
行業解決方案整體概述
離散制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。生産過程中産生的海量資料與專家經驗結合，借助雲計算能力 對資料進行模組化， 形成知識的轉化，并利用知識去解決問題或是避免問題 的發生。
離散制造業核心的問題就是主生産計劃及工廠中的房間作業計劃排産問題，基于阿 裡雲工業大腦核心算法引擎，阿裡雲飛天底座的超算能力，內建各業務系 統及物聯網資料，搭建工業資料中台，通過已有行業智能引擎及阿裡雲AI 算法工廠，打造基于離散制造業的行業應用生态，離散制造業的應用生态 包含兩部分：
打造靈活PASS引擎，提供生态合作夥伴進行調取和應用，發展合作夥伴 生态，阿裡雲PASS引擎知識、經驗、方法、工藝與實踐可封裝在模型、 SaaS軟體和工業APP中， 基于工業網際網路平台傳播，加速知識的流 動。比如，阿裡雲工業大腦AI創作間将行業算法模型，行業知識、大資料 能力、AI算法融合到一起，大幅降低算法門檻，工廠中的房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，阿裡雲工業大腦離散産品線為您提供全生命周期的産 品及咨詢解決方案，解決企業尋找生态難，項目落地難的相關問題。
離散制造工業大腦的終目标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肴。
**
銷售訂單預測解決方案
方案描述**
供應鍊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，随着中國企業的快速發展，供應鍊全球化的飛速發展，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，利用阿裡雲工業大腦 提高銷售預測水準，進而提高主生産計劃準确性，對企業内部生産組織具 有識分重要的意義。
傳統企業ERP系統主生産計劃編制主要來自于銷售預測、庫存、在途、 在制等資訊，由于銷售預測的不準确，同時沒有形成基于大資料的銷售預 測、庫存、在途、在制的全鍊路內建共享，造成主生産計劃編制不準确， 阿裡雲工業大腦訂單系統利用基于大資料驅動的銷售預測，打通主生産計 劃的全流程資料體系，通過智能化手段助力企業更加合理的制定主生産計 劃。
阿裡雲工業大腦運用雲計算、大資料、人工智能、區塊鍊技術，通過整合 企業碎片化數字資訊并結合專家經驗進行資料分析、資料模組化、特征提 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确性， 通過統計已有案例的預測結果，基于大資料預測分析準确率比人工預測準 确率提高了10%左右，如果企業的資料鍊積累的時間鍊條比較長，預測的 準确率會更高，為主生産計劃的編制提供了準确的輸入。
阿裡雲工業大腦訂單系統工業大腦打破了我們傳統資訊化無法解決的問 題，通過資料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，主生産計劃統籌編制的能力，是供應鍊管理IT像DT轉變的 關鍵驅動力。
**離散行業視覺應用解決方案
随着中國制造“2025”戰略的提出，機器視覺在制造業領域的應用更加 深入，尤其是現在 基于5G、大資料、人工智能技術的發展，也深度推動 了機器視覺在制造業中的應用，人眼相 比，機器不僅不會疲勞，具有人所 不具有的一緻性和重複性，而且機器可以看到和使用可見光 以外的其它光 源資訊。檢測速度和精确性也是工業視覺的一個明顯優勢。
基于阿裡雲的工業視覺提供了更加強大的圖像識别能力，視覺識别精度和 識别效率得到 了大幅度保障，同時在基于阿裡雲工業大腦AI創作間為阿 裡雲視覺提供了大量成熟可靠的算法支撐，算法應用覆寫了光伏、零部 件、半導體、鋼鐵表檢、陶瓷、塗裝檢測、廢鋼頂級、安全 生産等多個場 景。阿裡雲工業大腦視覺系統具有一定的可擴充和內建能力，滿足企業信 息化管理系統的內建的應用需求。
阿裡雲工業大腦為客戶供輕量級、低成本的工業視覺解決方案，并培養客 戶方人員實施 力量，客戶方隻需要懂業務，不需要懂算法，就能靈活運用 阿裡雲工業大腦視覺産品，同時阿 裡雲工業大腦支援客戶公有雲、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。
以大資料自适應目标檢測技術為依托，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，準确檢測如未佩戴勞 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。
通過大資料、機器學習的算法分析針對制造業在生産過程中品質進行線上 監測和離線監 測，資料支援與外部系統進行資料互動，滿足企業對檢測數 據的內建應用。
智能倉儲解決方案
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 産需要，又不會産生成本浪費這是企業一直很頭痛的問題，傳統庫存的預 測和補貨隻是圍繞了固定的水準線（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，并且庫存周轉周期長，人工預測庫存不準 确，如果我們每天都能精準的預測庫存滿足生産及銷售的需要，企業的成 本将大大降低。阿裡雲工業大腦智能倉儲通過對海量資料的分析，真正将 庫存管理變成以資料驅動的倉儲管理，真正做到庫存管理的“Just In Time”
阿裡雲工業大腦智能倉儲突破傳統倉儲管理的的認知，運用大資料、機器 學習手段進行學習、模組化、預測，通過特征工程提取影響銷售的關鍵因 素，實作精準的銷售預測，進而實作倉儲管理的精準預測。
阿裡雲工業大腦智能倉存可通過多重的優化目标，如：缺貨率最低、庫存 成本最低、庫存周轉最快等優化目标，實作預測銷量與智能補貨，并通過 繼承多元限制條件實作滾動計算庫存補貨期，實作以資料驅動庫存的精益 化管理。下圖我們可以對比與傳統的人工經驗比，通過大資料的庫存預測 情況。
阿裡雲工業大腦智能倉儲管理實作了倉儲管理的動态預測和智能補貨，提 高了企業倉儲管理的水準，在大資料驅動的數字化時代您是否也在路上？ 阿裡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
雲智能排班産品主要面向制造業企業，通過智能化手段，解決生産制造過 程中，人力資源編排問題。利用有限人力資源，綜合複雜用工限制條件， 結合智能算法，合理規劃生産排班計劃，最優配置各項生産資源。
與普通考勤、打卡、排班等場景不同，雲智能排班産品主要依靠智能算 法，實作人工難以實作的最優化排班計劃。該産品主要有以下特點：
使用便捷：該産品在雲上部署提供服務，無需複雜的注冊流程，開通過程 簡單，開箱即用；
操作簡單：按資料模闆要求上傳資料檔案，即可運作算法，檢視可視化結 果報表。并可導出排班結果，整個操作過程簡單易用；
行業通用：該産品具備行業通用性，不同行業的使用者均可使用，并能達到 理想效果；
智能決策：産品内置智能化排班算法，可以最優化計算排班計劃，利用有 限人力，創造最大産能。
操作說明
服務開通
掃描入群後，可向營運人員申請賬号開通，申請需提供使用者姓名、聯系 方式、所屬企業、企業行業等資訊。由營運人員提供登入賬号以及初始 密碼。
系統登入以及密碼修改
(1)擷取賬号以及初始密碼後，可通過連結登入系統，系統登入頁面如 下：
(2)登入完成後，點選右上角圖示，進行密碼修改：
(3)修改密碼後，重新登入系統即可；
一按末班上傳檔案并查詢排班報表
承載能力統計
**生産排程解決方案
典型的離散制造業企業生産特點主要是多品種、小批量、定制化生産，産 品BOM複雜，産品的工藝過程經常變更，銷售端訂單變化頻繁，是以， 需要合理的計劃，來保證整個生産的合理性。
離散行業适用于按訂單組織生産，由于很難預測訂單在什麼時候到來，臨 時變更及排程限制、算力、行業性特點等都制約了APS的應用效果，為 了解決以上問題，阿裡雲工業大腦團隊運用離散時間仿真模型、運籌學結 合阿裡雲超算能力，大幅度提高了APS排産性能和應對變化的排程能力。
阿裡雲和傳統APS相比具有以下優勢：
基于阿裡雲分布式資料庫，使計算效率更快。阿裡雲APS利用分布式架 構資料庫（DRDS）計算處理複雜算法模型，計算效率大幅度提高，支援 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。
采用先進性算法，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％；限制規劃方 法适合于中小規模問題全局最優方案求解，具有最高的準确度；仿真适合 大規模、高度複雜問題的快速求解能力。
支援快速添加限制，僅需少量開發與配置，通用性更強，大幅度提高産品 适用度，提高APS産品柔性。阿裡雲APS産品已經支援上百種條件約 束，具備機械加工、奶制品、汽車零部件、木材套料、闆材套料、棒材套 料等相近領域的推廣能力，随着基于雲端APS在各細分行業不斷深入， 模型支撐能力越來越強，阿裡雲APS雲端産品架構具被自學習的能力， 為APS在相關領域快速複制，提高産品性能打下良好的基礎。
阿裡雲APS具備與其供應鍊上下遊系統協同內建運算能力。阿裡雲APS 支援外部系統的精準對接，支援與主流應用軟體的資料互通，滿足主生産 計劃銷售端預測的優化排程能力，更好的支撐了工廠中的房間生産作業計劃的排程 問題。