美的于1968年成立于中国广东，如今是一家覆盖消费电器、暖通空调、机器人与自动化系统、创新业务四大板块业务的全球科技集团，在全球拥有约200家子公司、约150,000名员工，业务涉及200多个国家和地区，每年为全球超过4亿用户和客户提供产品和服务。美的连续四年上榜《财富》世界500强，2019年排名第312位。在深圳证券交易所整体上市以来（000333.SZ），美的的发展健康且稳健，目前市值接近4000亿元。2018年实现营收2618亿元，同比增长8%，净利润217亿元，同比增长16%，纳税175亿元，同比增长17%。
1.应用状况
图1美的数字化转型之路
美的数字化平台从重构与优化IT供应链体系入手，建立数字化计划AFS，实现一体化集成强化供应链内部跨职能协作能力，缩短从计划到交付供应链周期；实施智能化排程，实现需求驱动设计与生产，完成外部需求链的动态汇聚与敏捷执行。
图2美的数字化计划排程
通过建立数字化多层计划体系AFS，发挥了计划端到端牵引带动作用，拉通研发、采购、生产、物流、销售，实现智能化生产、网络化协同，快速响应供应链的需求波动与供应变化，实现端到端价值链的拉通。
2.应用场景
美的计划排产系统（AFS）是一款美的自主研发的高级生产计划排程系统，是一个覆盖预测、产销平衡、订单承诺、生产物料计划、车间排程等多功能的一体化平台，融合T+3管理、价值流管理思想，衔接产销，充分打通了供应链上下游。
通过信息高度集成，利用订单拉动生产制造、供应链协同，实现生产过程透明化、可视化。该系统充分考虑了全价值链中的约束因素，实现供应链需求、计划、执行全流程协同的智能化、数字。真正从资源配置的角度，帮助提升订单交付水平和制造效率。
图3美的计划排程系统功能介绍
系统亮点重点体现于以下5方面：
1）快速响应
支撑营销订单和生产制造高效衔接，实现来单即引、来单即排，计划排产由原24小时优化为24小时排产&备料。
2）多维度约束
根据不同的现场业务进行约束性排产。
3）智能排产
该系统将美的积累的丰富排产经验，结合启发式规则（Heuristics），融合到自主开发的智能计算引擎中，与遗传算法、综合性评价模型一同组成智能排程系统的核心，运算得出符合美的排产实际的最优解，完成分钟级的智能化排产。
4）实绩排产
通过实绩排产，根据MES实绩实现进度自动纠偏，实现恰时拉动供方送货，保证供应链的畅流运作；同时，通过计划执行的实时反馈，支撑物流最后一公里（从入厂到产线工位）落地，为智能物流推行奠定基础。
5）C2M大规模柔性定制
C2M支持用户定制的订单实现快速备料、独立排产。
3.取得收益
通过项目实施，在计划效率、产销衔接效率、全价值链整体库存资金和费用等多方面的改善，带来了诸多业务价值提升。
通过实绩排产，实现了美的和供方计划的无缝对接，提升了供方的送货效率，减少了送货等待。JIT物料实现异常下降40%，N点上线准确率提升50%。
三、参评智能制造项目详细情况介绍
1.项目背景介绍
1）项目背景
供应链端的生产计划制定是智能制造的核心问题之一，近年，西门子、SAP等企业纷纷重金投入自主研发高级计划与排程（APS）系统，企图通过生产计划的智能化来获得更大的行业优势。在美的实现全面智能化的过程中，建立供应链端数字化、智能化的生产计划系统是一项十分重要且迫切的任务。
2）业务痛点
经过五十多年的发展，美的已经积累了足够的生产制造的经验，形成了具有美的特色的生产计划体系。而在业务量增大、信息化加速、生产资源变更等背景下，美的的生产计划与排程也存在一系列亟需改进的问题：
（1）影响生产计划与排程的约束因素过多，生产计划的组合方案多，复杂度高，人工排产耗时过长，且人工无法获得最优的排产方案；（2）生产计划与排程结果依赖生产计划员的经验，但生产计划员的经验无法通过系统沉淀、传承，新任计划员难以快速接手生产计划工作；（3）无法量化计划与排程结果，无法评价其质量，车间生产与执行盲目被动；（4）实际生产与系统计划信息传递不及时，生产计划无法根据车间实际生产情况实时、智能化调整，生产价值链上下游无法有效协同一致；（5）基础数据量大，人工维护、更新不及时；（6）生产计划员只能在PC端进行生产计划与排程，无法移动化办公，存在计划信息传递延时情况。为解决以上业务痛点，美的创建了智能排程项目，希望通过智能化的算法、系统实现智能化自动排程，提高生产计划与排程的质量，为生产计划员减负，达到降本提效的效果。
3）项目目标
美的创建智能排程项目，旨在建立智能化、移动化生产计划与排程系统，拉通生产价值链上下游信息，实现计算机自动优化基础数据设置，量化排程方案的质量，智能计算获得最优的生产计划方案，促进车间生产与系统计划协同一致。项目达成目标介绍如下：
（1）基础数据优化，建立系统自我记忆和学习功能实现工艺路线、UPH等基础数据的智能维护和自我修正，提升制造数据维护效率和准确度；
（2）建立仿真排程和结果评价体系，应用智能算法实现多版本计划模拟，将排程结果数据化及可视化，满足不同场景的排产需求，在不同订单组合和制造资源下实现最优排程，提升排程效率和质量；
（3）实现排程计划的自我修正，排程结果与MES大数据互联，系统排程与实际生产进度的实时更新，指导供应商精准恰时送货；
（4）实现排程计划执行的可视及生产异常的在线化协同及闭环（缺料、尾数、不良），提升计划执行及异常解决效率；
2.项目实施与应用情况详细介绍
1）算法选择
经过广泛调研及充分验证，由于遗传算法具有强容错性、并行性、可与其他算法（模拟退火法等）结合等优点，且具有广泛的理论研究基础和实践基础，具有较为成熟的应用于车间排程的应用实例，所以遗传算法被确定为智能排程项目的核心算法。
图4遗传算法流程图
2）系统主要功能
结合业务需求，智能排程项目中设计的系统功能包括智能算法、数据驱动、移动排产三大模块，功能结构如图5所示。
图5智能排程系统功能结构
（1）智能算法将业务经验、偏好及规则形成启发式算法规则，建立评价指标模型，设定优化目标通过自主研发智能算法，按遗传、交叉及变异等规则进行多代进化优选。
（3）移动排程，随时随地通过手机实现订单引入、来单即排、移动调产、进度查询一站式应用。订单历史数据查询，支持快速决策。
3）项目实施步骤
（1）需求分析
在智能排程项目实施前，项目组首先对生产计划与排程进行了充分调研，定位业务痛点，分析业务需求。项目组充分调研了厨房和热水器事业部、微波和清洁事业部等生产计划员的业务痛点，痛点分布如图6所示。调研发现，主要业务痛点包括排产依赖经验、耗时长、结果不准确，调产确认耗时，部装排产不智能，数据维护不便捷等，其中，排产智能化、数据简单化是生产计划员最大的业务需求。
图6业务痛点分析图
结合业务痛点，在排程智能化方面，生产计划员希望系统可以像导航一样自动排程并产生多种排程方案，生产计划员根据实际情况选择最优的排程方案。在数据简单化方面，生产线的UPH等数据可以根据历史生产数据进行修正和优化。
（2）业务方案
主要业务方案介绍如下：
系统抓取MES历史完工数据，清晰异常数据，对工艺路线的UPH、优先级进行优化，加强数据准确性，实现数据驱动；
对工单进行排列组合，初始化种群，为遗传算法提供优质的父代种群；
基于遗传算法，设置优化目标（含交付优先、效率优先等），对初始种群进行N次优化后，得到最优或较优的多版本排产方案；
基于多版本计划方案，选择最优的排产方案进行发布；
根据MES生产状况定时自动调整排产，并及时把最新排产结果再传递下游系统；
建立移动化应用，支持计划排产应用场景3A化(Anytime\Anywhere\Anything(有限))。基于总体业务流程，遗传算法被有效应用到生产计划与排程中。本项目基于遗传算法设计了系统自动生成多版本排产方案的功能，主要包括交付优先方案（优先满足订单交付）和效率优先方案（优先满足生产资源集约），遗传算法实现多版本化智能排程的流程如图7所示。
图7遗传算法实现多版本化智能排程
如前文所述，排程问题是一个复杂的多因素约束的组合优化问题，生产计划员在进行排程操作的时候需要考虑各种各样的排程规则，因此，如何把这些排程规则融入遗传算法并实现可视化是本项目的一个重点问题。基于现有业务场景，本项目设计了一系列排程方案评分体系（个体评分体系）。针对各项不同的排程条件设计不同的评分规则，排程（个体）方案评分是各项规则评分的加权评分和，以此作为遗传算法的适应度函数。这样的方案成功地考虑了各项规则的约束，以多目标最优为导向，获取符合各项规则的最优排程方案。
除了方案评分（个体评分）外，本项目还设计了每个工单（基因）的评分体系，基因评分是各项规则评分的加权和。基因评分主要用于量化衡量每个工单在排程方案中所处排序位置的质量，在算法计算中按照一定的排程规则，调整基因评分低的工单，以获得最优的排程方案。
（3）功能设计
基于业务需求，在现有的系统基础上，智能排程项目开发了三大功能模块：智能算法、数据驱动、移动排产，共包含十七个功能点。
（4）系统开发
图8智能排程系统架构
经过三个多月的系统开发阶段，智能排程所有系统功能正常开发完成并逐步投入使用。
图9系统参数设置界面
图9展示的是系统参数设置界面。生产计划员可以在该界面设置排程方案（个体）评分体系、工单（基因）评分体系的各项规则评分的权重，通过设置权重的大小来控制不同的排程规则对最优排程方案的影响。
图10遗传算法排产请求界面
图11最优的多版本排产方案系统展示
在移动排产模块，本项目开发了一键查、移动排产调整等功能，图12展示的是移动端一键查功能界面，生产计划员可以在移动端使用一键查功能获取实时的生产数据。
图12移动端一键查系统功能界面
（5）系统测试
为保证系统稳定、数据安全、降低风险，根据美的项目管理方法，本项目共经过三轮系统测试：SIT测试、UAT测试、性能测试，在系统被正式投入生产环境使用前，通过多维度检验、深层次测试，尽早发现缺陷并及时修正。最终，智能排产项目于2019年5月31日成功上线。
4）项目主要问题
智能排程项目在实施过程中出现了各种各样的难题，而美的在生产计划排程的智能化探索方面走在了行业的最前面，没有可借鉴的成熟经验，项目组成员只能通过不断探索，不懈努力，逐一解决难题。
（1）方向探索
（2）算法设计
智能算法的设计是智能排程项目的重点及难点，智能算法的有效性影响了项目的成功与否。为了攻坚这一难题，项目组专门成立了专题研究小组，实行小黑屋办公管理。专题研究小组成员通过激烈的思想碰撞，对10大操作难点进行逐一突破。同时，就遗传算法的设计问题，项目组多次组织小组成员与内外部专家讨论和方法验证，加快了技术难题的突破。
（3）经验沉淀
如何把智能排程项目在数字化、智能化方面的实践经验形成有参考价值的知识沉淀，为美的集团的全面数字化、全面智能化提供参考经验是智能排程项目的另一个难题。为解决这个问题，项目组安排专员记录、整理项目实施过程中的每一个方案、每一个决策、每一次讨论，对项目资料不断更新迭代，在专有的文件管理系统中管理所有过程文档。项目结束后，项目组成员对项目实施过程中的所有关键点、方法论、功能方案等进行详尽的复盘，总结经验并记录在案，做到问题闭环处理，为后续的智能化实践提供了宝贵的经验。
3.效益分析
1）项目隐形收益
项目在提升计划员排产效率、计划准确率、数据准确率方面取得了良好的效果：
排产准确率可达到95%，T+3订单齐套率可达95%；
JIT物料实现异常下降40%，N点上线准确率提升50%。
UPH准确性达到95%，异常数据影响下降50%。
图13项目隐性收益图
2）用户体验变化
项目实施前，用户反馈当前计划排产的主要痛点有以下3个方面：
（1）计划制定约束因素多，排列组合多，复杂度高，依赖人工经验；
（2）排程结果无法量化，不能评价计划的好与坏，生产组织及执行盲目被动；
（3）基础数据维护量大，计划与实际执行两张皮，价值链上下游不能有效协同。
通过此次项目实施，用户体验改进主要体现在以下4个方面：
（1）智能，项目将排产经验固化到系统，自动获取计划排产偏好，结合启发式规则的智能算法降低人工经验依赖；
（3）准确，项目达成较好排产效果，排产准确率大幅提升；通过实绩排产实现JIT物料N点送货准时率大幅提升，恰时拉动价值链的精准运行；
（4）便捷，移动排程实现美信APP引单、排产及调整的移动化操作，实现随时随地便捷办公。