隨著新能源、自動駕駛、人工智能技術(shù)的發(fā)展，汽車行業(yè)的智能化水平也水漲船高。作為人工智能領(lǐng)域“皇冠上的明珠”，決策智能是如何推動汽車行業(yè)數(shù)字化轉(zhuǎn)型的？決策智能在實際落地中有哪些痛點和解決方案？本文將結(jié)合個人十年的數(shù)據(jù)分析經(jīng)驗，從實戰(zhàn)角度介紹運(yùn)籌優(yōu)化在汽車行業(yè)的實踐探索和經(jīng)驗總結(jié)，希望為大家的工作帶來幫助和啟發(fā)，此次分享會圍繞下面四點展開：

• 汽車產(chǎn)業(yè)鏈簡介
• 運(yùn)籌優(yōu)化賦能汽車行業(yè)
• 運(yùn)籌優(yōu)化項目實施難點
• 實踐探索和經(jīng)驗總結(jié)

01 汽車產(chǎn)業(yè)鏈簡介

汽車產(chǎn)業(yè)鏈可以分為核心四塊，一塊是貫穿整個產(chǎn)業(yè)鏈的，從零部件的采購到汽車的制造、銷售、售后服務(wù)的整個汽車產(chǎn)業(yè)鏈中的研發(fā)和技術(shù)。另外一塊是零部件的采購，一般一個汽車公司會有很多汽車零部件公司的支持，這塊非常重要。第三塊是整車廠，對于整車廠來說，一般零件是由供應(yīng)商來支持的，核心部件，像發(fā)動機(jī)、變速箱，都是由自己來生產(chǎn)的。第四大塊是銷售和服務(wù)，傳統(tǒng)的銷售模式有一個經(jīng)銷商，然后經(jīng)銷商分銷給各個客戶，現(xiàn)在還有一種直銷的模式。銷售之后會有售后和保險服務(wù)，包括售后保養(yǎng)、保險、二手車等一系列的售后服務(wù)。

汽車產(chǎn)業(yè)鏈?zhǔn)欠浅ｉL的，所以也會有各種各樣的人工智能技術(shù)可以發(fā)揮作用。比如汽車零件可以構(gòu)建一些知識圖譜，在生產(chǎn)制造和質(zhì)量方面有預(yù)測維護(hù)、缺陷檢測，以及汽車在銷售過程中有票據(jù)識別，還有汽車裝飾件識別等都有人工智能發(fā)揮技術(shù)的地方。從數(shù)據(jù)統(tǒng)計分析、機(jī)器學(xué)習(xí)，到自然語言處理、知識圖譜、智能交互、計算機(jī)視覺等人工智能領(lǐng)域的各個技術(shù)，在汽車產(chǎn)業(yè)鏈上都能夠找到非常多的應(yīng)用場景。隨著很多造車公司加入到汽車行業(yè)中，以及新能源、自動駕駛技術(shù)的推進(jìn)，汽車行業(yè)的智能化水平也會越來越高。

02 運(yùn)籌優(yōu)化賦能汽車行業(yè)

運(yùn)籌優(yōu)化是尋找滿足約束條件下，能夠使得某一個或幾個目標(biāo)達(dá)到最優(yōu)化的最優(yōu)決策。運(yùn)籌優(yōu)化分為兩個關(guān)鍵的步驟，建模和求解。第一步建模是將實際的問題變成一個數(shù)學(xué)優(yōu)化模型，模型包含一些關(guān)鍵的要素，包括決策變量、目標(biāo)和約束條件等。下一步就是求解，求解涉及到很多優(yōu)化算法，其中一些是求精確解，一些是求非精確解，會涉及到不同的優(yōu)化算法。運(yùn)籌學(xué)的傳統(tǒng)應(yīng)用非常多，比如路徑優(yōu)化、選址優(yōu)化、供應(yīng)鏈優(yōu)化、網(wǎng)絡(luò)布局等。

下面介紹一下運(yùn)籌優(yōu)化在汽車供應(yīng)鏈的應(yīng)用。在終端需求采集方面，比如新能源積分政策影響到汽車長期規(guī)劃，怎樣去規(guī)劃汽車才能滿足國家政策要求。在研發(fā)設(shè)計方面，比如研發(fā)設(shè)計中的生產(chǎn)排程、庫存管理、訂單管理中車輛分配策略以及物流運(yùn)輸中的運(yùn)輸計劃、調(diào)度等。按照實際應(yīng)用的決策等級和決策范圍來分可以把汽車領(lǐng)域的應(yīng)用場景分為三個層級：

• 第一個層級是戰(zhàn)略層級的優(yōu)化，比如汽車產(chǎn)能的規(guī)劃、零件加工工藝的規(guī)劃、庫存長期規(guī)劃、倉儲長期規(guī)劃。戰(zhàn)略層級的優(yōu)化對于時間性和穩(wěn)定性的要求會比較低，對結(jié)果的最優(yōu)化有較高要求。
• 第二個層級是計劃層面的優(yōu)化，像生產(chǎn)計劃、分銷計劃、物流計劃、物料計劃等，這些對于最優(yōu)解，時效性和穩(wěn)定性都有一定的要求，一般是每周或者是每月做一些計劃。
• 第三個層面是一個執(zhí)行層面優(yōu)化，例如車間的調(diào)度、揀貨路徑、物料供應(yīng)等，這些會涉及到正常生產(chǎn)，優(yōu)化結(jié)果立刻會影響到業(yè)務(wù)，對于優(yōu)化系統(tǒng)的時效性和穩(wěn)定性的要求非常高。

總之，從各個層級來說，戰(zhàn)略層級偏向于是做一個最優(yōu)優(yōu)化；計劃層級在最優(yōu)性、時效性和穩(wěn)定性方面都有一定的要求；在執(zhí)行層對最優(yōu)性要求相對較弱，對于時效性和穩(wěn)定性要求較高。

下面分享三個運(yùn)籌優(yōu)化的例子。

機(jī)加工藝方案優(yōu)化，設(shè)計一款發(fā)動機(jī)的機(jī)加工方案時，傳統(tǒng)機(jī)加工藝需要有幾十名資深的工程師，經(jīng)過幾個月的手工編排，才能把一款發(fā)動機(jī)的編排工作完成，工作量巨大，編排的結(jié)果只能找到一個可行解，沒有辦法找到一個最優(yōu)解?？梢詫⑦@個機(jī)加工問題進(jìn)行數(shù)學(xué)建模，求得一個最優(yōu)解，在實際應(yīng)用中可以降低80%的編排工作。這屬于中長期規(guī)劃，目標(biāo)主要是成本最優(yōu)，這種目標(biāo)要求一個精確解。規(guī)模比較大，把數(shù)學(xué)模型建好之后，會用求解器來幫助求解。

第二個例子是生產(chǎn)計劃的優(yōu)化，比如零件生產(chǎn)、試驗車生產(chǎn)、整車生產(chǎn)，都是需要做生產(chǎn)計劃的，汽車領(lǐng)域的生產(chǎn)線都需要生產(chǎn)計劃，一般生產(chǎn)計劃目標(biāo)是生產(chǎn)的均衡性，比如顏色的均衡、配置的均衡、日均衡、月均衡等。同時這種生產(chǎn)計劃的優(yōu)化對于性能也有要求，因為工廠特別多，每個工廠可能都會有計劃員去做生產(chǎn)計劃的編排，他們對于時間的響應(yīng)也有一定要求，這種一般需要使用基于整數(shù)規(guī)劃模型的解決方案。

第三個例子是庫存優(yōu)化。倉庫庫存、經(jīng)銷商庫存、整車庫存、零件庫存的成本都是非常大的，一般是要在滿足一定的服務(wù)水平下，使得庫存盡可能地低。以前的傳統(tǒng)模式就是用庫存優(yōu)化模型，綜合預(yù)測銷量、需求均值、滿足率目標(biāo)、缺貨成本等構(gòu)建庫存優(yōu)化模型，最終輸出安全庫存、目標(biāo)庫存水平、訂單計劃、再訂貨點。現(xiàn)在一般會在傳統(tǒng)方式的基礎(chǔ)上，再結(jié)合機(jī)器學(xué)習(xí)算法去做庫存優(yōu)化。

03 運(yùn)籌優(yōu)化項目實施難點

運(yùn)籌優(yōu)化項目實施的難點按從概念的驗證到這個項目實施的過程來看，主要有這幾點：

• 業(yè)務(wù)邏輯比較復(fù)雜：業(yè)務(wù)邏輯復(fù)雜方面就是不同業(yè)務(wù)中有很多專有名詞，業(yè)務(wù)需求方和建模工程師之間溝通非常困難，建模工程師必須了解每一個細(xì)節(jié)才能成功建模，這就造成業(yè)務(wù)需求理解比較復(fù)雜。
• 建模困難：一方面是由于業(yè)務(wù)目標(biāo)和約束不可量化，定性的描述會比較多，比如要求加工時間最短，生產(chǎn)計劃盡可能均衡的這種需求，盡可能是一種不可量化的約束。另一方面，實際中很多問題都是非線性的，建模實現(xiàn)很難。

• 求解時無解：求解模型會出現(xiàn)無解的情況，有可能是數(shù)據(jù)問題，或者是模型的問題，另外求解器的性能可能也會有一些問題，這些都需要很大精力去排查。

• 解決方案的接受度受用戶習(xí)慣的影響：運(yùn)籌優(yōu)化面臨比較大的問題就是求解出的方案結(jié)果和用戶的習(xí)慣不一致，用戶會有很多自己的想法，不接受優(yōu)化方案。

• 項目反復(fù)迭代，成本提高：就是用戶需求沒有說全，這種情況經(jīng)常出現(xiàn)，等項目完成了，突然會有提出一個要求，建模工程師有時候業(yè)務(wù)背景不強(qiáng)的話就會遺漏用戶認(rèn)為是常識而沒有溝通到的需求。另外運(yùn)籌優(yōu)化的定制化程度非常高，新出來的場景和約束會導(dǎo)致模型反復(fù)迭代。

04 實踐探索和經(jīng)驗總結(jié)

下面從項目的不同階段做一個總結(jié)。

1. POC(Proof of Concept)階段

POC階段是項目實施之前做的概念驗證。

• 一般項目可能沒有概念的驗證，只是演示ui界面，提需求就可以了。
• 分析型項目中算法的結(jié)果是項目成功的關(guān)鍵因素，比如圖像識別項目，圖像識別的準(zhǔn)確度比較重要，能不能達(dá)到這個準(zhǔn)確度，對于項目的成敗很關(guān)鍵。預(yù)測項目的預(yù)測準(zhǔn)確度也是項目成功的關(guān)鍵要素。在POC階段需要驗證出標(biāo)準(zhǔn)是否合理。
• 對于運(yùn)籌優(yōu)化項目，除了具備分析型項目的要素之外，還需要對潛項階段的功能進(jìn)行驗證，比如驗證分析型項目的準(zhǔn)確度，用戶要求80%，現(xiàn)在已經(jīng)達(dá)到78%，那可能再優(yōu)化一下，就能達(dá)到了。但是由于需求變化對方案的影響，運(yùn)籌優(yōu)化項目在POC階段的驗證也只能做參考。比如要求成本最低的最優(yōu)方案，目前提出來的要求，用這種方案是可以的，可是在項目實施的過程當(dāng)中，如果提出了更多的要求，更多的約束之后，不一定能夠保證poc階段的驗證效果。這是運(yùn)籌優(yōu)化項目比較突出的難點和風(fēng)險點。

2. define階段

• 一般項目定義現(xiàn)在的流程、將來的流程、報表需求、業(yè)務(wù)角色、性能要求。
• 分析性項目定義業(yè)務(wù)痛點、輸入、輸出、準(zhǔn)出標(biāo)準(zhǔn)。比如輸入是照片，輸出是識別出的字段，準(zhǔn)確度。
• 運(yùn)籌優(yōu)化項目定義業(yè)務(wù)的目標(biāo)、利潤最大、效率最高、產(chǎn)能約束、順序約束等。建模師更要對每一個約束清楚，才能建好模型，談需求時投入的時間會比其他類型的分析型項目多。

3. 構(gòu)建階段

• 一般項目按照需求直接開發(fā)就可以，分析人員和開發(fā)人員需求可以完全分開，只要把需求說清楚。
• 分析型項目會出現(xiàn)一些數(shù)據(jù)問題，比如數(shù)據(jù)不支持define階段的分析需求，這種很常見。
• 運(yùn)籌優(yōu)化項目，會遇到更多的問題，比如約束沖突導(dǎo)致沒有解，需要和用戶重新定義約束是什么，或者原來理解的約束和用戶說的約束不一樣，要反向做邏輯檢查。還需要有一套完整的數(shù)據(jù)，去驗證模型，要準(zhǔn)備一套滿足所有約束的一個可行解。

4. 測試階段

• 一般項目有按功能點測試、正向測試、反向測試、壓力測試、用戶測試等。
• 分析型項目除了要測一般項目需要的測試之外，還要利用真實數(shù)據(jù)對算法的結(jié)果是不是能夠達(dá)到標(biāo)準(zhǔn)做測試。
• 運(yùn)籌優(yōu)化項目測了發(fā)現(xiàn)之前的約束已經(jīng)滿足，結(jié)果也能求解，但是用戶突然發(fā)現(xiàn)有些約束忘了提出來，這時候可能要重新加上這些約束，需要再次進(jìn)入開發(fā)迭代階段，所以在運(yùn)籌優(yōu)化項目測試階段需要留充足的測試時間。

05 精彩問答

Q：在進(jìn)行生產(chǎn)計劃時的插單計劃是如何實現(xiàn)的呢？

A：插單計劃是在生產(chǎn)計劃的過程中，突然又來了新的計劃。生產(chǎn)計劃一般都是按周來的，如果一周之內(nèi)已經(jīng)過了一個計劃點，就不會考慮去插單了。但是像固定的長期需求，比如“某些周的顏色生產(chǎn)量需要提前鎖定”是可以放到模型當(dāng)中的，可以做為約束放在模型中。但是如果這個周度已經(jīng)按計劃生產(chǎn)出來了，生產(chǎn)計劃已經(jīng)生效，只是臨時性的插單，就沒有必要再放到模型中了，可能需要靠手工去調(diào)整了。

Q：目前運(yùn)籌應(yīng)用在車企的情況是怎樣的？當(dāng)一般算法得到的結(jié)果跟業(yè)務(wù)員人員經(jīng)驗相違背，還能否推進(jìn)算法得到的結(jié)果？推進(jìn)后的實際效果。一般如何？

A：這里有兩個問題，第一個是運(yùn)籌應(yīng)用在汽車行業(yè)現(xiàn)在的應(yīng)用情況是怎么樣的？第二個是模型的結(jié)果和用戶的經(jīng)驗如果有沖突，是怎么去做的經(jīng)驗。

首先說一下第一個問題，我個人認(rèn)為運(yùn)籌優(yōu)化在汽車行業(yè)的應(yīng)用場景是全行業(yè)中包括各種電商行業(yè)里面最復(fù)雜的。其他行業(yè)有的各種場景在汽車行業(yè)里面都有，落地情況每個廠家不一樣，如果是建廠時間比較長，數(shù)據(jù)積累比較豐富，基礎(chǔ)系統(tǒng)化比較成熟的公司的運(yùn)籌優(yōu)化落地會更容易，但也可能存在設(shè)備老舊的問題，比如一些車間的設(shè)備比較老舊，抽取的數(shù)據(jù)沒有及時的反饋，做實時性的調(diào)度就會有一定的難度。

第二個問題，如果優(yōu)化結(jié)果和用戶有沖突，建模師和用戶都是需要妥協(xié)的。因為建模也是有一些局限性的，需要把一些復(fù)雜的業(yè)務(wù)場景去做一些簡化，才能做成一個數(shù)學(xué)模型，才能落地的。如果業(yè)務(wù)用戶非常堅持按照他的習(xí)慣去做，可能做出來的就和他的習(xí)慣是一樣，得不到什么優(yōu)化。另外就是建模師也要從業(yè)務(wù)的角度去理解一下，用戶確實需要這種操作，要盡量多想一些辦法去幫助他們。所以基于以上，成功的運(yùn)籌優(yōu)化項目需要需求方和實施方一起協(xié)調(diào)，多方圍繞共同的目標(biāo)一起配合才能夠做一個比較成功的項目。

Q：汽車行業(yè)的庫存管理，補(bǔ)貨環(huán)節(jié)的魯棒優(yōu)化應(yīng)用的情況是怎樣的？

A：汽車行業(yè)的庫存優(yōu)化不同的情況有不同的處理，比如成熟件、新件、需求量少的零件等。如果是成熟件，基本上是按照時間序列預(yù)測的需求，根據(jù)需求的分布方差，按照庫存理論，去做目標(biāo)庫存水平、安全庫存就可以。

需求量少的零件一般一個月或者是半年經(jīng)銷商才會消耗掉一個，一般庫存就是一個，基本上不用什么理論了，用掉一個就補(bǔ)一個。實際中并不是直接把所有的理論都用上去，會有更靈活的方式，需要結(jié)合業(yè)務(wù)的限制、寶貴的實際操作經(jīng)驗等多方面去處理這種問題。