聯想集團一直以卓越的全球供應鏈運營能力而著稱，7次入選Gartner全球供應鏈25強。在新的時代，聯想一直致力于通過自研的先進技術推動自身供應鏈的數字化、智能化發展，在供應鏈智能決策領域積累了豐富的技術成果與實踐經驗。

在此背景下，聯想研究院牽頭撰寫了《聯想供應鏈智能決策技術白皮書》，剖析了現代供應鏈管理決策面臨的難點與挑戰，總結了聯想供應鏈智能決策技術的創新與應用經驗，并對智能決策技術推動供應鏈的未來發展進行了展望。今天，這本白皮書正式對外發布。聯想期望這本白皮書能夠為各行各業供應鏈管理與決策的數字化、智能化轉型提供一些參考借鑒與助力。

如何應對

供應鏈管理的新挑戰？

聯想全球供應鏈管理著全球35家制造基地、為180多個國家和地區超過10億客戶提供產品與服務。與全球5000多家供應商合作伙伴建立長期、穩固合作伙伴關系，與2000家核心供應商建立數字化生態體系。

而隨著業務場景的日益復雜與商業環境的不斷變化，企業供應鏈管理正面臨前所未有的挑戰，包括需求多變難以預知、難以精細化管理、用戶要求不斷提升、市場環境不確定性加劇、網絡結構愈加復雜，以及眾多業務指標之間相互制約等。在這種情況下，傳統的決策模式已難以應對日益復雜的供應鏈管理需求，如何決策成為供應鏈數字化管理中的主要難點。

隨著物聯網、大數據、云計算、人工智能等技術的發展，智能化的決策正在成為供應鏈決策技術未來發展的重要方向。以機器學習為代表的人工智能技術與數據挖掘分析、運籌優化技術的結合，正孕育出智能化的決策技術，為供應鏈決策提供了新的方法與工具。

自研關鍵技術

驅動供應鏈智能決策

機器學習、機器學習驅動的運籌優化，以及機器學習驅動的預測性分析等技術是驅動供應鏈智能決策的關鍵技術。機器學習技術包括圖神經網絡、強化學習以及多智能體學習等。機器學習驅動的運籌優化包括在線優化和求解器等。而機器學習驅動的預測性分析則包括因果推斷和概率性預測等。

在這些重點的技術領域和方向上，聯想打造了一系列的核心技術成果。

比如以圖神經網絡技術為例?；趫D注意力網絡，聯想對其進行改進，提出了Relational GAT（R-GAT）技術方案，設計出一套復雜圖結構下的信息表示與傳遞方式（如下所示）。其中，vi為節點i的嵌入表示，eij為連接節點i, j的邊的嵌入表示。

基于R-GAT的復雜圖結構表示

聯想將R-GAT技術應用在了供應鏈供需匹配問題的實踐中。以離散制造過程中的供需匹配為例，工廠在制造成品時，需要按照物料清單（Bill of Material, BOM）撿取相應的物料組合。而BOM中的物料替代關系會使產品同時存在多種可能的組裝方式，選擇不同的組裝方式會導致物料的消耗（種類與數量）存在差異，因此在物料供應數量有限的情況下，需要優選組裝方式。

聯想利用圖神經網絡將供需匹配問題近似分解為排序-選擇問題，將完整的BOM信息構造為復雜的BOM圖結構，通過基于圖神經網絡的特征傳遞，對節點的重要性程度打分，并基于分值對不同替代節點進行剪枝，實現了對不同替代料之間的優先篩選，并輸出更符合真實生產環境與優化目標的組裝方式。

除了圖神經網絡，聯想在強化學習、多智能體學習、在線優化、求解器等、因果推斷和概率性預測等重點技術領域，也取得了很多創新技術成果。

聯想供應鏈智能決策技術方案

與應用實踐

在這些技術成果的支撐下，聯想打造了一系列的供應鏈智能決策解決方案，涵蓋了需求預測與智能備貨、物料管理與生產計劃，以及物流規劃與調度優化，有力提升了聯想供應鏈的智能化水平和效率。具體的解決方案包括智慧服務供應鏈解決方案、智慧零售供應鏈引擎方案、智能物料分配方案、智能生產排程方案、原料庫存優化方案、智能打包方案、智能物流網絡規劃方案以及城市配送調度優化方案等。

 比如智能物料分配方案。以飛機、汽車、電子設備生產為代表的離散制造業，生產過程會涉及到種類龐雜、數量繁多的物料。而對于大型的生產制造企業，生產基地和廠房往往遍布多地甚至全球，所需物料數量大、種類多、變化頻繁，因此，當核心物料的供應無法滿足各個工廠各類產品的需求時，如何更加公平、高效的完成物料分配是一個亟待解決的問題。以往的人工分配模式基于規則與經驗，不僅要考慮各地物料需求、運營目標、物料齊套和替代關系、運輸時間等多項復雜因素，還要兼顧大量的業務規則約束，并在不同的時間、空間粒度上做出多項決策，難以兼顧物料分配的公平性與高效性，決策難度極大且分配效果不佳。

聯想基于自身在消費電子產品領域的業務經驗，通過自主研發的人工智能算法，打造了智能物料分配方案，基于先進的求解器引擎和優化算法，實現了多個具有實用價值的功能，包括支持不同時間粒度的物料分配方案、復雜場景下的多物料分配方案、基于多目標的智能分貨引擎、多角色協同的人機協作模式、可交互的多維圖表等。

智能物料分配方案架構圖

聯想智能物料分配方案已應用在聯想全球供應鏈管理部門，大幅縮短了物料分配與調整時間。人工手動分配及后續調整需要半個月左右，而智能物料分配方案在數據校驗通過后，僅需幾分鐘就能給出優化分配結果。該方案提升了每季度的平均出貨量與利潤；能夠提供最公平或利潤率最高的分配方案，減少了后續物料調撥的成本。

再以智能生產排程方案為例。在大規模制造業中，生產規劃時需要考慮數十種復雜因素（如設備的能力、物料的配比、生產工序與方法、訂單的交付方式、客戶的定制化需求）對生產效率和產能利用率的影響。傳統的人工排程在耗時長，計劃員每天需花費6個小時完成排程。排程結果只能考慮單目標任務，無法兼顧產量、交期達成率、生產成本等多個目標。此外，嚴重依賴人工經驗。

聯想智能生產排程方案功能架構圖

聯想智能生產排程方案基于實時的運籌優化技術，多階段聯合求解技術，可配置的多目標優化平臺，可解釋決策模型以及適應模型進化等技術，突破了傳統的高級計劃和排程系統(APS)僅基于業務規則進行簡單僵化的自動化處理的局限，真正意義上實現了人工智能綜合決策，釋放了大量潛在產能，實現了生產資源的最優配置，可大幅縮短生產計劃的制定時間，并有效解決制造業生產計劃效率低、無法兼顧多個目標等問題，助力企業實現更高效、優質的生產計劃決策。

該方案目前已在聯想全球最大的PC制造及研發基地——聯寶科技（LCFC）部署落地。聯寶科技擁有全球PC制造業最大的單體廠房和數十條生產線，年訂單數超過69萬筆，涉及500余種PC產品和超過30萬個成品物料料號。該方案在聯寶部署后，制定生產計劃的時間從傳統的6小時大幅縮減到1.5分鐘，產量提升19%，處理訂單數提升24%，交期滿足率提升3.5倍。即便是經驗不足的計劃員，在智能生產排程方案的輔助下，也可以快速上手，保證排程質量。

供應鏈智能化的未來

白皮書指出，未來，隨著物聯網、數字孿生、邊緣計算、知識圖譜等技術與機器學習、數據挖掘分析、運籌優化等決策技術進一步融合，供應鏈的智能決策水平將持續提升。另外，智能決策有望貫穿企業供應鏈管理的全鏈條，設計、采購、生產、物流、銷售、服務等多個場景實現一體化決策。此外，智能決策技術將持續提升可靠性、可復用性、可調節性、可信賴性，以解決當前落地實施周期長、驗證困難、用戶信任度低等問題。

展望未來，聯想集團希望能夠和業界攜手，通過前沿技術創新，不斷提升供應鏈的數字化和智能化水平，持續驅動經濟的高質量發展。