“物料需求计划（MRP）是企业根据生产、销售、采购、预测等需求来制定物料采购、生产、调拨的计划。物料需求计划的准确与否，可谓是牵一发而动全身。初始需求预测环节的微小偏差，会顺着供应链逐级延伸并放大，造成企业缺料、呆料等风险，进而给整个供应链带来无法预测的“蝴蝶效应”。

在大规模定制化生产模式日益普遍的当下，错综复杂的物料替代关系带来的超大计算量、多目标多约束带来的优化难题、企业对精细化管理的高要求等因素叠加，时常让传统的物料需求计划工具力所不及。

联想作为入选2022年“Gartner全球供应链 TOP25”的高科技制造企业，在全球拥有35家制造基地，向180多个市场提供产品和服务，与全球5000多家供应商建立了合作关系。生产规模大、定制化需求多、多工厂协同的业务特点，推动着联想在物料需求计划中寻求更加高效、灵活的MRP解决方案，以从初始环节降低供应链“蝴蝶效应”带来的潜在风险。

近日，联想研究院人工智能实验室智能供应链团队经理、资深研究员欧阳文理博士受邀进行了《运筹学在联想供应链物料需求计划中的落地实践》的主题直播，分享联想MRP在物料需求计划中的技术积累与实践经验。

运筹学在联想供应链物料需求计划中的落地实践

01 传统MRP面临待解难题

传统MRP的求解方式，通常是依据业务专家的规则，比如依据订单和物料的优先级依次去做物料的扣减、缺料的计算等。然而实际生产场景中更多的物料BOM层级、更复杂的物料替代关

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！