这场疫情，让供应链更加清晰地走进大众视线。
供应链出问题，核心是数据与信息的不透明与缺乏：
不能第一时间获得上游供应商的风险信息，也没有充足的数据来训练模型对风险进行预判；供需信息缺乏有效对接；供应链信息的传递往往是线性的传递，下游2%的需求变化，经过中游若干节点，到上游可能形成5%甚至10%的供给变化，从而形成库存积压。这就是供应链上常出现的“牛鞭效应"。
若没有疫情这个黑天鹅，供应链也会经常出现风险：
供应商所在地出现自然灾害；金融抑制导致供应商资金链出问题；环保管理严格使中小供应商难以为继；短期供应不足导致核心原材料价格上涨甚至缺货，等等，都是供应链系统出了问题，带来损失。
现在明显的趋势是，通过Al、IOT等技术，搭建供应链控制塔，把各个节点信息采集、共享，上下游端到端地实现信息透明，并利用工业大数据对供需、价格等各种风险进行AI模型预测。
也即未来理想状态是：通过技术平台，供应链管理者可以在线实时知道某种原材料有涨价风险，某家供应商的产能有问题，哪个区域有更合适的供应商。
但是，这样的控制塔在哪里呢？目前市场上已有很多探索，但都还不太成熟。
相对来说，被列入新基建的工业互联网可以在端到端透明上，预计将提供更多的可行性。
工业互联网可以通过工业IOT连接供应商设备，实时获得供应链大数据；可以通过PaaS层封装的AI算法，预测风险；应用层也有数字化采购工具，以及供需对接的应用，实现多供应商的目标并加强数字化管理。—这样，制造业面临的供应链“天灾”，可以通过技术平台来管理。
虽然以上应用在制造业中还未普及，但笔者认为未来方向已明。像百布、震坤行等工业B2B电商，在之前撮合、自营的基础上，也向工业互联网方向发展，用IOT设备连接整个供应链。
因此本文试图回答以下问题：
制造业在面临供应链风险时，不考虑核心技术及零部件依赖的情况下，能否真的能做到按需而供？
工业互联网在供应链数字化的进程中能起到什么样的具体作用？
现在工业互联网在企业的供应链管理中应用还很少，这是为什么，还存哪些局限性？
文章较长，上目录先。
供应链风险管理重点主要有两点，一是供应链要保持一定的弹性，要有多个供应商备选，适当让供应能力超过需求；二是将整个供应链透明化，有多少供应商，分布在哪里，各自面临怎样的潜在风险（如政策、自然环境、安全生产、用工等方面），目前生产及开工情况如何，物流是否通畅，等等，都应该在供应链管理系统里有映射。
在供应链管理领域，有供应链控制塔的概念，凯捷咨询、埃森哲等都很推崇这一理念。控制塔能提供供应链与物流的端到端可见性，及提供数据分析能力，从而成为供应链控制中枢。
因此控制塔也可以看做是供应链数字孪生体，供应链里发生的每一个变动都可以在孪生体里有反映。很明显，这需要一个数字化的供应链管理系统。
现在供应链的确是在经历数字化、智能化的过程。ERP系统中大多有供应链管理模块，SCM（供应链管理）系统也在世纪之初就出现了，通过信息手段，对供应各个环节中的各种物料、资金、信息等进行采集、输入系统，对资源进行计划、调度、调配、控制与利用。
在功能上，传统SCM软件一般会包括订单管理、商品标签管理、库存管理、送货管理、供应商考核、对账管理等模块，一些SCM还有看板管理、准时化生产（JIT）等专业版块。
在SCM领域，国内外有大量的大中小企业管理软件公司涉足，但至今SCM其实仍很小众，实际并未大规模普及。Gartner此前的数据显示，2017年全球SCM软件市场总收入为122亿美元，而在同期，ERP和CRM软件的规模都在500亿美元上下。
为什么SCM应用不尽人意？问题主要来自三个方面：
第一，传统IT服务模式提高了企业应用IT的成本，使得实施SCM的成本居高不下，即使是大企业也望而却步；
第二，作为众多“规则服从者"的（供应商）企业支付不起也无法通过实施供应链系统获得效益；
第三，许多企业对自身需求没有清晰定位，并把ERP与SCM混为一谈。
在风险管理上，SCM问题在于，解决的主要是企业在多条线复杂供应链之下的数字化管理问题，本质是一套工具化软件，带来的是结果的线上化，而不是过程的线上化，整个供应链管理中的实时可见性与可预测性依然不足。
1、目前国内的智能采购平台与B2B电商等尚未完全解决端到端的问题
近年来，智能化供应链的趋势愈加明显，正在掀起一场更大的供应链管理变革。
以往的供应链管理技术是应用条码、射频识别，实现对供应链上的商品识别，由人来实施；物联网技术通过传感器、IOT盒子等使设备可以自主实时生成可追踪的数据，数据维度也更加多元，这样可以实现端到端的数据传输过程；
大数据与AI可以整合供应链的数据信息，并结合网络社交、新闻、活动和天气等跟其他与供应链相关的信息，利用高维机器学习模型来预测供应链的价格、产量、开工率等变化情况，可预测性更强。
国外SCM厂商在顺应这股潮流，JDA于2018年8月收购了供应链解决方案AI提供商Blue Yonder,从而得到了后者的Luminate™端到端数字化平台，以适应AI和机器学习在供应链、物流中的大趋势。
2020年2月，JDA甚至将品牌名称改为Blue Yonder,以顺应Al对于供应链管理的大变革。
在国内，技术在供应链管理中的应用，突出特点是，实现了局部的供应链透明化，还没有哪个机构或者平台可以做供应链风险管理全流程每个细节的技术支持，但大家都在往全流程服务的方向来发展。另外，这些服务在整个制造业企业中的渗透率还不高，尤其是大量中小企业实际离数字化还比较远。
目前出现的数字化采购管理平台，想通过SaaS的形式来解决多供应商管理复杂性问题，同时降低部署成本。
如京东推出了智能采购平台，通过为客户搭建数字化平台，实现寻源系统、商品采购管理、履约验收等功能，试图解决制造业领域长尾商品多、供应商数量庞大、价格不透明、质量参差不齐等问题。
智能采购领域的创业公司，如年初获得红杉领投A轮的商越科技，本质是采购中台的建设者，通过SaaS等形式，为客户搭建采购商城，供应商自主上架商品，即时线上化采购，解决多供应商带来的管理复杂性的问题。
这些应用的价值在于，通过云端部署的方式，降低系统的使用成本，也解决了众多供应商与采购行为管理难度大的问题。而且京东等公司在供应链上的优势也可以帮助寻找供应商。但在端到端可见性方面依然不足，不知道供应商的具体生产备货情况。
—些物联网公司如G7、易流科技等通过I0T连接了大量货运车辆，可以提供物流环节的可见性，不过在生产端、采购端没有涉猎。
工业电商领域的公司，如震坤行工业超市，用SaaS来服务下游企业的采购，将智能设备铺设到工厂，采集工人对MR0物料的领用情况，通过工业物联网的连接，把下游的消耗与上游的生产、库存对接起来，形成协同。但覆盖的行业相对有限。
相对来说，被列入新基建的工业互联网，不仅可以提供SCM功能，还可以在端到端的可见性、风险可预测性等方面，功能更加全面。
目前国内有十家经工信部发布的跨区域跨行业工业互联网平台，包括三一集团、徐工集团、阿里、华为、富士康、用友、浪潮、东方国信等公司旗下的工业互联网平台，这些平台基本都有SCM方面的功能，另外垂直工业互联网平台有上百家，例如数商云等，其中有不少平台有SCM的功能。
工业互联网平台各种功能的应用比例
工业互联网产业联盟基于对国内外366个平台应用案例的分析发现，供应链管理的应用案例占比为7%,在平台主流功能的应用比率中处于中游水平。与设备管理使用率差距较大，跟生产监控、管理优化等应用处在相似的水平。
而在工信部发布的2019年工业互联网创新应用案例名单中，供应链管理应用案例达到八个，包括上汽通用五菱的供应链协同制造、用友做的汽车零部件行业网络化协同、徐工信息为江铜打造的智能供应链管理、紫光为新华三做的电子行业智能协同案例等，数量比例在35个总案例中最多，甚至超过了设备预测维护。
SCM软件的功能，工业互联网也可以做。例如，疫情期间，企业员工出差去采购仍有很多不便。
有色金属企业江铜集团所有的采购业务，全部在徐工汉云工业互联网搭建的供应链管理平台上完成，通过平台，实现了需求管理、采购寻源、网上采购、合同签订、发货、仓储管理、结算等流程的统一平台管理。
这跟传统的SCM系统有什么区别？
相较于SCM软件，工业互联网平台最大的变革在于部署轻量化，成本降低。传统SCM系统整体部署起来较复杂，硬件投入比较大，还需要专业人士去维护。而工业互联网以云端为架构，可通过工业APP、SaaS的形式进行，云端部署，轻量化应用，由此带来安装和使用成本的降低。
其次，企业在获得供应链管理能力的同时，还可以享受工业互联网平台的其他服务，例如车间信息化、供应链金融、交易匹配等。
（1）供应链的问题是数据
要解决供应链风险管理的问题，仅有数字化管理工具还不够，还是要靠拥有真正的工业大数据。
清华大学大数据系统软件国家工程实验室总工程师、工业互联网产业联盟副秘书长王晨在—次线上讨论时表示：
疫情暴露的最大问题就是供应链，供应链的问题是数据，供应链上看似有很多大数据应用，但还是出现了很多问题。
（主要源于）当前企业的大数据水平很低，很多企业的大数据根本不是大数据，协同的企业大数据水平参差不齐。
要有更大量更优质的工业大数据，并进行分析预测，就需要进行更多的工业数据采集。中国物流与采购联合会危化品物流分会秘书长刘宇航近期针对出现的供应链问题，提到了几点措施：包括结合先进技术实现数据实时采集反馈、智慧供应链转型等。
（2）数据需要工业IOT的支持
最近一年内,工业物联网领域不少公司获得融资,如湃方科技、纵行科技、语祯物联、数途信息科技、长扬科技、全应科技等。而工业互联网平台也有物联网感知层,去连接更多的设备,让设备生成更多数据并上云。
工信部数据显示,截至2019年7月底,中国重点工业互联网平台平均工业设备连接数达65万台。设备连接数是很重要的概念,设备连接代表数字化的程度,只要数字化了,下一步才是数字化深度的问题。
设备联网的实现,主要是通过传感器、物联网盒子等设备去采集设备的数据,结合智能网关,融合80%以上的主流工业协议,传输信息。
部分平台的设备联网技术
目前可以采集供应商的订单进度、生产过程、库存信息、设备使用、物流动态等信息,徐工信息可以实现仓储、物流、配送等信息的采集,在生产加工、智能仓储、送货物流调度、发运路线偏离报警等人货场场景来应用。多维度的数据采集,可以更进一步实现供应链的透明可视。
大部分情况下,采集信息会依据数据分析的需求而定。数途信息科技创始人田野举例称,比如要预测库存量、产量,细颗粒度要到每一台机器每分钟生产多少个,而不是仅停留在每天入库的时候做完整统计。如果最关心设备健康状况,那么要收集设备产生的报警信息;如果关心工艺,需要收集温度、转速、压力等一系列信息。
（3）工业设备连接率尚不高，且连接聚焦于企业内部
现在工业设备入网的主要问题是连接率还不高。头部的平台,每家可以连接设备60万台左右。而全国的工业设备保有量是非常高的,比如仅工程设备就有700万左右的保有量,机床设备也有数百万。全部制造业领域的设备是天量级别,还有很多没有联网。而且设备连接更多是聚焦在企业内部,去完成内部生产过程的数字化,用在供应链上的设备连接还是很少一部分。
工业设备接入能力向上游供应商延伸,供应商会有安全性、成本等方面的顾虑。让设备上网,需要安装调试、维护,都是需要成本的。而供应商设备上网,能给供应商带来哪些益处,并不明显。这也是SCM系统此前就面对的问题。供应商是供应链管理体系下的“规则服从者”,需要负担供应链信息化的成本,却没有明显获益。
共享数据给企业带来的价值在于:一方面可以和下游采购方进行高效的协同沟通,包括哪些产品能够交付、交付比重、什么节点进度更新等,可以根据客户的情况更灵活地安排交付;另一方面,供应商的设备信息、生产能力会被更多的客户看到,从而获得更多的生产订单。
但这同时带来的问题是,设备上网,可能将企业核心数据泄露出去。对此,需要加一些数据保护措施。例如企业有权决定是否共享信息,以及共享哪些信息,涉及到商业机密的信息企业可以不开放共享。另外,在数据传输上也做封装加密处理,保证数据的安全。同时,业界也普遍与客户签订保密协议。
不过,通过IOT接入设备,实时获取供应链上的数据,做到更实时化、精准的供应链预判与控制,这是供应链管理的大趋势。
像百布、震坤行这样的B2B电商也都在往工业互联网的方向发展,用IOT设备实现产业链上机械的数字化。比如纺织领域的B2B百布预计2020年AloT设备累计覆盖织机数可达40万台,行业织机产能累计覆盖率有望超过26%。
（4）未来的变化,常规事项可以让AI来预测
随着设备联网的推进,未来工业数据会越来越多。下一步就是怎么将数据服务于风险管理预测,AI技术可以派上用场。制造业明星企业越来越注重AI对业务的预测能力。去年8月,耐克就收购了AI驱动分析平台Celect,该平台通过机器学习来提供销售预测和库存管理的能力。
以往业务数据的预测,如需求量、市场供给量、价格变动、销售量等,主要靠业务人员的经验判断,或者通过简单的线性回归模型来预测。机器学习特别是深度学习兴起后,可以组建高位模型来分析海量与业务相关的数据,做核心业务数据的预测。
工业互联网的PaaS层往往封装了很多算法,其中有机器学习算法可以对供应链变量进行预测。机器学习模型可以评估上下游产品的价格涨跌情况,可以对不同类别、不同环节的厂商的不同风险,进行分类管理,制定差异化的政策；可以预测库存管理变化情况,及时进行调整。
最近两年国内不少工业大数据、工业智能领域创业公司获得融资,如昆仑数据、数途信息、湃方科技、大数点、智物联、英物智联、应势科技、蘑菇物联、全应科技、洪朴信息等。除了预测业务数据,还可以根据需求做不少有价值的数据分析。
比如湃方科技基于数据可以做供应商画像、消耗品质量评价;数途信息科技则用数据分析来提高供应商的设备利用率。
面对订单,可以预估最大的接收订单量是多少,评估如果接收了对现有的正在生产的订单有什么的影响,对物料、对库存是有怎样的影响,需要增加哪些物料的采购,需要补充多少人员,要多开多少设备等等,通过APS(高级计划与排程)系统快速进行评估,确定要做哪些准备,进行生产规划,保证生产过程最优。这些数据也可以选择跟采购方做一些分享。
通过预测与评估,可以在一定程度上避开供应链潜在风险,比如价格的大幅涨跌、库存压力、供应商接了订单却无法执行等。
数据分析功能比如原材料价格的涨跌、原材料供应量的变化、库存数据的优化等,都可以实现,技术难度不大。现在最大问题还是供应链管理系统的应用普及不足。
另外预测技术还有一些问题,即当影响价格与供应的维度不多时,模型表现会比较好,当维度很高时,模型表现会不尽人意。因为每个维度的影响因素造成的影响力在不同时期是不一样的,参数不断变化。另外在大部分预测模型中,没法把黑天鹅事件作为变量。
所以AI来预测供应链风险,只能预测比较常规的情况,大多数基于行业历史数据进行模型训练,例如工业互联网研究院的AI平台对螺纹钢产量进行预测训练,是使用2015至2018年历史数据训练模型,并对2019年全年各月份螺纹钢产量进行预测,是一种监督学习模式,模型预测的全年各月份螺纹钢产量的全年平均误差率为4.9%,精度还有待于加强。
此外还有可解释性方面的问题，人工智能一般需要通过模型推导出知识，而工业上有三个要求:
1、可解释性,不能是一个黑盒子。
2、知识具有确定性,如果不是确定,就要给一个能确定的办法。
3、因果性,看到这个现象,一定是某个原因造成的。
工业智能下一步需要解决的,是把原始数据提炼分析,加工成人可以理解的对业务有价值的信息。
1、工业互联网标识解析是供应链全面数字化的基础，但系统化建设还需时间
除了工业IOT,另外一项基础设施正在搭建之中,现在国家正在力推工业互联网的标识解析,给工业体系中的每一个设备和生产的每一件产品一个统一标准的独立标识,实现对机器设备与产品的追踪。这是工业互联网的一项核心技术,对于供应链的透明化也会起到独特的作用,相当于每一台设备都有自己的数字身份,为下一步的供应链全面数字化打好基础。
此前虽已有商品条码、二维码给设备、商品一个身份,但不同的身份识别号彼此之间互不相认。标识解析体系就是要打破这种孤岛,形成统一的标识。
中国工业互联网研究院院长徐晓兰以医疗物资为例介绍了标识解析的作用。在医疗物资分配中,如果通过标识解析等工业互联网相关技术,在物资生产储存时打上唯一标识,就可以通过工业互联网平台了解每包口罩、每套防护服的位置、数量、种类等信息,追踪其物流仓储和分配情况。
标识解析顶级节点(类似于根目录）已经于2018年在上海等五个城市启动,现在正在面向行业和区域铺二级节点,作为体系面向企业和应用提供服务的入口。据报道,标识生态建设将在2025年实现多维度全行业标识解析生态,到时候供应链上的设备识别、商品识别会更加简单。
标识解析本身在技术上难度不大,主流的标识技术有Handle、OID（object identifier,对象标识符）、Ecode（entity code for loT,物联网统一标识体系）、EpC、UCode等,都是一种编码的能力,并通过载体技术实现存储与读取。
难在运营推广与生态搭建上。在推广机床行业标识解析二级节点的过程中,会遇到软硬件集成、客户积极性不高等各方面的难点。
首先,标识数据的来源是跨地域甚至是跨国界的,标识数据存在异主、异地、异构的情况,涉及的标识数量十分庞大;
其次,各个企业的信息系统、标识定义、接口规则千差万别,企业技术水平高低不同,让所有企业具有统一的规范非常难;最后,行业标识解析体系的建设是一个长期而缓慢的过程,想让企业理解、接受并连接到二级节点平台需要不断的推广宣传。
2、B2B工业电商与工业互联网将殊途同归
有了广泛连接的设备,有了供应链上下游的生产信息,工业互联网还在做供需对接业务,也可以叫工业电商。工业互联网在本次复工复产中发挥作用,做得很重要的事就是供需对接。
航天云网的医用纺织品防疫物资平台,将中石化的熔喷布产能与多家大型口罩生产企业对接,每天熔喷布供货超过5万吨;海尔推出“医疗物资信息共享平台”,截至2月24日就发布供应信息3400万条,需求信息5700万条。
服装企业依文公司利用平台进行派单,带动百余家上下游企业复工。
工业互联网平台为什么要做这事?从客户的角度看,永远有寻源管理的需求,找到更多的供应商才会更好地管理潜在的断供风险;从平台本身的角度看,头部的平台平均已经连接了六七十万台设备,每家平台涉及到数万家工业客户,为供需双方牵线搭桥也是顺理成章。
供需对接业务,是工业互联网走上业务的更前台,通过SaaS来提供SCM和工业电商的服务。市场上已经有不少类似于找钢网这样的B2B平台,工业互联网做这事,优势并不明显。简单的信息撮合已经被证明没有价值,所以B2B们都去做自营,做仓储物流。工业互联网没有精力去做这些重活,存在客户跳单的可能,在品类与SKU上也不及B2B系统化,生态建设任务很重。
但供需对接又是需要去做的事。要做供应链管理,强化用户的黏性,就需要尽可能将客户供应链多环节都在自己平台上满足。多供应商策略是客户管理供应链的重要途径,如果工业互联网要成为制造业的供应链基础设施,就需要做供需对接。
工业互联网平台发展供需对接的思路,一方面是强化整体服务的概念,不仅帮助对接客户,还可以让企业上云,可以使用平台的其他信息化工具、各种工业APP;另一方面是做生态,把更多的供应商纳入进来。
徐工信息在和阿里合作,从供应商认证和商标等方面数据共享。在江苏盐城建湖县等地落地“智能制造基地”,建设行业云、区域云,吸引更多的企业进驻,从而汇集更多的供应商。
预计供需对接业务能做大的平台不多,运营起来比较重,可能只有少数头部的大平台,以及在垂直领域有深厚积累的平台有一定机会。
现在来看,B2B工业电商们以撮合起家,在往IOT设备的方向布局;工业互联网以IOT联网起家,现在在做对接与撮合。两个原本互不相关的领域,正在产生交集，更大的可能性是二者都成了工业互联网公司。
不只是工业互联网和工业B2B,前文中提到的数字化采购平台商越科技,也将上线寻源管理板块。因此预计,涉及供应链管理的技术应用,最终大家都会越来越像。
3、工业互联网在供应链管理的应用深度有待提高
这样,工业互联网实现供应链上更多环节的数字化,并用AI模型强化预测能力,加强端到端的透明性,以及风险的可预测性。供需对接则助力企业的多供应商战略。
在当前的制造业复工复产当中，工业互联网起到了非常积极的作用,随着国家对新基建的投入,预计未来会在供应链管理中起到更深入的作用,对经济的拉动也越来越明显。
中国信通院测算显示，2018年、2019年我国工业互联网产业经济增加值（包括核心产业与融合带动影响）分别为1.42万亿元、2.13万亿元,占GDP比重分别为1.5%、2.2%。预计2020年将达3.1万亿元,占GDP比重为2.9%。不过工业互联网目前应用范围并不广,真正智慧化的供应链风险管理,还得再等等。
总的来说,工业互联网平台在供应链管理中还处于局部探索和典型案例打造阶段,尚未形成真正的产业化应用。现在工业互联网平台的渗透率还很低,以至于大家还没有看到技术带来的巨大变革。例如长城汽车在复工复产过程中,需要配套零部件供应商的产业链协同。这时候更多还是企业自救和政府帮扶起了重要作用。
河北省工信厅先后分4批次与277家省内外配套企业沟通协调,促成166家企业复工,保障了长城汽车零部件供应。大企业、地方重点企业尚且如此,大量中小企业的供应链危局就更明显了。从制造业企业来看,企业大多比较关注生产、研发等看得着的环节,对供应链不够重视,对供应链管理的理解也仅仅停留在物流、仓储等环节,无法形成一个整体的理解,对供应链管理所带来的利好也没有一个清晰的概念,所以导致企业在这方面积极性不高。
另一方面,由于决策者和使用者为不同主体,供应链管理过程中会改变使用者的使用习惯,有些使用者会给予一些不是特别正面、积极的反馈,也会影响决策者对供应链管理的态度。
此外,制造企业都很务实,花了多少钱能给企业带来多少效果,都要有一个合理的预期,企业才会买，这都会导致工业互联网供应链管理能力在推广中会面临阻力。工业互联网在供应链这一领域的应用下沉,乃至发挥控制塔的作用,至少还需要五到十年的过程。
文章来源：科创记，作者：英格格；
【数商云www.shushangyun.com】致力于提供企业级的电商平台服务，长期为大中型企业打造数据化、商业化、智能化的网上商城系统解决方案，同时我们还提供B2B电子商务网站、B2B2C多用户商城系统、B2C电子商务系统、跨境进口电商平台系统、srm供应商管理系统、渠道商管理系统、B2B订货管理系统、采购商城管理系统、S2B2C电商平台系统等一系列系统定制开发服务。通过大数据、云计算等新技术协助企业打造供应端—渠道端—营销端—数据端等全链数字化运营体系，提升企业运营效益与智慧数字化商业转型。
点赞 | 0
