当变化迅速的需求、品种繁杂的原材料、多条工序产线，以及五花八门的渠道交织在一起时，企业决策的复杂程度究竟会有多高？
(资料图片仅供参考)
以一家整车企业为例，生产一辆汽车需要大约1万多个零部件，牵扯到数百家供应商，从冲压、焊装、涂装再到总装，四大工艺上百条产线，如何最大化利用现在产能，以最小的单车生产成本在最短时间内制造出最多数量的汽车是摆在整车企业面前的一道难题。
再以零售消费品企业为例，单单一个消费品牌可能就要涉及到数百个SKU的产品，每款产品又会涉及到20-40种左右的原料供应，每款产品原材料的配比又不尽相同。消费品企业的供应链和市场需求预测可谓是“动一发而牵全身”。
可以看出，无论是制造业企业，还是消费品企业，如何提升决策水平、优化各类资源调度成为企业降本增效的重点和难点，也是企业突破增长瓶颈的破局点。
企业决策需要照顾到生产、供应、渠道等方方面面，不能只关心“一城一地”的得失，更需要从经营决策的总体层面出发，跨越数字鸿沟，充分利用数据和算法，通过提升决策智能化水平来实现全局优化。
杉数科技作为智能决策领域的领军企业，在运筹优化、机器学习等领域具备卓越的技术创新和工程实践能力，可以为企业提供智能决策技术支持，助力企业加速实现生产经营、供应链管理等方面的决策智能化。
杉数科技由四位斯坦福大学博士创立。创始人团队葛冬冬教授师承国际运筹学领域顶级泰斗叶荫宇教授（冯·诺依曼理论奖得主），在线性规划、优化算法、运筹学等领域具备卓越的原始创新能力。
面向制造业企业和消费品企业决策智能化的需求，杉数科技在3月30日举办的2023智能决策前沿峰会上推出了杉数数弈和Planiverse计划宇宙两大产品。
杉数数弈围绕工业场景需求，支持制造业企业多种交付模式（MTS/MTO/ATO/ETO）的最优生产计划，帮助企业实现前瞻性的最优产线产能规划、精准可执行的多工厂最优协同调度、设备级排产、工序级排班。
Planiverse计划宇宙产品面向消费场景应用，可以为企业提供需求预测的协同机制和一致性需求计划、贯通需求、生产、库存、调拨、履约的一体化供应链计划等，帮助消费品企业高效应对动态变化的市场需求。
智能决策技术的核心在于将运筹优化和机器学习等前沿人工智能技术的深度融合。在数学规划求解器领域，杉数科技于2019年推出了国内首个自主研发的数学规划求解器“Cardinal Optimizer”（COPT）1.0版本，包含线性规划单纯形法和混合整数规划求解器。
2023年3月30日，杉数科技宣布将在今年4月初正式发布COPT 6.5版本。COPT 6.5版本在线性规划、凸二次规划和二次约束规划、半定规划、混合整数凸二次约束规划方面均取得国际权威数学优化软件测评全球第一名的成绩，混合整数规划求解的综合性能全球排名第二。
COPT求解器不仅填补了国产求解器的诸多空白，突破了卡脖子问题，其大部分求解性能已比肩甚至超越了国际先进求解器。
该求解器是杉数科技提供决策服务的底层核心技术，可将决策问题抽象为数学模型，并基于数据与优化算法求解，帮助企业找到最佳的决策方案。该产品可针对大规模优化问题实现高效的数学规划，解决变量和约束数量达到几十万或者以上级别的优化算法问题。
如果说机器学习技术适用于预测，那么优化算法更适用于企业企业场景问题的求解。杉数科技从数据、模型和求解器三个层面将机器学习与运筹优化技术融合起来，不断提升智能决策技术的效率和可靠性。
2022年初，国务院发布的《“十四五”数字经济发展规划》强调，有条件的大型企业要形成数据驱动的智能决策能力，提升企业整体运行效率和产业链上下游协同效率。
在帮助企业推进数字化转型、实现智能化决策的过程中，杉数科技认为既要提供标准化、模块化的核心工具软件，例如优化求解器，也要提供服务于应用场景全流程的管理软件和服务。这种产品业务模式在杉数科技内部被称为“发动机+整车”的模式。
因此，要想助力企业实现决策智能化，除了具备智能决策的核心技术能力之外，还要能匹配企业的实际业务需求，在与企业业务人员的交互过程中提炼出企业决策时隐含的需求约束条件，最终将企业经营的实际过程抽象成可以优化的决策方案和流程。
杉数科技在汽车、零售、钢铁、能源电力等领域服务了大量头部企业客户，将智能决策技术与各领域业务场景深入结合，积累了广泛而深入的行业经验。
近年来，制造业企业和零售消费品企业对于数字化、智能化转型的需求极为迫切，已经成为企业的必答题和抢答题。
杉数科技也正是瞄准了制造业企业和零售消费品企业划分出了两条核心业务线。其中一条业务线是服务于零售、物流行业的供应链领域，另一条业务线则服务于制造业的生产制造领域。
面向零售快消的决策优化场景，杉数科技推出的杉数Planiverse计划宇宙产品可以助力零售消费品企业加速实现需求预测、渠道管理、库存管理等方面的决策智能化。
在过去7年，杉数与零售消费品领域数十家头部企业达成了合作。杉数科技在需求量预测、库存配置、收益管理、网络优化、自动补货等的核心决策环节方面，可以实现显著超越传统人力经验的决策效率和效果，帮助消费品企业快速响应复杂多变的市场需求。
雀巢、好丽友、伽蓝等企业客户表示杉数科技已经拥有一套从业务梳理、方案设计到产品和算法实施的完整方法论和落地经验，可以很好地满足企业数字化转型的实际需求。
杉数科技为雀巢电商团队搭建了电商智能需求计划协同平台，帮助雀巢提升了线上全渠道的需求管理能力，打通雀巢各个电商渠道的市场数据，并在平台中内嵌杉数科技自研的智能需求预测算法，利用系统数据的透传进行预测，使得雀巢电商需求计划准确度得到大幅提升。
制造业方面，杉数科技推出的杉数数弈智能制造决策平台，可以基于运筹优化+机器学习算法模型为企业提供生产决策建议，兼顾物料成本和生产产能等方面实现全局优化，也可以为企业提供中长期生产、采购、库存计划的决策支持，帮助企业实现上下游供应链的协同融合。
依托强大的核心运筹优化模型与求解算法设计能力，杉数科技团队可以把各种生产运营决策问题转化为数学规划问题进行求解优化，从而在决策层面实现从人工主导到数据算法主导的转变，帮助制造业企业的各个工厂进行更高效的协同，降低供应链迟滞，减少机器空转及人工干预，帮助工厂减少产能损失，提升订单满足率。
例如在上汽通用的业务场景中，杉数科技成功将覆盖上汽通用所有工厂各个车间的50多种业务需求转化为各类资源约束条件，成功构建了排序计划算法模型。在此基础上，依托智能决策技术打造整车数字化排产系统在上汽通用凯迪拉克工厂成功上线。
企业经营决策方式正在从以人的经验为决策主导转变为以数据、算法为主导。随着企业竞争环境日趋激烈、市场需求快速变化、企业内外部数据量的指数级增长，如何利用好数据做出全局最优的决策，已经成为企业核心竞争力的重要组成部分。
在消费品领域，伽蓝集团就对杉数科技表达了自身关于决策智能化的诉求。伽蓝集团业务模式复杂度日益增加，数字化转型的关键就是要打造出一个准确统一的供应链计划平台。
伽蓝业务需求的一方面是实现供应链的精准供应，即如何让伽蓝的库存可以布局得更加的精准，比如布局在哪个城市的哪个分仓，商品数量供应多少，在什么时间节点开始备货等。
供应链的另一头连接的就是市场需求的预测。需求预测要将线下商超和线上电商等不同渠道之间的差异性，以及销售的季节性一并考虑进去，同时还要结合SKU的不同品类。这就需要企业能够制定出更加准确、更富有时效性和一致性的需求预测和需求计划，如此才能够更好地满足不同地区消费者、不同销售渠道对不同商品的需求。
杉数科技为伽蓝打造了供应链智能化决策平台，为伽蓝装上了供应链决策的“智慧中枢”，实现了伽蓝全品牌需求计划、供应计划、仓储计划的自动化和智能化，帮助伽蓝集团提升了企业整体运营体系的决策效率和决策质量。
决策水平决定了企业经营效益的好坏。决策效率越高，企业越能及时匹配市场的需求；决策效果越好，企业资源配置效率更高，所获得的收益也就越大。因此，利用好数据这一新型生产要素的价值，关键是要将数据应用于企业实际的业务决策场景中。
当前企业经营决策通常面临多种资源条件约束和多目标优化的复杂情形，这些都已经超出人的经验和简单数字化工具的适用范畴。杉数科技通过提供统筹全局的智能决策平台来帮助企业实现数据决策分析的闭环，提升企业经营决策的效率和效果。
杉数科技在服务某ICT企业时，帮助企业客户打造了多工厂协同排产及生产库存优化平台，取代了原有的基于规则和经验的传统APS软件，将企业订单满足率提升20%，产能损失率降低30%，人工排产干预度降低70%，生产仿真速度提升15倍以上，大幅提升了企业整体经营效率和效益。
历经7年的发展，杉数科技已经在底层核心技术、行业解决方案、业务应用场景三方面形成了深厚积淀，发展势头迅猛。2022年，杉数科技在零售消费、工业制造、能源电力、轨道交通等领域均成功落地多个项目，与多家行业头部企业达成合作，业务范围和市场规模都在进一步扩大。杉数科技年营收增速保持在50%以上。
在3月30日举办的2023杉数科技智能决策峰会上，杉数科技宣布已完成总融资额近5亿的C2及C2+轮融资。C2轮领投方为越秀产业基金，跟投方为广汽资本和方正证券投资，C2+轮领投方为国开制造业基金，跟投方包括华智兴瑞、中金浦成、中金汇融、国药中金、鞍钢投资和中色资产多家投资机构。
未来，杉数科技将继续研发运筹优化、机器学习等核心技术，并将前沿技术与产业实际需求适配，为企业经营决策提供“加速器”和“倍增器”，助力中国企业早日实现数字化转型与智能化变革。
标签：
