· 根据原燃辅料价格指数、库存、生产计划等历史和实时数据,做出采购时间节点、采购周期和采购量的辅助决策;
· 通过原燃辅料市场价格指数分析和供应商历史数据,做出供应商推荐、采购价格的决策;
· 通过对支付方式不同配比组合,进行付款方式优化,降低付款的资金成本;
· 通过对采购行为分析,建立供应商的画像,包括供货质量,准时性以及价格优势。
· 从市场销售端,实现按订单生产,多品种、小批量,并充分考虑客户个性化需求,争取客户价值的深度挖掘,形成广泛的细分市场;
· 从生产角度,如此则很难释放出企业的产能。一味追求按单生产,企业内部会增加生产成本,降低经济效益。如何使销售资源计划与钢企的采购计划、检修计划、能源计划、物流计划等达到基本平衡,既能实现产能扩充,又能赢得细分市场。
· 生产优化是通过采集企业信息化系统如ERP、MES、设备管理等数据构建指标体系;
· 通过行业业务模型和大数据算法相结合,进行生产核心指标的可视化,诊断是否存在订单交付风险、产销协调不合理情况,且进行生产预测以及对生产处理决策的模拟仿真。
· 将铁矿石从矿山端装期排定到进场过程中不确定因素进行历史数据统计,结合钢企当前执行的配矿计划,预测未来各矿石品种库存时间轴线的动态变化过程,当低于设定阈值时进行预警;
· 基于价格预测模型,推导出采购预案;结合自然因素、历史数据可同步推导出调运预案。
数据全方位构建,打通传统钢铁行业采购、生产、库存、物流、财务等系统的数据孤岛,基于优化场景,形成立体的多维度数据模型
结合矿石平衡、配矿优化、能源平衡等具体优化场景,可深入到车间、产线、设备层面进行大数据量化分析和洞察
通过不断迭代的模型训练,提供辅助决策的量化分析方案,形成精益管理
构建多维度业务模型,让每一个职能部门的数据在企业的全局视角中发挥作用,形成全局优化