各行業(yè)資產(chǎn)密集型企業(yè)由于擁有大量的設(shè)備、設(shè)施，企業(yè)的運(yùn)作依靠大量設(shè)備、設(shè)施良好運(yùn)行的支撐，而設(shè)備、設(shè)施之所以可以運(yùn)行良好，則離不開(kāi)備品備件的良性管理。

英諾森通過(guò)對(duì)企業(yè)以往項(xiàng)目實(shí)施中發(fā)現(xiàn)的問(wèn)題進(jìn)行了詳細(xì)分析，發(fā)現(xiàn)企業(yè)均需要花費(fèi)大量的人力、物力對(duì)設(shè)備的BOM（設(shè)備材料清單）進(jìn)行階段性的復(fù)盤和更新，才能保證備件在需求提報(bào)時(shí)更能滿足維修需求，但恰恰是這個(gè)復(fù)盤和更新BOM的工作，就已經(jīng)勸退很多企業(yè)。BOM的不完整、更新不及時(shí)一直在惡性循環(huán)，甚至很多新備件的維護(hù)、替換備件的關(guān)系均無(wú)法做信息化的及時(shí)更新以普及使用，大量的信息都保存在業(yè)務(wù)終端人員的“小筆記”本上。

而對(duì)于進(jìn)一步的備件需求量決策，則更依賴人工通過(guò)長(zhǎng)期在企業(yè)中的業(yè)務(wù)經(jīng)驗(yàn)、“直覺(jué)”確認(rèn)相關(guān)備件需求量的計(jì)算，這種判定能力至少需要相關(guān)人員有足夠的BOM需求判斷經(jīng)驗(yàn)，比如對(duì)設(shè)備的運(yùn)行狀態(tài)及維修需求有專業(yè)的判定，結(jié)合企業(yè)的庫(kù)存控制策略，在符合企業(yè)對(duì)庫(kù)存各項(xiàng)指標(biāo)要求的前提下進(jìn)行合理的需求量判斷，這個(gè)要求無(wú)形中框定了對(duì)人員的需求。同時(shí)，從需求角度對(duì)需求量的直覺(jué)性把握很難在提升庫(kù)存有貨率、降低積壓庫(kù)存的角度提供良性幫助，畢竟需求角度更希望對(duì)設(shè)備的穩(wěn)定運(yùn)行提供保障，而庫(kù)存控制則需要在保障需求的同時(shí)盡可能降低庫(kù)存，讓備件的備貨更貼合需求時(shí)間。

備件與設(shè)備本身是一體化，設(shè)備的運(yùn)行健康度涉及到對(duì)備件的需求度，也決定了備件應(yīng)該在提前多久開(kāi)始著手備貨，現(xiàn)在越來(lái)越多的企業(yè)意識(shí)到傳統(tǒng)管理模式下的弊端，逐步將備件管理和設(shè)備管理進(jìn)行職能合并，逐步推進(jìn)備件與設(shè)備的統(tǒng)籌管理。

知識(shí)圖譜在庫(kù)存管理中的應(yīng)用

此前，通過(guò)大數(shù)據(jù)和人工智能技術(shù)發(fā)展的啟發(fā)，通過(guò)人工智能技術(shù)在知識(shí)圖譜上的成功應(yīng)用，我們嘗試在備品備件與設(shè)備的關(guān)聯(lián)關(guān)系上進(jìn)行知識(shí)圖譜的模型構(gòu)建，構(gòu)建成功后，圖譜中的任意一點(diǎn)，均可帶起一張關(guān)系網(wǎng)，比如，我們通過(guò)某個(gè)備件物資碼，可以輕易的找到其相關(guān)設(shè)備、替代備件，此時(shí)如果有一個(gè)設(shè)備維修的需求，可以通過(guò)這張關(guān)系網(wǎng)快速的定位需要備件，再結(jié)合庫(kù)存系統(tǒng)，獲取相關(guān)庫(kù)存信息，對(duì)無(wú)庫(kù)存?zhèn)浼?，通過(guò)其關(guān)系網(wǎng)可以快速定位出其有庫(kù)存的替代備件，將該設(shè)備維修需求的相關(guān)備件庫(kù)存清單、待采購(gòu)清單、替代備件庫(kù)存清單提供給終端業(yè)務(wù)人員，輔助人工進(jìn)行快速?zèng)Q策。

當(dāng)我們得到一張關(guān)系網(wǎng)以后，接下來(lái)需要考慮的則是備件需求的預(yù)測(cè)提升，得到一個(gè)盡可能貼合需求的預(yù)測(cè)結(jié)果才能更好的進(jìn)行庫(kù)存控制。設(shè)備維護(hù)通常分為三類：響應(yīng)式維修、預(yù)防性維護(hù)、預(yù)測(cè)型維護(hù)。響應(yīng)式維修又稱修復(fù)型維修，基于“故障”，屬于事后維修，預(yù)防性維護(hù)基于“時(shí)間”，更多依賴于經(jīng)驗(yàn)判斷，而預(yù)測(cè)性維護(hù)則根據(jù)設(shè)備實(shí)時(shí)的運(yùn)行“數(shù)據(jù)”，對(duì)某些重要部件進(jìn)行定期或者連續(xù)的狀態(tài)檢測(cè)和故障診斷。這三類中主要導(dǎo)致備件需求量預(yù)測(cè)偏差度大的就是響應(yīng)式維修，此維修場(chǎng)景從常規(guī)需求量預(yù)測(cè)的角度來(lái)看，無(wú)法有效預(yù)測(cè)。因此，我們有了一個(gè)大膽的考慮，是否可以通過(guò)某些其他的關(guān)聯(lián)現(xiàn)象，將響應(yīng)式維修盡量避免。

伴隨著人工智能（AI）、大數(shù)據(jù)（(Big Data）、云計(jì)算（Cloud Computing）等技術(shù)的發(fā)展，我們發(fā)現(xiàn)，如果通過(guò)傳感器和物聯(lián)網(wǎng)技術(shù)對(duì)設(shè)備運(yùn)行數(shù)據(jù)進(jìn)行實(shí)時(shí)采集、處理、分析，是否可以實(shí)現(xiàn)對(duì)設(shè)備故障前的征兆狀態(tài)進(jìn)行預(yù)警，進(jìn)而實(shí)現(xiàn)對(duì)部分響應(yīng)式維修的“避免”。這種方式將響應(yīng)式維修轉(zhuǎn)換為預(yù)測(cè)性維護(hù)，幫助企業(yè)實(shí)時(shí)洞察設(shè)備的運(yùn)行狀態(tài)，更加準(zhǔn)確地定位潛在故障部件，結(jié)合備件關(guān)系網(wǎng)，實(shí)現(xiàn)在最需要備件的時(shí)候得到備件庫(kù)存，這樣既能降低“用而不備、備而不用”的風(fēng)險(xiǎn)，又能降低提前儲(chǔ)備的風(fēng)險(xiǎn)，減少備品備件的庫(kù)存積壓，提高物資的周轉(zhuǎn)效率。

備品備件的庫(kù)存良性管理除上述提到的健全的關(guān)系網(wǎng)、設(shè)備運(yùn)行的提前預(yù)警以外，同時(shí)離不開(kāi)供應(yīng)渠道的保障及協(xié)同，離不開(kāi)在庫(kù)物資的精細(xì)化管理，也同樣需要企業(yè)內(nèi)部各單位之間庫(kù)存共享的打通，才能達(dá)到降低庫(kù)齡、減少積壓，真正實(shí)現(xiàn)降本增效。

英諾森在協(xié)助企業(yè)實(shí)現(xiàn)有效庫(kù)存控制、降本增效的路上不斷探索與前進(jìn)，通過(guò)庫(kù)房精細(xì)化、需求提報(bào)電商化、庫(kù)存管理集中化、倉(cāng)配園區(qū)智能化的全流程覆蓋模式，為企業(yè)構(gòu)建供應(yīng)鏈“智能軀干”的同時(shí)，運(yùn)用AI、大數(shù)據(jù)等領(lǐng)先技術(shù)在需求預(yù)測(cè)領(lǐng)域上搭建供應(yīng)鏈的“決策中控室”，以全新的控制塔模式為企業(yè)的智慧供應(yīng)鏈建設(shè)提供堅(jiān)實(shí)基礎(chǔ)。

審核編輯黃宇