幹貨-鋼鐵企業決策智能系統案例分享

鋼鐵工業是我國重要的原材料工業之壹，迫切需要由“大”向“強”升級。在上壹篇文章中，我們從奧林技術交付團隊的角度分享了傳統企業數字化轉型的主要難點和痛點。本期分享鋼鐵行業數字化轉型案例。

大型鋼鐵集團是生產能力1000萬元以上、納稅100億元以上的大型鋼鐵聯合企業。作為國內鋼鐵龍頭企業，準備進壹步落實新舊動能轉換要求，計劃通過減量置換建設先進的鋼鐵

鋼鐵工業是我國重要的原材料工業之壹，迫切需要由“大”向“強”升級。在上壹篇文章中，我們從奧林技術交付團隊的角度分享了傳統企業數字化轉型的主要難點和痛點。本期分享鋼鐵行業數字化轉型案例。

大型鋼鐵集團是生產能力1000萬元以上、納稅100億元以上的大型鋼鐵聯合企業。作為國內鋼鐵龍頭企業，準備進壹步落實新舊動能轉換要求，計劃通過減量置換建設先進的鋼鐵生產基地。經過多年的信息化建設，企業縱向建立了L1~L4的自動化和信息化體系，橫向實現了采購、庫存、生產、銷售、物流、財務的端到端信息化覆蓋。

但是這個鋼鐵集團的信息系統也面臨著新的挑戰:

1.數據自恢復率低。信息化存在很多問題，比如人工輸入調整，多方輸入導致數據不壹致，信息及時協調錯位等。

2.信息閉環沒有形成。數據分析存在核心數據管理無法獨立升級、數據訪問性能有風險、數據使用方式單壹、系統內信息處理閉環未完全形成、數據分析能力相對較弱等問題。

3.優秀的經驗和知識沒有固化。大量的業務數據分析依靠人工完成和個人經驗判斷，無法與業務實時、同步的分析反饋，歷史數據資產使用相對較少，歷史數據尚未形成企業管理的智能分析支撐；

4.傳統建築存在風險。該系統擴展了傳統的IOE信息技術，存在技術支持風險。

以上種種問題都阻礙了這家鋼企的智能化轉型進程。

奧數科技以奧數平臺和事件網的產品為支撐，打通采購、生產、庫存、銷售、訂單、營銷全業務流程數據，從企業整體經營情況進行數據分析，通過量化決策系統幫助客戶實現礦石成本平衡的優化、企業量化決策的優化、企業經營分析的智能化，構建完整的智能決策輔助分析系統。

內部數據、外部供應鏈數據、產業周期數據、宏觀經濟數據、競爭環境數據、產業大數據等。全面構建，按照時間維度形成三維多維數據模型。根據數據模型給出基於大數據的量化分析和洞察，以事件和風險的形式推送到PC端和手機端，為領導決策提供直接建議。

通過人工智能技術建立各部門運營經驗和關鍵業務節點的數字化模型，同時通過知識圖譜將不同的模型連接成企業整體多維度的業務模型，使各職能部門的數據在企業整體視角中發揮作用，形成全局優化；通過叠代模型訓練，提供定量分析和最優方案輔助決策，形成精益管理。

1.企業管理

對鋼鐵集團的數據、流程、信息系統和業務活動進行深入的分析和整理，並根據調查結果和鋼鐵集團信息數據的可用範圍實施。

2.主數據管理，建立統壹的主數據資產管理平臺。

主數據資產管理平臺包含壹組用於生成和維護主數據的規範和技術。完整的平臺包括元數據管理、信息系統集成、數據治理、數據分析、數據交換等功能。

實施例包括:

鋼鐵集團主數據系統可行性實施方案(包括數據采集、數據質量分析、數據源分析、數據資源調查、管理粒度等。)整理了壹下。

主數據管理系統實施(基礎環境部署、原型叠代和預覽、主數據收集、數據清洗、轉換、數據映射、主數據質量管理實施、系統性能調優等。).

3.數據湖，建立統壹的數據集成平臺。

實施例包括:

結合鋼鐵集團信息系統數據湖建設的可行性實施方案(包括數據基礎設施、數據訪問範圍、模型和數據集成標準等。)，合理規劃數據存儲的粒度，構建維度層次結構，形成統壹的數據中心。通過多級ETL的抽取、轉換、清洗、加載功能，實現了各種數據源的有機結合，保證了數據源的質量，保證了信息的完整性和壹致性。

數據湖管理系統的實現(通過對各信息系統前置數據提取功能的配置管理，及時獲取和整合各專業系統的管理數據)。

4.做出全面的運營決策，建立統壹的展示平臺。

通過關鍵指標的直觀展示，運營商可以完整、及時、全局、高效地獲取公司的經營信息，達到經營信息透明的目的。

實施例包括:

梳理本次鋼鐵集團綜合經營決策和業務經驗固化相關內容(包括指標體系、現有業務流程、ERP系統對接、CRM系統對接、成本分析和成本計算等。)，並合理界定業務系統和經營分析系統的功能劃分。

綜合運營決策系統實施(專題數據歸納與處理、算法模型設計與開發、歷史數據深度學習與模型優化、管理控制臺定制、信息系統交互對接定制等。).

5.采購庫存優化，建立采購庫存優化輔助決策服務及應用。

考慮到原材料和輔助材料的采購和庫存優化的重要性和迫切需要改善，將單獨規劃和實施相應的輔助模塊。

通過對鋼鐵集團煉鐵前生產數據、煉鐵前設備維護數據、采購數據、庫存數據、采購價格指數、物流數據、配礦方案、煉鐵前質量數據、成本計算模型、生產計劃數據、生產績效數據、產成品等數據的全面建模分析和深度學習優化，形成煉鐵原料配件動態智能推薦輔助采購優化方案、動態最優庫存方案、應付賬款結構優化方案。

通過以上五個維度的建設，成功提升了鋼鐵集團的管理決策能力:管理者可以隨時了解公司的經營情況，為鋼鐵集團高層領導和業務部門分析師的日常數據分析和決策提供依據。同時可以降低用戶的操作難度，降低用戶的培訓成本，為公司管理層提供快速豐富的統計分析數據和決策支持，使其更專註於業務優化和管理，從而進壹步提高鋼鐵集團公司的業務運營效率和決策能力。

除了提高鋼鐵集團的管理決策能力之外，還實現了以下價值收益:

？淺析公司管理透明度與產融結合。多角度比較年度目標和歷史數據是否保持持續穩定發展。

？公司經營決策的輔助支持。效益預測、模擬及輔助優化建議、市場波動影響分析等。

？合同訂單生命周期的協調。以合同訂單全生命周期為主線，產供銷協同，發現問題。

？產供銷決策支持。在資金占用合理的情況下，供應生產穩定，支持市場變化下的產銷動態平衡。

作為大型復雜流程行業，鋼鐵企業內部全流程生產數據很難獲取，大部分都是不透明的“黑箱”。基於奧林科技事件網絡技術的企業級數字孿生，讓鋼鐵企業采購、生產、銷售全流程透明化。通過對企業數字孿生的模擬，利用人工智能模型獲取優化策略，並將相關指令反饋給生產運營部門執行，形成企業整體智能優化的閉環。通過為鋼鐵集團提供數字化決策和運營支撐能力，有效提升了企業軟實力和全行業競爭力，打造了鋼鐵行業數字化轉型標桿。