❶ VMI的含義是什麼
VMI
基本翻譯
abbr. virginia military institute (美國)弗吉尼亞軍事學院
網路釋握握義
VMI:供兆豎應商管理庫存|Vendor Managed Inventory
VMI Vender Managed Inventory:賣段猜慶方主導型庫存管理/供應商管理倉庫|賣方主導型庫存治理
VMI vendor management inventory:供應商管理庫存
❷ 供應鏈大數據的概念
供應鏈大數據的概念
供應鏈大數據的概念，「大數據」是一個體量特別大，數據特別多的數據集，很多人對於大數據這樣的概念都是一知半解的，那麼下面就為大家介紹下供應鏈大數據的概念。
大數據供應鏈其實是將供應鏈以數據進行管理。更多的是把供應鏈中的各個業務系統通過數據去打通，然後讓這些數據彼此有所關聯。
你能夠發現他們之間的關系，從而對於生產環節中的物料、生產、物流進行更好的掌控，從而提高流轉效率，降低成本。
我舉個格力電器（蕪湖）的實際應用案例。
他們數據分析的應用有4個方面：物流分析、運營效率監控、生產線監控、質量控制。
一、物流分析
通過監控大屏分屏去實時監控業務運轉情況，哪個環節出問題第一時間在儀表盤預警，信息有效及時；
監控庫存中每個倉位中物料比例及存量。
二、運營效率監控
監控訂單數量完成比例、揀選進度、訂單齊套數量及比例；
監控生產車間里各生產機組的生產效率、下線比例。
三、生產線監控
通過MES和MPR採集的系統數據，連接Yonghong Z-Suite進行實時的多維分析。
例如，物料齊套檢查這項工作，以前需要點對點針對相關人員進行排查，而現在檢查的結果是在分析平台實時展現，指標體系更可以根據情況靈活調整，IT人員的工作效率提升了30%以上。
四、質量控制
之前對於現場的生產過程和質量管理都是人工將系統數據導入再利用EXCEL內置的圖表處理進行簡單的分析。
現在他們開始結合更多的業務分析維度進行探索式分析和分析預測，藉助大數據分析平台實現從產線、班組以及分廠多個維度各個層面來展示公司整體生產運營情況。
通過數據分析平台可以提高在生產環節的核心競爭力，對物料、生產環節全方位監控，在提高工作效率的同時，還降低生產線殘次率。
其實從格力電器（蕪湖）的應用中我們可以總結出，數據分析能夠幫助供應鏈的有兩個重要點：
1、BI把供應鏈中所有的數據進行了全面的監控；
2、對於生產環節中各個步驟的物料庫存匹配可以進行及時的調整，提高效率。
對於供應鏈管理能夠達到什麼樣的程度，這里說的十分的形象生動。
完全不用倉儲。運輸工具（如車輛）就是一個移動的小倉庫，讓倉庫時刻在路上。這有點像集裝箱船公司對空箱的管理，空箱堆場不在陸地上，而是在船上，哪裡需要放哪裡。
當然這可能太過理想，但對於製造業企業來說，降低的每一分錢，再乘以一個龐大的數量，都是一個天文數字。
所以應用數據平台去管理供應鏈是十分有必要的。
大數據是什麼
大數據其實是按照儲存單位來說的`，我們常用到的是M、G。
超脫G以上還有T，這個我們日常還能見到一些，比如現在用到的硬碟。
再上就是PB、EB、ZB、YB，再上還有，有興趣的可以去問下度娘。
阿里的好像是個盤古系統。
數據呢就像星辰，古時候就只能用眼睛數。現在呢可以看，看不到的可以推演，還可以上去觀察是什麼屬性。技術達到了就可以分析。
通過這些瑣碎的信息分析後，就可以知道你在網路上是男、是女，主要活動在那個區域，知道你喜歡買什麼，知道你大概的收入等等。商家根據這些找大數據分析公司就可以給你們投放你關注的產品了。
有點像以前間諜通過土豆價格上漲，知道這個周圍增加駐軍一樣。
大數據供應鏈
隨著供應鏈變得越來越復雜，必須採用更好的工具來迅速高效地發揮數據的最大價值。供應鏈作為企業的核心網鏈，將徹底變革企業市場邊界、業務組合、商業模式和運作模式等。
第三產業供應鏈協同應用市場進入空間較大，尤其以醫療、金融、電子商務等細分領域需求較高。第二產業供應鏈協同市場成熟度逐步提高，尤其以物流、汽車、零售、公共事業為主要領域，供應鏈協同數據將起到市場升級的核心驅動作用。
無論是第三產業，還是第二產業
到底如何應用大數據？
1、預 測
精確的需求預測。需求預測是整個供應鏈的源頭，整個市場需求波動的晴雨表，銷售預測的靈敏與否直接關繫到庫存策略，生產安排以及對終端客戶的訂單交付率，產品的缺貨和脫銷將給企業帶來巨大損失。企業需要通過有效的定性和定量的預測分析手段和模型並結合歷史需求數據和安全庫存水平綜合指定精確的需求預測計劃。
如汽車行業，在應用數據分析平台進行精準預測後，可以及時收集何時售出、何時故障及何時保修等一系列信息，由此從設計研發、生產製造、需求預測、售後市場及物流管理等環節進行優化，實現效率的提升，並給客戶帶來更佳的用戶體驗。
2、資源獲取
敏捷、透明的尋源與采購。為新產品、優化成本而尋找新的合格供應商滿足生產需求;同時，通過供應商績效評估和合同管理，使采購過程規范化、標准化、可視化、成本最優化。
3、協同 效率
建立良好的供應商關系，實現雙方信息的交互。良好的供應商關系是消滅供應商與製造商間不信任成本的關鍵。雙方庫存與需求信息交互、VMI運作機制的建立，將降低由於缺貨造成的生產損失。采購訂單與生產訂單通過各種渠道快速、准確的反應能力在當前集團化、全球化，多組織運作的環境下尤為重要。訂單處理的速度在某種程度上能反應出供應鏈的運作效率。
4、供應鏈計劃，與物料訂單同步的生產計劃與排程
有效的供應鏈計劃系統集成企業所有的計劃和決策業務，包括需求預測、庫存計劃、資源配置、設備管理、渠道優化、生產作業計劃、物料需求與采購計劃等。
企業根據多工廠的產能情況編制生產計劃與排程，保證生產過程的有序與勻速，其中包括物料供應的分解和生產訂單的拆分。在這個環節中企業需要綜合平衡訂單、產能、調度、庫存和成本間的關系，需要大量的數學模型、優化和模擬技術為復雜的生產和供應問題找到優化解決方案。
5、庫存優化
成熟的補貨和庫存協調機制消除過量的庫存，降低庫存持有成本。通過從需求變動、安全庫存水平、采購提前期、最大庫存設置、采購訂購批量、采購變動等方面綜合考慮，監理優化的庫存結構和庫存水平設置。
6、物流效率
建立高效的運輸與配送中心管理，通過大數據分析合理的運輸管理、道路運力資源管理，構建全業務流程的可視化、合理的配送中心間的貨物調撥以及正確選擇和管理外包承運商和自有車隊，提高企業對業務風險的管控力，改善企業運作和客戶服務品質。
7、網路設計與優化
對於投資和擴建，企業從供應鏈角度分析的成本、產能和變化更直觀、更豐富也更合理。企業需要應用足夠多的情景分析和動態的成本優化模型，幫助企業完成配送整合和生產線設定決策。
8、製造業各行業管理特點突出在供應鏈管理上呈現行業管理差異
如汽車行業重點關注准時上線和分銷環節、食品飲料行業關注的重點在冷鏈及配送環節、服裝行業的供應鏈管理重難點在消滅鏈條上高庫存等等。
9、風險預警在供應鏈管理上呈現行業管理差異
在大數據與預測性分析中，有大量的供應鏈機會。例如，問題預測可以在問題出現之前就准備好解決方案，避免措手不及造成經營災難。
還可以應用到質量風險控制，如上海寶鋼，其生產線全部實現流水化作業，生產線上的感測器可獲得大量實時數據，利用這些可以有效控制產品質量。通過採集生產線上的大量數據，來判斷設備運營狀況健康狀況,對設備發生故障的時間和概率進行預測。這樣企業可由此提前安排設備維護，保證生產安全。
大數據將用於供應鏈從需求產生，產品設計到采購、製造、訂單、物流以及協同的各個環節，通過大數據的使用對其供應鏈進行翔實的掌控，更清晰地把握庫存量、訂單完成率、物料及產品配送情況等;通過預先進行數據分析來調節供求;利用新的策劃來優化供應鏈戰略和網路，推動供應鏈成為企業發展的核心競爭力。
企業如何部署大數據?
要讓數據發揮價值，首先要處理大數據，要能夠共享、集成、存儲和搜索來自眾多源頭的龐大數據。而就供應鏈而言，這意味著要能夠接受來自第三方系統的數據，並加快反饋速度。其整體影響是增強協同性、加快決策制定和提高透明度，這對所有相關人員都有幫助。
傳統供應鏈已經在使用大量的結構化數據，企業部署了先進的供應鏈管理系統，將資源數據，交易數據，供應商數據，質量數據等等存儲起來用於跟蹤供應鏈執行效率，成本，控制產品質量。
大數據在供應鏈領域的應用起步不久，隨著供應鏈的迅速發展，大數據分析，數據管理，大數據應用，大數據存儲在供應鏈領域蘊含巨大的發展潛力，大數據的投資也只有與供應鏈結合，才能產生可持續、規模化發展的產業。
❸ 智慧供應鏈
敏捷供應鏈：能快速響應環境變化的動態供需網路。
新零售
新零售是在傳統零售的基礎上，運用大數據、人工智慧等進行精準的挖掘、定位、引導線上和線下消費者的消費需求，並且通過柔性、高效的智慧供應鏈，快速提升消費者的購物體驗，滿足消費者的不斷升級的消費需求。
在新零售時代下，智慧供應鏈是端到端
2. 新零售時代下，智慧供應鏈是敏捷化、人性化
新零售時代下的智慧供應鏈將不再是簡單的內部支持職能，而是一種全方位的服務支撐職能，是站在消費者需求的角度，對智慧供應鏈進行設計時，更加註重供應鏈的柔性和精準性而不僅僅追求規模經濟。端到端的數據採集和端到端的運作方式可以快速的響應消費者不斷變化的挑剔需求。
數字化供應鏈，是基於物聯網、大數據與人工智慧等關鍵技術，構建的以客戶為中心，以需求為驅動的，動態、協同、智能、可視、可預測、可持續發展的網狀供應鏈體系。
數字化供應鏈，是以客戶為中心的平台模型，可通過多渠道實時獲取並最大化利用數據，敏捷感知與識別客戶需求，並通過與外部合作夥伴之間的高效協同，實現快速響應，以提升企業效率與業績，最大程度降低經營風險。
數字化轉型，即是利用現代技術，離客戶更近，動態實時獲取客戶的各類數據，加深對客戶的認知，提升需求預測的准確性，甚至引導或刺激客戶需求的產生。
在計劃、采購、物流等供應鏈執行層面，進行數字化轉型。數字化的企業規劃周期將縮短，並依託上下游協同帶來的實時數據，通過人工智慧、認知分析提升供應鏈的自動預測能力與速度。
數字化供應鏈中，采購將從業務支持者向價值創造者轉變，建立企業內部與外部之間的新接連，推動供應鏈協同，為企業創造價值。
物流將依託物聯網技術與自動化技術，提升信息交互效率與自動化作業能力，預計未來5-10年，數字化將為物流帶來巨大的變革，並不斷產生新的商業模式。
「通過「數字供應鏈」戰略，可以使公司降低成本、擴大市場份額、從而改變競爭格局。「20比10法則」將會適用於「數字供應鏈」。換句話說，「數字供應鏈」將降低20%的成本，提高10%的收入。
思科公司是運用網際網路實現虛擬供應鏈典範。超過90%公司定單是來自網際網路，而思科的工作人員直接過手定單不超過50%，思科公司通過公司外部網連接零部件供應商分銷商和合同製造商依次形成一個虛擬的適時的供應鏈。當客戶通過稿緩思科的網站訂購一種典型的思科產品如路由器時所下定單將觸發一系列的消息給其生產印刷電路板合同廠商，同時分銷商也會被通知提供路由器的通用部件如電源。思哪廳科那些生產如路由器機架組裝成品合同製造商通過登陸到思科公司外部網並連接至其生產執行系統可以事先知道可能發生定單類型和數量。
流程集成
流程重組意味著在合作夥伴之間協同運作，在采購商和供應商之間實現協同工作、產品共同開發、通用系統以及信息共享。通過這種流程集成的方式企業可以更關注其核心競爭力開發，把其它活動外包出去。敏捷供應鏈從擴大的生產概念出發，將企業的生產活動進行前伸和後延，把上游的供應商和下游的客戶納入企業的戰略規劃之中，實現對企業內外資源的最佳配置。
案例分析
現在有許多零售企業如沃爾瑪實施供應商管理庫存（VMI）。供應商時刻監視其客戶（這里是指零售企業）庫存，當庫存下降到一定水平的時候，供應商會自動對其進行補倉。零售企業也會及時提供銷售數據給供應商，為供應商決定補倉數量提供決策依據。而零售企業本身則從中庫存管理業務中解放出來，而可以用更多的精力研究客戶需求的開發更多適銷對路的商品，為客戶提供更好的服務。
敏捷供應鏈增加了對市場反映的靈敏度，通過供應鏈上多個合作企業的信息共享，可以全方位地對市場情況做出響應，因此提高了企業的反映速度。同時，由於各個企業都專心於自己的核心優勢，可以減少產品的生產與物流時間，可以實現供應鏈的即時銷售、即時生產和即時供應，將消費者的定貨提前期降到最低限度。
其二是動態變化的組織結構形成虛擬組織，動態聯盟要求各個企業能用一種更加主動、更加默契的方式進行合作，充分利用供應鏈上各個企業的資源，使整條供應鏈保持良好的組織彈性和迅速的市場需求響應速度。敏捷供應鏈突破了傳統組織的實體有界性，在信李敬隱息技術的支持下，由核心企業根據每一張訂單將若干相互關聯的廠商結成虛擬組織，並根據企業戰略調整和產品方向轉移重新組合、動態演變，以隨時適應市場環境的變化。
其三是柔性管理技術，敏捷供應鏈觀念摒棄單純的「胡蘿卜加大棒」式剛性管理，強調打破傳統的嚴格部門分工界限，實行職能的重新組合，讓每個員工或每個團隊獲得獨立處理問題的能力，通過整合各類專業人員的智慧，獲得團隊最優決策。
基本原則
系統性原則
敏捷供應鏈是對參與供應鏈中的相關實體之間的物流、信息流、資金流進行計劃、協調與控制，提高供應鏈中所有相關過程的運作效率和所有環節的確定性，在最大化整體效益的前提下實現各實體或局部效益的最大化或滿意化。因此，必須堅持系統性原則，將供應鏈看成是一個有機聯系的整體，運用系統工程的理論與方法，管理與優化供應鏈中的物流、信息流、資金流，達到整體效率及效益提高、成本降低、資源配置合理的目標。
信息共享原則
在敏捷供應鏈中，對物流及資金流進行有效的控制依賴於正確、及時的相關信息，預見並降低供應鏈中各環節的不確定性。形成供應鏈信息集成平台，為供應鏈企業之間的信息交流提供共享窗口和交流渠道，同時保證供應鏈同步化計劃的實現，實現按照客戶需要訂單驅動生產組織方式，降低整條供應鏈的庫存量。
敏捷性原則
敏捷供應鏈處於競爭、合作、動態的市場環境中，市場存在不可預測性，快速響應市場變化是敏捷供應鏈的要求。因此，必須堅持敏捷性原則，從供應鏈的結構、管理與運作方式、組織機制等方面提高供應鏈的敏捷性。
敏捷供應鏈
組織虛擬性原則
由於市場的變化和不可預測性，要求有效運作的企業組織結具有靈活的動態性，根據市場的需要及時對企業組織結構進行調整或重組。
利益協調原則
企業或企業聯盟的各種行為都是圍繞價值最大化這個最終目標展開的，敏捷供應鏈管理的內在機制在於各成員利益的協同一致，沒有共贏的利益協同機制，就會使參與實體的目標偏離整個供應鏈的目標。因此，必須堅持利益協同性原則，根據相關實體的特徵、信譽等級、核心競爭力等因素，在實體間建立適當的協作關系，明確各自的責任義務與利益，使供應鏈中的相關實體在共贏的利益基礎上，平等合作，取長補短，互惠互利。
構建一個虛擬團隊，必須具備三大要素：流程、技術和人員。流程包括創建清晰目標，建立共同願景和藍圖；建立共享的假設前提；根據虛擬的數字化環境設計流程；定義和溝通流程方法；設計並行工作的協作流程。技術包括拓展數字化工作空間的知識；設計溝通交流的形式和擬定方案；用有效可行的工具進行溝通；創造支持虛擬團隊的環境。人員包括沒有壓力地管理虛擬團隊；克服人際關系、文化和權威的壁壘；維持團隊的生命周期；建立相互的信任和尊重；將團隊提升到企業管理者的層面。
人不會因為人工智慧的應用而失業，但人需要接受新技術的教育和培訓來與機器協同完成任務。
數字化供應鏈有望轉身成為企業的利潤中心。相對於企業其他部門，在數字化技術全方位的助益下，供應鏈將同時具備降低成本與提升利潤的雙重身份，數字化供應鏈使得企業能夠更精準地把握客戶需求，提高客戶體驗和服務水平，讓企業和客戶、企業與供應商形成價值網，構建互聯互通的生態系統，共同設計、共同創建、共同生產、共同創造更大的市場價值。
❹ 美的集團4家「燈塔工廠」都是安得智聯承接的生產物流嗎
是的呢，4家都是。在美的四家「燈塔工廠」轉型升級的背後，安得智聯提供了端到端數山猛鏈智供應鏈「新底座」，打通了全鏈路「任知襪督二脈」。在燈塔工廠生產製造環節，在頂層設計上，保證了整個供應鏈與製造端進行柔性化的結合，以數字化供應鏈打通整個鏈路，尤其是對部件供應方面去做一個科學的動態調整。安得智聯生產物流以先進的零部件供應鏈變革方案逗孫為主軸，形成VMI（對於供應商管理庫存）、MilkRun（循環取貨）、循環包裝、運包一體、JIT（排序供貨）/JIS（及時供貨）配送及產中送線能力；產前環節，VMI中心根據業務場景重構流程、倉儲布局，使用物流前沿技術，實現了生產原料零部件從智能收貨到智能出庫的全流程的自動化協同；產中環節，融合大數據、人工智慧、數字科技等集群式供應鏈網路技術，實現燈塔工廠內生產全流程中原料自動拆垛、配送、全程倉儲可視、產中物料自動抓取，自動組裝、硬體與軟體交互實現物料自動入庫和庫位分配；產後環節，成品經自動傳送和纏膜後進入基地倉儲，最終由安得全國倉配網路實現用戶直達。題主大大採納下我唄
❺ 數據會說謊|什麼是大數據
在企業中，隨著管理精細化的提高，我們被越來越多地要求用數據這種特殊的語言來兄臘說話，企業的經營業績有無增長，競爭力有無提升，發展前景是否光明，甚至連管理幹部的評價任免也必須用數據（各種KPI指標）來體現。
在用數據說話時，人人都關注到了數據本身的重要性，但卻忽略了另外一點——數據會說謊，即數據自身的真實性。愛美之心，人皆有之，對數據也是如此，人人都希望數據漂亮，但總有不那麼靚麗的時候，如何辦呢？是否如實反映？在審計的工作實踐中，我們發現數據提供者往往是利益相關方，也經常存在略施粉黛，把「東施」變成「西施」的情況。
方式一、通過對比標桿的選擇
在某部生產管理審計過程中，其運營數據中顯示產品線B在2011年度生產效率提升了70%。看到這個數據時，著實嚇了一跳，短短一年內，生產效率提升70%，那隻能說明，要麼以前做的太差了，要麼有革命性的工藝變動。但是上述兩點都沒有發生。通過調查訪談得知，原來該部門是用2011年11月單月的效率來對比2010年全年的數據。而2010年度基礎數據並不完整，除了產量真實可信的之外，工時數據都是模擬推算得來，這樣看來，70%的可信度就大打折扣了。基礎數據是從2011年4月份開始健全的，且當時工作模式、狀態與2010年全年基本無差別，那麼我們改用2011年4月份做標桿，結果顯示，11月份的效率僅僅比4月份提升10%。通過上述案例，可得知對比標桿的選擇，將直接決定數據的靚麗與否。
方式二、通過轉移壓力的方式
在某部倉儲管理審計過程中，發現其庫存周轉率提升很快，但倉儲面積的利用率卻沒有相應的變化，進一步調查得知該倉庫為了提升周轉率指標，採用了以下辦法：供應商到貨後，實物予以接收，但賬務不予入庫，待生產需要時，再做賬務入庫動作，於是整體庫存就被人為拉低。他們將之稱為「VMI」，但為了管理不在賬的實物，他們還必須單獨做手工賬來管理，「庫存周轉率」是提升了，但倉庫的倉容沒有減少，管理成本還有增加，這樣的「庫存周轉率提升」有意義嗎？
方式三、採用錯誤的計算方式
舉個例子，市場部門在做銷售預測，產品A預測了100，產品B預測了100。但一個月後，實際銷售情況是產品A為200，產品B為0，那麼預測准確率是多少？計算結果如下：預測准確率=∑實際銷售/∑銷售預測*100%=（200+0）/(100+100)*100%=100%。
預測准確率是100%，但是兩個型號一個也沒預測准，結果與我們的理解並不一致。另外一種計算方式相對就合理許多：
1-∑銷售預測-實際銷售∣/∑銷售預測*100%=1-（200-100+100-0）/(100+100)=0.
在某次倉儲管理審計時，某倉庫2010年度不良資產率考核指標為2%，其實際達成為0.05%，這樣漂亮的數據明顯超過我們的認知范圍，通過其KPI核算過程，我們發現了問題的所在，原來其不良資產核算創造性採用了以下公式：
不良資產率=配件不良資產金額/出庫總金額*100%。羨喚滑
如果採用正確的核算方式：不良資產率=月均不良資產金額/月均庫存總金額*100%。其不良資產率為5.73%，非但沒有超出公司目標，而且遠遠沒有達到。
方式四、操縱原始數據
在進行某部生產管理審計時，其生產效率的核算方式為：產量/有效工時。我們都知道，要提高生產效率，就必須在同樣的時間內生產出更多的產品，但該部門還做了另外一項工作，就是在有效工時上做了文章，在班組提報總工時的過程中，被要求削減部分工時，因為有效工時就是總工時刨除異常工時，這樣分母變小，效率自然而然就「提升」了。
方式五、改變數據核算口徑
在某部管理審計過程中，發現其銷售收入中除正常構成外，還包括了維修費、維修配件銷售收入及品牌費項目，這些項目與銷售人員的貢獻並無任何關聯，但卻納入銷售人員考核。由於這些項目的加入，銷售額被人為拔高了，事後通過數據匯總，發現這些項目共佔到了銷售收入的14.6%。
以上僅僅是工作中的幾個例子，其他數據美化的方式還有很多，這里把有代表性的幾種方式與大家共享，希望我們認認真真地採集數據，不折不扣的提報數據，嚴謹客觀的分析數據，讓我們的數據說真話，不說謊話！
(責鏈卜編石少菊)