❶ VMI的含义是什么
VMI
基本翻译
abbr. virginia military institute (美国)弗吉尼亚军事学院
网络释握握义
VMI:供兆竖应商管理库存|Vendor Managed Inventory
VMI Vender Managed Inventory:卖段猜庆方主导型库存管理/供应商管理仓库|卖方主导型库存治理
VMI vendor management inventory:供应商管理库存
❷ 供应链大数据的概念
供应链大数据的概念
供应链大数据的概念，“大数据”是一个体量特别大，数据特别多的数据集，很多人对于大数据这样的概念都是一知半解的，那么下面就为大家介绍下供应链大数据的概念。
大数据供应链其实是将供应链以数据进行管理。更多的是把供应链中的各个业务系统通过数据去打通，然后让这些数据彼此有所关联。
你能够发现他们之间的关系，从而对于生产环节中的物料、生产、物流进行更好的掌控，从而提高流转效率，降低成本。
我举个格力电器（芜湖）的实际应用案例。
他们数据分析的应用有4个方面：物流分析、运营效率监控、生产线监控、质量控制。
一、物流分析
通过监控大屏分屏去实时监控业务运转情况，哪个环节出问题第一时间在仪表盘预警，信息有效及时；
监控库存中每个仓位中物料比例及存量。
二、运营效率监控
监控订单数量完成比例、拣选进度、订单齐套数量及比例；
监控生产车间里各生产机组的生产效率、下线比例。
三、生产线监控
通过MES和MPR采集的系统数据，连接Yonghong Z-Suite进行实时的多维分析。
例如，物料齐套检查这项工作，以前需要点对点针对相关人员进行排查，而现在检查的结果是在分析平台实时展现，指标体系更可以根据情况灵活调整，IT人员的工作效率提升了30%以上。
四、质量控制
之前对于现场的生产过程和质量管理都是人工将系统数据导入再利用EXCEL内置的图表处理进行简单的分析。
现在他们开始结合更多的业务分析维度进行探索式分析和分析预测，借助大数据分析平台实现从产线、班组以及分厂多个维度各个层面来展示公司整体生产运营情况。
通过数据分析平台可以提高在生产环节的核心竞争力，对物料、生产环节全方位监控，在提高工作效率的同时，还降低生产线残次率。
其实从格力电器（芜湖）的应用中我们可以总结出，数据分析能够帮助供应链的有两个重要点：
1、BI把供应链中所有的数据进行了全面的监控；
2、对于生产环节中各个步骤的物料库存匹配可以进行及时的调整，提高效率。
对于供应链管理能够达到什么样的程度，这里说的十分的形象生动。
完全不用仓储。运输工具（如车辆）就是一个移动的小仓库，让仓库时刻在路上。这有点像集装箱船公司对空箱的管理，空箱堆场不在陆地上，而是在船上，哪里需要放哪里。
当然这可能太过理想，但对于制造业企业来说，降低的每一分钱，再乘以一个庞大的数量，都是一个天文数字。
所以应用数据平台去管理供应链是十分有必要的。
大数据是什么
大数据其实是按照储存单位来说的`，我们常用到的是M、G。
超脱G以上还有T，这个我们日常还能见到一些，比如现在用到的硬盘。
再上就是PB、EB、ZB、YB，再上还有，有兴趣的可以去问下度娘。
阿里的好像是个盘古系统。
数据呢就像星辰，古时候就只能用眼睛数。现在呢可以看，看不到的可以推演，还可以上去观察是什么属性。技术达到了就可以分析。
通过这些琐碎的信息分析后，就可以知道你在网络上是男、是女，主要活动在那个区域，知道你喜欢买什么，知道你大概的收入等等。商家根据这些找大数据分析公司就可以给你们投放你关注的产品了。
有点像以前间谍通过土豆价格上涨，知道这个周围增加驻军一样。
大数据供应链
随着供应链变得越来越复杂，必须采用更好的工具来迅速高效地发挥数据的最大价值。供应链作为企业的核心网链，将彻底变革企业市场边界、业务组合、商业模式和运作模式等。
第三产业供应链协同应用市场进入空间较大，尤其以医疗、金融、电子商务等细分领域需求较高。第二产业供应链协同市场成熟度逐步提高，尤其以物流、汽车、零售、公共事业为主要领域，供应链协同数据将起到市场升级的核心驱动作用。
无论是第三产业，还是第二产业
到底如何应用大数据？
1、预 测
精确的需求预测。需求预测是整个供应链的源头，整个市场需求波动的晴雨表，销售预测的灵敏与否直接关系到库存策略，生产安排以及对终端客户的订单交付率，产品的缺货和脱销将给企业带来巨大损失。企业需要通过有效的定性和定量的预测分析手段和模型并结合历史需求数据和安全库存水平综合指定精确的需求预测计划。
如汽车行业，在应用数据分析平台进行精准预测后，可以及时收集何时售出、何时故障及何时保修等一系列信息，由此从设计研发、生产制造、需求预测、售后市场及物流管理等环节进行优化，实现效率的提升，并给客户带来更佳的用户体验。
2、资源获取
敏捷、透明的寻源与采购。为新产品、优化成本而寻找新的合格供应商满足生产需求;同时，通过供应商绩效评估和合同管理，使采购过程规范化、标准化、可视化、成本最优化。
3、协同 效率
建立良好的供应商关系，实现双方信息的交互。良好的供应商关系是消灭供应商与制造商间不信任成本的关键。双方库存与需求信息交互、VMI运作机制的建立，将降低由于缺货造成的生产损失。采购订单与生产订单通过各种渠道快速、准确的反应能力在当前集团化、全球化，多组织运作的环境下尤为重要。订单处理的速度在某种程度上能反应出供应链的运作效率。
4、供应链计划，与物料订单同步的生产计划与排程
有效的供应链计划系统集成企业所有的计划和决策业务，包括需求预测、库存计划、资源配置、设备管理、渠道优化、生产作业计划、物料需求与采购计划等。
企业根据多工厂的产能情况编制生产计划与排程，保证生产过程的有序与匀速，其中包括物料供应的分解和生产订单的拆分。在这个环节中企业需要综合平衡订单、产能、调度、库存和成本间的关系，需要大量的数学模型、优化和模拟技术为复杂的生产和供应问题找到优化解决方案。
5、库存优化
成熟的补货和库存协调机制消除过量的库存，降低库存持有成本。通过从需求变动、安全库存水平、采购提前期、最大库存设置、采购订购批量、采购变动等方面综合考虑，监理优化的库存结构和库存水平设置。
6、物流效率
建立高效的运输与配送中心管理，通过大数据分析合理的运输管理、道路运力资源管理，构建全业务流程的可视化、合理的配送中心间的货物调拨以及正确选择和管理外包承运商和自有车队，提高企业对业务风险的管控力，改善企业运作和客户服务品质。
7、网络设计与优化
对于投资和扩建，企业从供应链角度分析的成本、产能和变化更直观、更丰富也更合理。企业需要应用足够多的情景分析和动态的成本优化模型，帮助企业完成配送整合和生产线设定决策。
8、制造业各行业管理特点突出在供应链管理上呈现行业管理差异
如汽车行业重点关注准时上线和分销环节、食品饮料行业关注的重点在冷链及配送环节、服装行业的供应链管理重难点在消灭链条上高库存等等。
9、风险预警在供应链管理上呈现行业管理差异
在大数据与预测性分析中，有大量的供应链机会。例如，问题预测可以在问题出现之前就准备好解决方案，避免措手不及造成经营灾难。
还可以应用到质量风险控制，如上海宝钢，其生产线全部实现流水化作业，生产线上的传感器可获得大量实时数据，利用这些可以有效控制产品质量。通过采集生产线上的大量数据，来判断设备运营状况健康状况,对设备发生故障的时间和概率进行预测。这样企业可由此提前安排设备维护，保证生产安全。
大数据将用于供应链从需求产生，产品设计到采购、制造、订单、物流以及协同的各个环节，通过大数据的使用对其供应链进行翔实的掌控，更清晰地把握库存量、订单完成率、物料及产品配送情况等;通过预先进行数据分析来调节供求;利用新的策划来优化供应链战略和网络，推动供应链成为企业发展的核心竞争力。
企业如何部署大数据?
要让数据发挥价值，首先要处理大数据，要能够共享、集成、存储和搜索来自众多源头的庞大数据。而就供应链而言，这意味着要能够接受来自第三方系统的数据，并加快反馈速度。其整体影响是增强协同性、加快决策制定和提高透明度，这对所有相关人员都有帮助。
传统供应链已经在使用大量的结构化数据，企业部署了先进的供应链管理系统，将资源数据，交易数据，供应商数据，质量数据等等存储起来用于跟踪供应链执行效率，成本，控制产品质量。
大数据在供应链领域的应用起步不久，随着供应链的迅速发展，大数据分析，数据管理，大数据应用，大数据存储在供应链领域蕴含巨大的发展潜力，大数据的投资也只有与供应链结合，才能产生可持续、规模化发展的产业。
❸ 智慧供应链
敏捷供应链：能快速响应环境变化的动态供需网络。
新零售
新零售是在传统零售的基础上，运用大数据、人工智能等进行精准的挖掘、定位、引导线上和线下消费者的消费需求，并且通过柔性、高效的智慧供应链，快速提升消费者的购物体验，满足消费者的不断升级的消费需求。
在新零售时代下，智慧供应链是端到端
2. 新零售时代下，智慧供应链是敏捷化、人性化
新零售时代下的智慧供应链将不再是简单的内部支持职能，而是一种全方位的服务支撑职能，是站在消费者需求的角度，对智慧供应链进行设计时，更加注重供应链的柔性和精准性而不仅仅追求规模经济。端到端的数据采集和端到端的运作方式可以快速的响应消费者不断变化的挑剔需求。
数字化供应链，是基于物联网、大数据与人工智能等关键技术，构建的以客户为中心，以需求为驱动的，动态、协同、智能、可视、可预测、可持续发展的网状供应链体系。
数字化供应链，是以客户为中心的平台模型，可通过多渠道实时获取并最大化利用数据，敏捷感知与识别客户需求，并通过与外部合作伙伴之间的高效协同，实现快速响应，以提升企业效率与业绩，最大程度降低经营风险。
数字化转型，即是利用现代技术，离客户更近，动态实时获取客户的各类数据，加深对客户的认知，提升需求预测的准确性，甚至引导或刺激客户需求的产生。
在计划、采购、物流等供应链执行层面，进行数字化转型。数字化的企业规划周期将缩短，并依托上下游协同带来的实时数据，通过人工智能、认知分析提升供应链的自动预测能力与速度。
数字化供应链中，采购将从业务支持者向价值创造者转变，建立企业内部与外部之间的新接连，推动供应链协同，为企业创造价值。
物流将依托物联网技术与自动化技术，提升信息交互效率与自动化作业能力，预计未来5-10年，数字化将为物流带来巨大的变革，并不断产生新的商业模式。
“通过“数字供应链”战略，可以使公司降低成本、扩大市场份额、从而改变竞争格局。“20比10法则”将会适用于“数字供应链”。换句话说，“数字供应链”将降低20%的成本，提高10%的收入。
思科公司是运用因特网实现虚拟供应链典范。超过90%公司定单是来自因特网，而思科的工作人员直接过手定单不超过50%，思科公司通过公司外部网连接零部件供应商分销商和合同制造商依次形成一个虚拟的适时的供应链。当客户通过稿缓思科的网站订购一种典型的思科产品如路由器时所下定单将触发一系列的消息给其生产印刷电路板合同厂商，同时分销商也会被通知提供路由器的通用部件如电源。思哪厅科那些生产如路由器机架组装成品合同制造商通过登陆到思科公司外部网并连接至其生产执行系统可以事先知道可能发生定单类型和数量。
流程集成
流程重组意味着在合作伙伴之间协同运作，在采购商和供应商之间实现协同工作、产品共同开发、通用系统以及信息共享。通过这种流程集成的方式企业可以更关注其核心竞争力开发，把其它活动外包出去。敏捷供应链从扩大的生产概念出发，将企业的生产活动进行前伸和后延，把上游的供应商和下游的客户纳入企业的战略规划之中，实现对企业内外资源的最佳配置。
案例分析
现在有许多零售企业如沃尔玛实施供应商管理库存（VMI）。供应商时刻监视其客户（这里是指零售企业）库存，当库存下降到一定水平的时候，供应商会自动对其进行补仓。零售企业也会及时提供销售数据给供应商，为供应商决定补仓数量提供决策依据。而零售企业本身则从中库存管理业务中解放出来，而可以用更多的精力研究客户需求的开发更多适销对路的商品，为客户提供更好的服务。
敏捷供应链增加了对市场反映的灵敏度，通过供应链上多个合作企业的信息共享，可以全方位地对市场情况做出响应，因此提高了企业的反映速度。同时，由于各个企业都专心于自己的核心优势，可以减少产品的生产与物流时间，可以实现供应链的即时销售、即时生产和即时供应，将消费者的定货提前期降到最低限度。
其二是动态变化的组织结构形成虚拟组织，动态联盟要求各个企业能用一种更加主动、更加默契的方式进行合作，充分利用供应链上各个企业的资源，使整条供应链保持良好的组织弹性和迅速的市场需求响应速度。敏捷供应链突破了传统组织的实体有界性，在信李敬隐息技术的支持下，由核心企业根据每一张订单将若干相互关联的厂商结成虚拟组织，并根据企业战略调整和产品方向转移重新组合、动态演变，以随时适应市场环境的变化。
其三是柔性管理技术，敏捷供应链观念摒弃单纯的“胡萝卜加大棒”式刚性管理，强调打破传统的严格部门分工界限，实行职能的重新组合，让每个员工或每个团队获得独立处理问题的能力，通过整合各类专业人员的智慧，获得团队最优决策。
基本原则
系统性原则
敏捷供应链是对参与供应链中的相关实体之间的物流、信息流、资金流进行计划、协调与控制，提高供应链中所有相关过程的运作效率和所有环节的确定性，在最大化整体效益的前提下实现各实体或局部效益的最大化或满意化。因此，必须坚持系统性原则，将供应链看成是一个有机联系的整体，运用系统工程的理论与方法，管理与优化供应链中的物流、信息流、资金流，达到整体效率及效益提高、成本降低、资源配置合理的目标。
信息共享原则
在敏捷供应链中，对物流及资金流进行有效的控制依赖于正确、及时的相关信息，预见并降低供应链中各环节的不确定性。形成供应链信息集成平台，为供应链企业之间的信息交流提供共享窗口和交流渠道，同时保证供应链同步化计划的实现，实现按照客户需要订单驱动生产组织方式，降低整条供应链的库存量。
敏捷性原则
敏捷供应链处于竞争、合作、动态的市场环境中，市场存在不可预测性，快速响应市场变化是敏捷供应链的要求。因此，必须坚持敏捷性原则，从供应链的结构、管理与运作方式、组织机制等方面提高供应链的敏捷性。
敏捷供应链
组织虚拟性原则
由于市场的变化和不可预测性，要求有效运作的企业组织结具有灵活的动态性，根据市场的需要及时对企业组织结构进行调整或重组。
利益协调原则
企业或企业联盟的各种行为都是围绕价值最大化这个最终目标展开的，敏捷供应链管理的内在机制在于各成员利益的协同一致，没有共赢的利益协同机制，就会使参与实体的目标偏离整个供应链的目标。因此，必须坚持利益协同性原则，根据相关实体的特征、信誉等级、核心竞争力等因素，在实体间建立适当的协作关系，明确各自的责任义务与利益，使供应链中的相关实体在共赢的利益基础上，平等合作，取长补短，互惠互利。
构建一个虚拟团队，必须具备三大要素：流程、技术和人员。流程包括创建清晰目标，建立共同愿景和蓝图；建立共享的假设前提；根据虚拟的数字化环境设计流程；定义和沟通流程方法；设计并行工作的协作流程。技术包括拓展数字化工作空间的知识；设计沟通交流的形式和拟定方案；用有效可行的工具进行沟通；创造支持虚拟团队的环境。人员包括没有压力地管理虚拟团队；克服人际关系、文化和权威的壁垒；维持团队的生命周期；建立相互的信任和尊重；将团队提升到企业管理者的层面。
人不会因为人工智能的应用而失业，但人需要接受新技术的教育和培训来与机器协同完成任务。
数字化供应链有望转身成为企业的利润中心。相对于企业其他部门，在数字化技术全方位的助益下，供应链将同时具备降低成本与提升利润的双重身份，数字化供应链使得企业能够更精准地把握客户需求，提高客户体验和服务水平，让企业和客户、企业与供应商形成价值网，构建互联互通的生态系统，共同设计、共同创建、共同生产、共同创造更大的市场价值。
❹ 美的集团4家“灯塔工厂”都是安得智联承接的生产物流吗
是的呢，4家都是。在美的四家“灯塔工厂”转型升级的背后，安得智联提供了端到端数山猛链智供应链“新底座”，打通了全链路“任知袜督二脉”。在灯塔工厂生产制造环节，在顶层设计上，保证了整个供应链与制造端进行柔性化的结合，以数字化供应链打通整个链路，尤其是对部件供应方面去做一个科学的动态调整。安得智联生产物流以先进的零部件供应链变革方案逗孙为主轴，形成VMI（对于供应商管理库存）、MilkRun（循环取货）、循环包装、运包一体、JIT（排序供货）/JIS（及时供货）配送及产中送线能力；产前环节，VMI中心根据业务场景重构流程、仓储布局，使用物流前沿技术，实现了生产原料零部件从智能收货到智能出库的全流程的自动化协同；产中环节，融合大数据、人工智能、数字科技等集群式供应链网络技术，实现灯塔工厂内生产全流程中原料自动拆垛、配送、全程仓储可视、产中物料自动抓取，自动组装、硬件与软件交互实现物料自动入库和库位分配；产后环节，成品经自动传送和缠膜后进入基地仓储，最终由安得全国仓配网络实现用户直达。题主大大采纳下我呗
❺ 数据会说谎|什么是大数据
在企业中，随着管理精细化的提高，我们被越来越多地要求用数据这种特殊的语言来兄腊说话，企业的经营业绩有无增长，竞争力有无提升，发展前景是否光明，甚至连管理干部的评价任免也必须用数据（各种KPI指标）来体现。
在用数据说话时，人人都关注到了数据本身的重要性，但却忽略了另外一点——数据会说谎，即数据自身的真实性。爱美之心，人皆有之，对数据也是如此，人人都希望数据漂亮，但总有不那么靓丽的时候，如何办呢？是否如实反映？在审计的工作实践中，我们发现数据提供者往往是利益相关方，也经常存在略施粉黛，把“东施”变成“西施”的情况。
方式一、通过对比标杆的选择
在某部生产管理审计过程中，其运营数据中显示产品线B在2011年度生产效率提升了70%。看到这个数据时，着实吓了一跳，短短一年内，生产效率提升70%，那只能说明，要么以前做的太差了，要么有革命性的工艺变动。但是上述两点都没有发生。通过调查访谈得知，原来该部门是用2011年11月单月的效率来对比2010年全年的数据。而2010年度基础数据并不完整，除了产量真实可信的之外，工时数据都是模拟推算得来，这样看来，70%的可信度就大打折扣了。基础数据是从2011年4月份开始健全的，且当时工作模式、状态与2010年全年基本无差别，那么我们改用2011年4月份做标杆，结果显示，11月份的效率仅仅比4月份提升10%。通过上述案例，可得知对比标杆的选择，将直接决定数据的靓丽与否。
方式二、通过转移压力的方式
在某部仓储管理审计过程中，发现其库存周转率提升很快，但仓储面积的利用率却没有相应的变化，进一步调查得知该仓库为了提升周转率指标，采用了以下办法：供应商到货后，实物予以接收，但账务不予入库，待生产需要时，再做账务入库动作，于是整体库存就被人为拉低。他们将之称为“VMI”，但为了管理不在账的实物，他们还必须单独做手工账来管理，“库存周转率”是提升了，但仓库的仓容没有减少，管理成本还有增加，这样的“库存周转率提升”有意义吗？
方式三、采用错误的计算方式
举个例子，市场部门在做销售预测，产品A预测了100，产品B预测了100。但一个月后，实际销售情况是产品A为200，产品B为0，那么预测准确率是多少？计算结果如下：预测准确率=∑实际销售/∑销售预测*100%=（200+0）/(100+100)*100%=100%。
预测准确率是100%，但是两个型号一个也没预测准，结果与我们的理解并不一致。另外一种计算方式相对就合理许多：
1-∑销售预测-实际销售∣/∑销售预测*100%=1-（200-100+100-0）/(100+100)=0.
在某次仓储管理审计时，某仓库2010年度不良资产率考核指标为2%，其实际达成为0.05%，这样漂亮的数据明显超过我们的认知范围，通过其KPI核算过程，我们发现了问题的所在，原来其不良资产核算创造性采用了以下公式：
不良资产率=配件不良资产金额/出库总金额*100%。羡唤滑
如果采用正确的核算方式：不良资产率=月均不良资产金额/月均库存总金额*100%。其不良资产率为5.73%，非但没有超出公司目标，而且远远没有达到。
方式四、操纵原始数据
在进行某部生产管理审计时，其生产效率的核算方式为：产量/有效工时。我们都知道，要提高生产效率，就必须在同样的时间内生产出更多的产品，但该部门还做了另外一项工作，就是在有效工时上做了文章，在班组提报总工时的过程中，被要求削减部分工时，因为有效工时就是总工时刨除异常工时，这样分母变小，效率自然而然就“提升”了。
方式五、改变数据核算口径
在某部管理审计过程中，发现其销售收入中除正常构成外，还包括了维修费、维修配件销售收入及品牌费项目，这些项目与销售人员的贡献并无任何关联，但却纳入销售人员考核。由于这些项目的加入，销售额被人为拔高了，事后通过数据汇总，发现这些项目共占到了销售收入的14.6%。
以上仅仅是工作中的几个例子，其他数据美化的方式还有很多，这里把有代表性的几种方式与大家共享，希望我们认认真真地采集数据，不折不扣的提报数据，严谨客观的分析数据，让我们的数据说真话，不说谎话！
(责链卜编石少菊)