國內原生增長賽道智能APS，如何長出工業軟件巨頭？
http://www.sharifulalam.com 2022-09-09 09:20 來源：財報網
隨著制造業個性化定制與供應鏈管理復雜化的趨勢越來越明顯、疫情對商品運輸造成的影響越來越大,制造型企業生產的隨機性與即時性需求快速增加。高效的生產排程工具不僅能夠幫助企業快速應對動態變化的市場環境,更能夠幫助企業降本增效。引入基于運籌學框架的智能算法,智能APS即智能高級計劃和排程系統,能夠獲得比人工或人工設置的規則計算結果更好、全局最優的方案,從而使智能APS成為供應鏈智能決策的關鍵一環。
海外已有Blue Yonder、達索、O9等數個頭部標兵,在百億體量的基礎上依舊增長快速,如O9近3年營收增長674%。放眼國內,智能APS賽道還是一片藍海——不僅海外巨頭滲透率低,國內企業也還處于早期發展階段。隨著行業頭部標桿客戶的落地,國內企業的業務增速將遠超預期。高鵠資本深度調研了制造型企業的需求與國內智能APS行業的發展現狀,我們認為,該賽道是工業軟件市場少有的原生增長賽道,有望成長出本土的工業軟件巨頭。同時,基于對行業的深度思考,我們提出該賽道優秀產品的四個特征,以及判斷團隊的三個標準,希望與行業內的投資人、企業家們共同探討。
本文核心觀點:
1、APS是工業軟件領域的原生高增長賽道,當前國內市場滲透率低而本土公司快速崛起——產品能力與算法實力大幅提升,投資該賽道可同時抓到α+β。
2、較傳統APS,智能APS在算法設計上有著極大的先進性,能真正解決復雜求解問題,而非簡單地將人的經驗數字化。
3、除車間級排程外,智能APS還可以拓展到主計劃與產銷協同等供應鏈協同層,為企業打造韌性供應鏈、優化資源配置效率提供了極大價值,將成為企業智能化的必備武器。
4、優秀的智能APS產品應具備四個特征:配置靈活度高、算法基座好、產品化程度高、產品完備度高,近兩年能夠在該賽道突圍的團隊在「產品線拓展」、「頭部客戶落地」、「算法先進且有效」這三個方面都應有出色表現。
一、智能APS是供應鏈智能決策的關鍵一環
隨著消費互聯網對供應鏈的改造日益深入,制造型企業產品呈現出多樣化的趨勢,不僅產品組合增加且要求快速交貨,生產模式從大批量生產(流水線生產)向多品種小批量生產(JIT精益生產)發展。同時,人、機、料等齊套周期不一致,常有訂單插單或更改等情況發生,導致生產管理復雜性不斷上升。加之疫情反復造成的生產驟停驟啟與供應鏈脆斷,使得制造企業所面臨的挑戰日益增加——既要應對訂單波動又要柔性生產以提高資源利用率。
以一個有30多條生產線、生產100多類產品的工廠舉例,在開工班次、物料庫存、換型等約束條件下,同時考慮不同日期下生產產品組合及生產順序就存在900多萬種方案,如果考慮更多條生產產線以及更多的約束條件時,整個工廠的生產計劃更像是一個天文數字,是人力無法計算的。
排程環節必須從原來的人工排程中解放出來。作為資源信息化的ERP與作為信息流程化的MES的滲透率雖然都在加速提升,在制造型企業優化運營管理中起到了非常重要的作用,但兩者在動態變化的復雜生產環境下,仍然難以滿足制造型企業隨機與即時的需求,在不使用作為決策智能化APS的情況下將很難從底層改善生產從而做出最優決策。依靠智能APS來實現自動排程,能使制造型企業更好地應對訂單增長與產能提升帶來的挑戰,借助優化的生產計劃,減少物料及庫存成本,最終增加企業利潤。
APS即Advanced Planning and Scheduling高級計劃和排程系統,是協助制造業制作生產計劃與排程的軟件系統,依據約束條件對企業最底層的生產資源、人員、設備、場地等進行合理安排。而智能APS則是在原有的基礎上,引入運籌學算法形成算法平臺,并依照企業制造中實際的多重約束條件進行數學建模,從而給出最優生產計劃與排程的系統。
相較于傳統APS,智能APS在算法上有著極大的先進性。傳統APS系統常以規則邏輯為主,規則算法通常是短視的,無法從全局角度對KPI做出優化,無法實現全局最優決策。而智能APS基于運籌學的數學規劃算法,突破了僅基于業務規則進行簡單僵化的自動化處理的局限,以全局優化為出發點,求得最優解而非傳統算法的可行解。在智能APS發展起來后,客戶的需求得到了真正滿足,即比經驗與人設置的規則計算更好的全局最優方案。
借助智能APS,可以充分考慮約束條件,并對約束條件進行進一步的細化、抽象化,持續加入更廣泛的產業上下游生產鏈條約束條件,由此能夠適應國內制造型企業規范性較弱的管理流程,更能適應環境突變情況下大幅調整的需求,打造其韌性供應鏈。
二、APS的構成與價值
由于行業還處于相對早期,行業內的詞匯并未形成統一的認知。狹義的APS是指車間內的工序級排程,早期i2(Blue Yonder前身)年代的廣義APS,則包括從需求計劃到產銷協同、到主計劃、到車間排程的全流程協同和調度。從功能上來講,一個完善的計劃系統的服務目標,應該是圍繞著制造企業全流程計劃體系,快速、高質地做出制造計劃與排程。
因此,完善的APS系統構成至少應該包括產銷協同計劃、主生產計劃和車間高級排程等,是一個復雜系統。
無論是從中長期的主計劃層面進行產能和物料的提前規劃,還是在接到訂單后的訂單跨工廠、車間的協同計劃,亦或是短期的車間生產排程優化,企業管理層最關心的生產大數據應用場景正在被APS解決方案釋放價值。
圍繞著企業的實際需求,APS表現出五個特點:并發、約束、全局、協作、靈活。APS需要幫助企業,在恒定的生產產能和現金流約束下,通過打通產銷供信息,即時調用企業所有物料資源,實現多條生產線相互配合、同步完成多個計劃的生產推進,并在意外情況下立即規劃出新的計劃,保證生產不中斷。
三、客戶需求與市場空間
在離散行業,APS為其解決多工序、多資源的調度問題;而在流程行業,APS則為其解決順序優化問題。APS也可以通過為流程和離散的混合模型同時解決順序和調度優化問題,從而對項目管理與制造解決關鍵問題和成本時間最小化。目前來看,APS在離散制造業的應用價值更為顯著,離散制造業在制造過程中涉及的元器件SKU眾多、生產環節與牽涉到的供應鏈復雜、制造流程屬于分散交叉非線性狀態。
實際上,離散制造業在早年就有公司開始嘗試使用APS,據高鵠調研統計,至今已有10%的離散制造型企業有過嘗試接觸APS或探討是否可以使用APS的經歷。但由于不同行業一線生產的復雜性與算法調優落地的不適應,導致這些想要使用APS的企業需求難以被滿足,有很多企業選擇了觀望。部分企業為此選擇自研APS,但市場基本沒有成功案例、效果不佳。
隨著制造生產環境由單一轉為復雜多變,排產從手動拖拽轉向軟件計算再到算法計算,盡管傳統APS已經比ERP的MRP(物資需求計劃)模塊與MES的排產模塊要更先進——排產模塊更為完善、計算原理更加優化,但仍然彌補不了規則算法的局限性,從而無法找到多重約束條件下的排產最優解,也就無法指導生產,即排產成功率低下。從最終結果來看,MES的排產模塊、ERP排產模塊、傳統APS排產成功率均非常低,顯而易見,智能APS已成為當下制造型企業應對迅速變化的內外部生產環境的必然選擇。
從高鵠調研的結果來看,現當下使用智能APS 的客戶主要以4億營收以上的生產制造類企業為主。一方面,營收過低的企業業務復雜度低,APS的應用效果不夠明顯,另一方面也難以負擔專業APS的價格。
目前,國內APS市場還處于較早發展期,智能APS廠商主要有悠樺林、商簡、谷斗等。但海外已經跑出了Blue Yonder、達索、O9等數個巨頭。
其中,以產業上下游并購作為主要打法的Blue Yonder,在產品矩陣和服務形態上更加成熟和豐富。作為第一家做APS系統的企業,松下旗下Blue Yonder的發展經歷足可以看出整個APS市場的曲折。
早在1988年,Blue Yonder的前身i2就已經成立并開始研發FP(Factory Planning),并快速進入工業軟件市場前列,其APS系統服務直接與Oracle、SAP等ERP軟件合作。2010年,i2被工業軟件提供商JDA收購;2012年其又被私募新山資本通過紅色草原收購;2020年,APS開始起飛,JDA改名Blue Yonder;2021年Blue Yonder被松下以71億美元收購。
經歷多輪被收購之后,Blue Yonder從傳統APS向智能APS進化——以端到端的供應鏈智能決策產品矩陣著稱,形成覆蓋完備的制造業和零售業的供應鏈產品矩陣,實現從計劃及優化、業務執行到管理控制的閉環。其2021年總收入11億美元,2022年SaaS ARR 3.43億美元。
智能APS在全球范圍內已經成為趨勢。目前,國內智能APS市場還處于發展早期,潛在市場規模超過500億。2020年受疫情影響,供應鏈極度不穩定,從而促使制造型企業開始主動尋找可以快速排產和提高效率的工具,國內智能APS市場增速加快。當下,絕大多數的頭部客戶是第一次使用APS,市場滲透率僅為3%-4%,隨著市場需求和APS產品力的提升,4億規模以上的制造型企業的市場滲透率有望持續上升。
四、市場判斷標準
由于國內制造業生產管理流程與海外區別較大,國外APS在國內的實施服務不夠完善,雖被頭部企業使用但卻也并未獲得認可,這也給了APS賽道原生突圍的增長機會。
而要獲得客戶認可,我們認為一款好的智能APS產品應具備四個特征:
第一,配置靈活度高,能夠適配不同行業、不同客戶與不同場景,即使是同一個制造業的客戶,其場景也會發生較多的變化,這就要求系統有支撐能力。
第二,算法基座要好,算法設計具有實用性與前瞻性,兼具優化效果與使用效率。
第三,產品化程度高,即標準產品為主,定制為輔。
第四,產品完備度高,完整覆蓋產銷協同、主計劃、高級排程,形成供應鏈協同優化的成熟解決方案,如只做車間排程,也應保證能夠根據企業各項制約,實現生產路徑/訂單批次/物料分配等多目標優化。
反之,我們從客戶對產品的使用頻率、使用效果以及復購率/推薦率也可以驗證其是否為一款好的智能APS產品。同時,經過產業上下游的深度調研與實際客戶的服務經歷,我們認為符合以下三點的團隊值得關注與長期追蹤:
首先,產品能力強。標準產品模塊與定制的比例是未來能否規模化擴張的重要判斷標準。因此,團隊需要具備完整的行業產品設計、開發與服務經驗來開發出標準化產品模塊,使用戶能夠快速、方便地根據自身需求進行模塊間的靈活組合,大幅縮短交付周期且降低客戶費用,而不再是客戶一有需求變化就必須定制開發,哪怕是一些非常基礎的服務。
其次,算法設計能力強。要將業務約束轉化成數學規劃的語言需要大量經驗,并不是所有智能APS團隊都具備的。一方面,針對生產過程中的換型爬坡問題、組爐生產問題等,需要設計精細的建模方式來實現業務條件,同時不對模型造成負擔。另一方面,大多數生產制造企業在完成數學規劃建模后,往往得到一個巨型模型——變量和約束個數通常能達到千萬級別甚至過億,這時只能針對性地設計算法底層框架來支撐大規模的求解,而不是只使用規則式的引擎去實現基礎自動化出結果的功能。這也不是一個可以直接調用商用求解器就能求解的場景,過程中要求多種建模求解和算法框架設計的經驗,這需要長時間的積累。
第三,落地服務能力強。國內產業與海外非常不同,客戶對于定制化服務有需求。團隊是否具有行業服務經驗,能夠提供深度貼合客戶場景需求的解決方案,對大客戶的獲取非常重要。
若要在智能APS這個原生增長的賽道中突圍,團隊的這三個能力是缺一不可的。
智能APS正處于頭部客戶落地擴張階段,如何根據客戶需求進行產品設計,既能滿足客戶需求又能沉淀產品,并實現高效交付,將是接下來競爭的重點。我們認為,未來1-2年內,能落地頭部客戶落地案例最多的智能化APS廠商將有機會成為行業的領跑者。
編輯精選
