Expert Insights

天睿观点

来自专家团队的供应链管理、物流规划与智能工厂领域专业见解

专家著作

智能工厂物流构建——规划、运营与转型升级

智能工厂物流构建——规划、运营与转型升级

智能供应链

智能供应链

制造企业物流运作与实施
合著

制造企业物流运作与实施

中国物料搬运装备产业发展研究报告(2020—2021)
参编

中国物料搬运装备产业发展研究报告(2020—2021)

物流工程技术路线图
参编

物流工程技术路线图

物流系统规划与运营
参编

物流系统规划与运营

共 621 篇
【专栏】邱伏生:供应链实战指南——MBSE 在智能制造供应链系统构建中的应用(二)
方法论 89

【专栏】邱伏生:供应链实战指南——MBSE 在智能制造供应链系统构建中的应用(二)

MBSE(基于模型的系统工程)通过顶层设计、主线建模和数据闭环,有效解决制造供应链系统构建中常见的协同不足、信息割裂与软硬件脱节等问题。文章提出SMSC(智能制造供应链)构建的全生命周期流程,并结合V字模型阐明从需求梳理到运营维护的系统化路径。该方法强调战略-技术-作业三层子系统的联动,为智能工厂提供可落地、可追溯、可迭代的供应链架构。

【专栏】邱伏生:供应链实战指南——MBSE 在智能制造供应链系统构建中的应用(一)
方法论 114

【专栏】邱伏生:供应链实战指南——MBSE 在智能制造供应链系统构建中的应用(一)

MBSE(基于模型的系统工程)通过“以终为始”的建模思想,将柔性化制造供应链系统具象化、数字化,并结合数字孪生技术实现端到端仿真验证。该方法有效解决传统供应链规划中信息割裂、路径依赖和系统不协同等问题,支撑从订单到交付的全链路智能协同。尤其适用于高柔性、高响应要求的智能制造场景,但需注意其对前期需求定义和跨专业协同能力的高要求。

【热文回顾】邱伏生:价值导向的物流设备采购-核心关注点是什么?
方法论 118

【热文回顾】邱伏生:价值导向的物流设备采购-核心关注点是什么?

在当前复杂市场环境下,物流设备采购应超越价格导向,转向以客户为中心的价值型采购。邱伏生指出,采购需聚焦系统整体价值、供应关系优化与长期协同能力,而非仅关注单点成本。标准与非标设备采购模式差异显著,决策应结合场景、交付、服务等多维因素综合评估。

【热文回顾】邱伏生:敏捷柔性制造对供应链的挑战与应对
方法论 137

【热文回顾】邱伏生:敏捷柔性制造对供应链的挑战与应对

敏捷柔性制造正推动制造业从大规模标准化转向小批量定制化,对供应链的响应速度、透明度和协同能力提出更高要求。邱伏生指出,企业需通过流程重构、信息系统升级、人才技能重塑及强化合作伙伴关系来应对挑战。单纯依赖传统供应链模式已难以支撑柔性制造需求,必须系统性变革。

【专栏】邱伏生:供应链实战指南——KD件供应链构建方略(二)
方法论 131

【专栏】邱伏生:供应链实战指南——KD件供应链构建方略(二)

KD件供应链构建远非简单拆解运输,而是涉及战略定位、模块化设计、物流齐套与数智协同的系统工程。企业需在产品研发初期植入KD思维,通过顶层设计与TCO测算明确全球化目标,并以模块化、标准化和信息化应对技术、物流与协同挑战。缺乏整体规划易导致“救火式”运营,难以实现成本与效率的全局优化。

【专栏】邱伏生:供应链实战指南——KD件供应链构建方略(一)
方法论 215

【专栏】邱伏生:供应链实战指南——KD件供应链构建方略(一)

KD件供应链是制造企业全球化布局的关键策略,通过CKD/SKD模式实现成本优化、规避高额关税并提升市场响应力。该模式在汽车、家电和电子行业已形成成熟应用,但对物流包装、计划协同与信息透明提出极高要求。成功实施需平衡效率、成本与风险,非简单拆解出口,而是体系化能力输出。

【专栏】邱伏生:供应链实战指南——数学力赋能制造供应链(三)
方法论 57

【专栏】邱伏生:供应链实战指南——数学力赋能制造供应链(三)

数学力已成为制造供应链的核心竞争力,依赖人才培养、组织变革、技术平台与生态协同四大支柱。其落地需将业务问题转化为数学模型,并通过数据驱动文化与数字孪生实现闭环优化。尽管在茶饮、汽车、电子等行业已显成效,但模型假设、数据质量与利益协同仍是主要制约因素。

【专栏】邱伏生:供应链实战指南——数学力赋能制造供应链(二)
方法论 92

【专栏】邱伏生:供应链实战指南——数学力赋能制造供应链(二)

制造供应链正从经验驱动转向数据与算法驱动,LSTM、强化学习等数学方法在需求预测、库存优化和生产调度中已展现显著成效。M集团和N集团的案例表明,融合多源数据的智能模型可将预测准确率提升至88%,缺货率降低50%,交付周期缩短超50%。但算法落地依赖高质量数据生态与业务场景深度耦合,并非所有企业都具备同等实施条件。

【专栏】邱伏生:供应链实战指南——数学力赋能制造供应链(一)
方法论 117

【专栏】邱伏生:供应链实战指南——数学力赋能制造供应链(一)

制造供应链正面临多维变量、动态约束与系统割裂的严峻挑战,传统经验驱动模式已难以为继。文章提出“数学力”概念,即通过数学模型、算法与优化方法,将供应链复杂性转化为可计算、可优化的系统。数学力是实现数据驱动决策、动态响应与全链路整合的核心能力,支撑制造供应链向柔性化、数字化、智能化转型。

公告 131

致天睿各位并肩同行的伙伴们

2025年,天睿咨询深度服务多家制造业头部客户,推动物流从流程驱动转向数据驱动。通过AI、数字孪生和VOM新模型,实现供应链事前预警与全球协同。公司强调多方协作是制造供应链升级的核心路径。

MMOG V6解读之136|工程变更中的库存管理
方法论 71

MMOG V6解读之136|工程变更中的库存管理

MMOG/LE V6要求企业建立覆盖全供应链的工程变更库存管理流程,尤其关注专业零部件和原材料。五类工程变更(立即、用完后、某批、择日、累计数量)对库存协同提出不同挑战。智能化系统与上下游实时数据共享是实现高效变更与最小化浪费的关键。

OEE 实现生产优化与常见误用
方法论 52

OEE 实现生产优化与常见误用

OEE(综合设备效率)是衡量制造设备真实产能的核心指标,由可用性、性能和质量三要素构成。正确使用OEE可驱动数据化排产与持续改进,但误用如跨厂标准不一、与绩效强挂钩或用于非适用场景,反而会误导决策。OEE应与其他业务指标协同使用,而非孤立追求高数值。

MMOG V6解读之135| 物料处置与索赔
方法论 44

MMOG V6解读之135| 物料处置与索赔

MMOG V6条款5.2.4.2.F2强调物料处置与索赔必须符合客户要求,这不仅是合规基础,更是供应链信任的关键。企业需借助智能化系统实现全过程可追溯、标准可对照、流程可执行,避免因模糊操作引发纠纷或合作风险。尤其在汽车、电子等高要求行业,阳奉阴违或被动应对将带来严重后果。

MMOG V6解读之134| 缺陷与呆滞料的控制流程
方法论 51

MMOG V6解读之134| 缺陷与呆滞料的控制流程

MMOG V6将缺陷与呆滞物料控制列为否决性条款,要求企业从工厂规划阶段就设置专用存放区域和器具。传统依赖人工的管理模式存在响应滞后、误用风险高、决策缺乏数据支撑三大痛点。通过物联网、APS系统和智能合约等技术手段可实现自动化闭环管理,但需分阶段推进。

MMOG V6解读之132| 智能化档案管理,是企业规避风险的“盾牌”
方法论 51

MMOG V6解读之132| 智能化档案管理,是企业规避风险的“盾牌”

MMOG/LE V6条款5.2.3.6.F1明确要求企业对关键物料记录进行可检索、可读的长期归档,尤其针对汽车安全件等高风险物料。智能化技术如IoT、区块链和AI正将传统被动归档转变为可主动防御、预判风险的战略工具。数据显示,规范的智能档案管理可将因记录缺失导致的供应链纠纷损失从17%降至5%以下。

收入最高的 10 个供应链职位
方法论 162

收入最高的 10 个供应链职位

根据ASCM历年薪酬报告,供应链总监和运营总监稳居收入榜首,年薪中位数约16万美元。管理职能、技术应用能力(如AI与云计算)及跨白领/蓝领团队经验显著提升薪酬水平。该数据主要基于北美与欧洲样本,对中国出海企业具参考价值。

MMOG V6解读之131| 智能盘点的效率跃升
方法论 36

MMOG V6解读之131| 智能盘点的效率跃升

智能盘点不只是工具升级,而是推动库存管理从静态核对走向实时协同。它引发数据采集、决策机制与价值创造三重范式转变,使盘点从成本中心演变为战略赋能节点。领先企业如博世、特斯拉和宝马已通过AR、数字孪生与UWB等技术实现盘点效率与供应链协同的双重跃升。

MMOG V6解读之130| 库存信息的可视化与协同
方法论 49

MMOG V6解读之130| 库存信息的可视化与协同

MMOG V6将原V5中两个条款合并为5.2.3.4.F1,强调每次出入库操作必须同步更新物料与财务系统。仅靠ERP系统不足以实现实时同步,需结合条码或RFID等自动化技术。库存信息应向SCM、采购、销售、计划及财务等所有相关方开放,以支撑高效协同决策。