[工業4.0]Machine learning應用實例（1）

工廠A位於精密設備製造業的中下游，其精加工部門專業承接精密設備來圖加工的工作。由於客戶來自於半導體，醫療設備，檢測設備等多個不同的行業，訂單通常都屬於High Mix Low Volume（小批量多種零件）類型，雖然這種訂單相對利潤率更高，但是也為工廠的管理帶來了大量的挑戰，隨著市場環境的競爭日益激烈，工廠A的控股集團決定投入工業4.0的懷抱，通過擁抱IT科技，提高自己的競爭優勢。

問題一：客戶總是希望能在24小時內獲得報價，但是現有報價工作流程沒有辦法完成。

在報價的速度問題上，工廠A總是遇到的兩個問題，一是次級供應商的報價跟不上客戶所需要的節奏，導致報價工作很大一部分時間被用在等待次級供應商的報價上，但是如果人工執行估價，則無法準確的估計次級供應商的價格。 二是應對不同的客戶往往需要執行不同的報價策略，過低的報價會導致做的越多，虧得越多的困境，過高的報價又容易導致訂單被其他競爭對手搶走。如何在客戶可接受的範圍內盡量抬高出價，增加提高利潤空間，是一個充滿挑戰性的博弈問題。

工廠A通過應用機器學習軟體iQuote，對自己的報價工作流程進行了大刀闊斧的改動。首先，通過回顧既往的大量報價數據，iQuote系統代替了既往的報價員，執行自動估價，這個估價不但包括工廠A的內部工序，也包含供應商的價格估計。對於內部工序，除了自動估價，演算法也會自動過濾符合特殊條件的零件（例：value add過低，或超過一定價值的大型複雜零件）交於報價員進行二次評估。對於供應商價格，iQuote系統的估價不但被用在報價流程中，也自動變為供應鏈管理人員與供應商議價的底價。事實上，因為iQuote系統的估計非常的合理，有部分供應商已經直接跳過內部估價，直接接受iQuote提供的估價。通過這樣的改造，低於100張圖紙以內的圖紙包，已經可以保證在一個工作日內完成報價，簡單的圖紙，這個流程更是可能只需要幾分鐘。

在銷售人員方面，iQuote系統則執行大量的策略分析，通過分析圖紙包的複雜程度，客戶的既往的可接受溢價空間，iQuote可以準確地提供可供參考的溢價範圍，大大提高了報價的中標機率。在執行iQuote報價3個月後，訂單的平均凈利潤率提高了2.79個百分點，這在原本利潤率就不高的機械製造業是一個相當好的成績。下一階段iQuote還將被集團控股公司應用於其他的工廠，當然軟體的工廠客制化仍然需要大量的時間和努力。

-------------------------午飯時間--------------------------------

推薦閱讀：