|
当下工业界热门的话题自然是一切自动化，产线自动化，办公自动化，采购自动化，计划自动化，甚至管理也要自动化，一大群人越来越感到前所未有的压力，但同时又感到职业的倦怠，正所谓，既想工作又想自由，又怕失去机会，所以，我们需要去观察，去思考，去寻找哪些仍然是机器还未到达的领域，哪些是可以和机器共协的价值。我曾问过AI，为何人类那么热衷于探索科技，AI说，科技如同火种一般，一直存在于宇宙间，只是人类发现火种早于科技，科技如同火种的力量一样，一旦发现，就会越来越旺，直到有人能够扑灭，然而，星星之火可以燎原，科技也是如此。我真不如AI想得透彻，突然想到冯唐的一本书《在宇宙间不易被风吹散》，冯唐真的很牛逼！ |
本文共约3000字
主要剖析计划系统，但从数字化的侧面给予自己再一次思考AI对人类生活方式的变化，与读者共勉
进 化
从供应链计划的发展历史看，我们所能掌握的是计划系统的进化思想，那必然是工业企业数字化的启蒙和成长的摇篮。
表1，计划系统进化史，由本专栏与腾讯元宝AI共同制作
毫无疑问，计划系统是供应链管理数字化的历史起点，如今的世界正试图走向一切数据态，动作数字化，连表情都可以通过数据提炼，更有甚者将神经元数字化，从而复刻和创新。
前阵子看到宇树机器人翻跟斗，“武打”场面，跳团舞，学“悟空”，顿觉世界变化快，难怪宇树老板王兴兴兴奋地解读未来人类可以不用劳动了，也许是可以不再遭受一部分劳动，但如果是完全被剥夺劳动，估计就会坏事了。
其实是因为有了工业化，人类才开始有机会通过职业化获得财富，通过资本进行再生产获得增长，习惯了大生产环境的人们不免开始厌倦这种周而复始的劳动，渴望自由。
那么，宇树王老板说得没错啊，腾出劳动的时间可以让生活简单化和趣味化，不少人工作了半辈子，工厂的自动化程度一提高便被“边缘”化了，或者残酷地被失业了，于是，有积蓄的人说正好换个活法，找找乐趣，让生活简单化，但这样不免会激起群愤，因为人类与生俱来的能力是靠劳动创造财富，特别是我们中国人，向来被视为全球最勤奋之人，但勤奋之后的积蓄仍然寥寥无几。
至于工业企业，始终乐此不疲地深耕自动化和无人工厂，追求科技超额利润的背后，大概是想摆脱人类情感带来的管理的模糊和复杂，让管理变得简单，让自身跟上工业社会不断进化的步伐，并不被“死”去，这是当下企业都在考虑的问题。
发表一些有关科技发展的现状也是自勉，世界自工业革命以来进入了一个普通人都快看不懂的宇宙空间，数字化正在挑战各行各业，谋生之道会发生变化，在网上看到一段有关埃隆·马斯克做客Joe Rogan博客，摘了一段有关他们讨论人生意义的对话：
。。。
马斯克：对，这就是我们应当去努力实现的理想未来。
Joe：这就像电影中最美好的结局。
马斯克：是的。但仍然有一个问题是“人生的意义”。你要确保人们不会因为不工作而失去意义。希望他们可以找到另一种方式去定义目标，去寻找热情。
Joe：找到自己热爱的事，并投入其中。现在很多经济独立的人也都是这么过日子的。这种状态也许以后会成为多数人的常态。
马斯克：几乎所有人都会如此。
Joe：那我们就需要集体地重新定义“生活的意义”。不过这没那么难接受。因为你不是在要求大家被压榨，而是告诉他们，“你自由了，去做你喜欢的事”。比如去他妈的测试披萨。你想干嘛就干嘛。
马斯克：差不多吧。这可能就是最好的结局。
Joe：这真的是未来最棒的结局。如果你看人类历史，多少人只是为了吃饱、住下、安全而奋斗一生。如果这些问题都能解决，比如通过全民高收入解决，能消灭多少犯罪？大多数犯罪都是经济动机驱动的。犯罪者大多来自贫困和被剥夺权利的社区。如果这都不存在了——那我们可能真的可以实现乌托邦。
。。。
*以上对话来自https://www.36kr.com/，马斯克最新采访：5 年后手机和APP都没了，工作也变成“想干就干”
灵 感
我一直想用一种简洁明了的方法给大家呈现一个供应链计划逻辑的案例，之前写了一篇围绕计划系统和ERP进化的文章计划的底层逻辑，是供应链运转的大脑—— 科普供应链计划系统，如果从事计划但又想学习计划的人通读它，相信必然会有收获，但我仍然希望有更好的方式，诸如使用像决策树，流程图，鱼骨图等等可以更加表述清楚的逻辑工具，或者找到一种可以让读者对计划系统一目了然的方法论。
Xmind的逻辑分析工具
（带红点的是需要掏钱购买的,说明天下没有免费的午餐）
上次用PPT做了份供应链数据蓝图，看起来大家喜欢那样清晰明了的表达方式。我想到了思维导图，曾经做采购策略库，发觉思维导图很好用，恰巧有个多级BOM的计划提升课题，末了，便利用思维导图汇总了一个较为详细和缜密的，代表供应链计划底层数据的图分享给大家，没想到数据太多无法在一个图上（见左图）清晰表达，
于是，我又把图上的数据按照模块截屏放在图1，数据太多仍然无法很好呈现，不过，这一次却给了我一个灵感，将不同模块拼凑起来的模式与多年前从事的非标设备制造竟然有很熟悉的感觉。
图1，计划系统底层数据组合示意图
假如把计划系统的这些底层数据当作一个产品的“零部件”，比如需要“生产”某个计划系统，我们就需要熟悉这些以数据形式存在的零部件，并进行设计研发，接着将它们装配起来，然后进行测试调试，安装运营，赋予培训和售后管理，如果产品属于短生命周期的话，还需要进行升级换代，这样一来，我们是否可以理解计划系统就是一台“非标设备”。
构 建
顿时庆幸，如果不是在计划领域深耕，如果没有非标设备制造的经历，图1的那些数据估计就像天马行空，我也不会将计划系统的底层数据从关系模型想象成零部件，从而将只有软件开发企业才会熟悉的开发过程使用非标设备制造原理表述出来，这正是接下来我要用另外一图一表教会有兴趣的读者去感受计划系统到底是怎样一台像“非标设备”的产品，而这也是我们用工程化思维解构计划系统的奥秘。
表2， “供应链计划系统”非标设备的BOM清单，由本专栏与腾讯元宝AI共同制作
通过这个"BOM“视角，我们可以清晰地看到一台现代化的供应链计划”设备“不再是单一的软件，而是一个由技术、流程、数据和人高度融合的复杂系统，或许正是因为企业无法单个拥有整个BOM视角，软件公司亦然，企业做不好计划纯属不是偶然。
对于我们这些仅仅掌握皮毛的所谓供应链管理者，可能我们的认知还只是停留在设备的基础图纸和标准阶段，即使硬件配备，能否确保这台”设备“可以被正确使用并持续创造价值还是一个待验证的环节，至少我是这样认为的。
好在计划系统并非一蹴而就，大量的案例证明了计划系统在BOM第三层的基础材料/软件层是可以引用标准化的关系模型。
图2，供应链计划模块关系与数据流（分层法）
机 制
在新的“计划物种”出现之前，计划系统采用分层法来解决逻辑关系，然而，任何关系必然有不稳定风险，也就是说，任何曾经稳固的组织一定存在不可预知的“瘤”存在，就供应链计划而言，我们探讨过类似神经网络的一个组件，叫反馈机制。
供应链网络与神经网络的比对
传统供应链管理的反馈机制建立在结果偏差的调整上，比如当发现交付有缺货时，我们的第一反应是马上进行补货生产，这是对的，但问题是，知道缺货已经是事后的行为了，一般的计划系统很难知道为何缺货，在哪个环节引起了缺货，从而我们可以调整计划，并就因果论进行溯源以避免缺货重复发生；知道因果进行弥补，这已经是不一般的计划系统了，但如果知道了因果，还能知道调整会影响哪些环节，从而让我们明白哪些环节的计划结构本身就是错误，从而需要打破原有的计划结构进行重塑，让系统朝着我们所期望的结果进化。
想象一下，某一天，企业不再受限于范式MRP，也不需要煞费苦心去开发出一个结果不如意的系统，而是有一个东东，我们暂且就认同这个东东就是AGI吧，某类AGI可以进行动态的自学习来理解供应链计划的上下因果关系，从而通过“涌现”新的数据表达式来完成系统进化。
到那时，供应链计划系统似乎没人类什么事了，科技的发展真是让人又喜又惊！
我似乎一样有担忧和憧憬，倒不是为我自己，而是站在人类的角度，一旦AI“涌现”出现，不知道人类是否可以真的实现“不劳而获”了。
文：Cia
编辑：Cia
数字化时代的企业与供应链思考与探索，
喜欢就关注和转发
欢迎一起探讨
