隨著社會的快速發展，大眾的消費需求越來越趨向于個性化。這種消費趨勢對于汽車制造企業來說是機遇也是挑戰。

　　本文引用地址: http://www.21ic.com/news/auto/201712/746437.htm

　　汽車生產制造端的復雜程度極高，要適應大規模個性化定制的工業4.0時代轉型，車廠需要在產品體系、營銷模式、產銷聯動、交付體驗上進行技術賦能，才能滿足“產品交期節奏快、生產周期短、批量少品種多”的個性需求，初步落地C2M的嶄新經營模式。

　　具體來說，首先，在產品配置方面，車廠提供對C端在線配車功能，使客戶能夠自由選擇車系配置。在產品體系上，車廠從原先的工程定義車型銷售配置轉變為由客戶選擇配置，由后臺工程規則來驗證。

　　進一步，在營銷模式上，車廠在線上同時提供透明交期功能，在客戶下訂單的那一刻， 后臺實時計算所預訂車輛的準確交付時間，通過交期可視化大幅提升客戶體驗。為了讓客戶及時獲得準確的交期信息，我們需要增加后臺預測模塊，在客戶選擇配置后，快速分析物料、產能、運能等限制條件，結合生產計劃及發運計劃，為客戶提供一個準確的交期范圍。

　　緊接著，在產銷聯動層面，車廠需結合交期計算與排產規劃，找到客戶需求與生產計劃的平衡點。對于這一點，我們可以增加智能排產模塊，基于運籌學算法制定最優的生產計劃。

　　簡而言之，在C2M模式下，從客戶體驗的角度，客戶需要實現從購車到交付全程透明化的可控體驗。因此，系統能夠支持在訂單全周期實時在線連接客戶與車廠，隨時調用后臺C2M算法引擎能實時計算，使得客戶隨時感受到交付可控的安全感。

　　在這些創新功能之中，最為核心，也是實現難度最大的就是生產規劃排程的后臺預測與優化C2M算法引擎。

　　目前車廠主流以MRP排程邏輯為主的排產排程系統在生產規劃時，并未將企業的資源限制與企業目標納入考慮，使得規劃結果無法達到最佳化，甚至說不可行。而要實現C2M模式，系統必須應用先進的規劃技術與方法，在進行生產規劃時能夠同時考慮到企業限制和目標，從而得出最優的生產計劃。

　　車廠的生產計劃制定面臨多重限制，這些限制條件綜合在一起，形成了一個龐大復雜的多維空間。如果要在C2M制造模式中實現個性制造與規模成本的完美平衡，就要求在這個復雜多維空間求得最優解實現均衡的生產計劃。

　　從算法角度，就是將多維空間求最優解轉化為數學問題來解決。通過對限制條件的分類可將其轉化為一個運籌學算法問題，即在一組約束條件下尋求某一目標函數的最大(小)值。

　　經過我們在兩家C2M先鋒探索車廠的系統落地，現在可以很有信心地說，車廠C2M多維空間規劃優化問題是屬于可求出最優解的求解問題。

　　要得到客戶體驗的完美提升，僅僅優化求解是不夠的，還需要從客戶體驗的角度設計一些配套計算步驟。比如，客戶選擇配置后，系統需要提供交付日期范圍給客戶，這就需要C2M算法引擎在有限的時間內根據所選配置，進行排期計算，得到最早下線時間和最晚下線時間，再加入出廠發運參數再次運算，這時客戶就能在選車界面上獲得交付日期的范圍。

　　客戶在這個范圍內選擇了交付日期后，C2M算法引擎還要做一次最優解可解性驗證，確定插單是否成功。實現這個內核后，我們就能獲得生產、發運各個具體環節的時間節點，接下來只要確保生產、發運過程的各個環節按時完成就可以了。

　　這塊相對比較容易，開發內部生產的過程監控系統，通過可視化的進度監控與延誤報警系統，我們就能夠讓從操作員到管理層的相關干系人參與到進度把控的過程中，齊心協力實現車輛的準時交付。

　　不難預見，準確、快速、高效地將智能算法引擎融合到C2M模式中，才能支持有效提升生產制造及供應鏈對市場需求波動的響應能力，縮短響應周期，降低庫存，從根本上實現“以客戶為中心”的個性化生產方式。