悠桦林,大数据时代下的商业智能决策

悠桦林致力于推进基于海量数据的智能决策技术 Data Driven Decision 在中国的落地推广,
助力中国企业实现从自动化到数字化到智能化的战略转型。公司以世界领先的运筹学OR 、人工智能AI与可视化技术
为核心驱动力,为大交通和供应链等领域的企业客户提供从数据战略咨询到软件方案落地实施等一揽子的智能决策整体解决方案。

/
/
/

悠桦林信息科技(上海)有限公司结合OR和AI技术,为企业提供从数据战略咨询到软件方案落地实施等智能决策整体解决方案,我们崇尚诚信、创新,时时以客户为中心,以技术为导向,有想法,有态度,愿意不断超越。我们给最大的空间,有弹性的工作时间,提供优厚的待遇及福利和广阔的上升空间。
投递简历或咨询详情请发邮件至contact@youhualin.com

联系我们contact us

  • 中国上海上海市普陀区
    中山北路3300号环球港B座18F

  • 联系电话
    4008-217-899

  • 投递简历及招聘相关
    请联系contact@youhualin.com

  • 业务需求、商务合作或融资洽谈
    请联系business@youhualin.com

索取资料:

请填写您的联系方式,以便获取悠桦林的产品和服务信息

悠桦林信息科技(上海)有限公司

沪ICP备16048243号  Copyright © 2016 悠桦林信息科技

Leadership

• 美国工程院院士
• 佐治亚理工终身教授
• IBM's T.J. Watson 研究院创始人
• 运筹学最高荣誉冯.诺伊曼奖获得者

• 佐治亚理工博士
• 主要研究方向:大规模整数规划在航空和物流的应用
• Amazon Outbound Transportation Volume Planning Team北美负责人

• 上海交大硕士
• Intel、IBM、坤帝科优化负责人
• 10年+中国优化实施落地经验,涉及半导体、机场、汽车、钢铁等行业

• 清华大学本、硕
• 佐治亚理工运筹学博士
• Uber总部实时定价科学家

• 佐治亚理工硕士
• 上海电气商务骨干
• 数亿美元投标经验

航空优化

地服排班/派工优化

伴随着航司机队规模扩大、机场航班流量迅猛增长,传统手工粗犷式作业已无法满足当前地面监控保障的需求,运用智能优化算法将地面保障服务资源进行合理的配置和预测分析,成为提高航司地服人力和设备资源的利用效率的主要手段。

我们的地服资源管控系统采用先进的运筹优化算法,在考虑员工资质约束、工时均衡、作休规则限制等多种条件下,智能化生成排班和派工方案,并且系统会实时监控航班信息,出现航班异常时,将自动进行派工调整,同时系统在任务规则管理、轮班类型的设置以及作休规则的制定等处具有高度灵活性,航司可根据不同的业务需求进行自由调整。该解决方案可为航司在地服资源的配置与分析提供依据,有效提高航班地勤保障力度、降低航司运营成本。


机组/乘务排班优化

随着国内民航业跨越式发展,飞机规模和航班数量迅猛增加,国内航空公司普遍面临着机组培养跟不上机队扩张的步伐,通过大数据分析智能优化机组资源,在满足民航总局法则和航空公司各项规定的前提下,提高机组使用率成为各家航空公司的迫切需求。

机组排班系统在满足局方121部R4/5的规章前提下,同时考虑航司实际运行情况,合理组环联线,降低整体的搭机、过夜次数,提高空勤人员日均小时,降低运行成本。并且考虑空勤人员的疲劳度、舒适度,兼顾现场监控对运行保障的稳定性要求,给出航司计划、监控、执行各方均衡性都满意的排班计划。


航线网络规划

航空公司需要根据市场需求预测、飞机运行特性、人力资源配置、国家政策法规和竞争对手策略来规划航线网络,是运筹优化在航空领域的典型运用,也是整个航空公司运营的基础。

我们的航线网络优化采用前沿数据模型和算法,在兼顾机队规模、运行规定、过站时间等限制性条件下,通过分析各市场的需求、运力、时刻分布水平,帮助用户寻找最佳的长、中、短期的航线网络结构、提高整网收益和飞机利用率等。该解决方案可为用户在新开/加密航线、航线结构优化、航线时刻优化、航线机型优化、航班取消选择等应用场景提供有效的决策辅助工具。通过航线网络优化,为航空公司新增数亿元销售收入。



座控调舱优化

随着航空公司规模的高速扩张,座控人员发现需要管理的航班数量越来越多,想实时管控每个航班的舱位开放状态以及数量的调整,已经越来越成为一个艰难的任务。如何高效的实现每个航班的精细化舱位管理,一直是航空公司收益管理部门最大的诉求。

座控调舱解决方案可以根据竞争市场、销售水平、旅客构成、票价结构等各类资源条件,通过实时采集当前订座数据和外航价格水平,结合座控人员事先拟定的控制策略,对属于不同节假日或淡旺季的每个航班,利用科学的方法分析每个舱位的可能需求增量以及超售收益,根据最优策略的判断,高效、自动的管控航班舱位布局数调整和开放情况,从而有效提高航线座公里收入水平。该解决方案即可以减少因管理疏漏忘记开关舱位而带来的收益损失,也可以利用分析数据帮助座控人员寻找航线销售规律,以选择最佳的座控策略。



动态定价

随着民航总局对运价改革的一步步深化,航空公司开始发现原先的单一的定价策略已经很难跟得上市场的变化。在充分竞争市场上,每一个竞争对手都在不断的博弈中寻找自己最佳的利益点。

动态定价就是帮助航空公司不再拘泥于传统定价方式,而是利用最优定价流程及策略的新型定价工具,在综合实时的竞争环境、服务能力、旅客画像等多维条件下,实现灵活、快速、准确的定价,以适应瞬息万变的市场,发掘客户和市场的最大潜力。


不正常航班恢复

尽管航空公司通过航线网络、机组排班、收益管理等先进优化方法提升了运营效率,但是往往计划赶不上变化,极端天气、机械故障等因素常常打乱原有规划。美国每年因为航班延误直接经济损失高达数百亿美元。

不正常航班恢复要求在满足机组维护、操作规程、法律法规的前提下,尽可能降低全局恢复成本,减少旅客行程延误。将航班计划、机队编排、机组排班、旅客行程等问题进行重新组合分配,得到整体恢复决策支持结果,在延误的情况下,迅速获得更优解决方案,减少损失。


供应链优化

网络规划

伴随着业务的快速发展,粗放发展时期的供应链网络会与越来越高的管理要求产生越来越多的碰撞,此时评估和建设高效供应链网络变得迫切重要, 而首当其冲的就是供应链网络的规划。在规划过程中,需要去评估和分析各项业务,比如:当前这么多的仓库是否合理?是否可以整合? 应该建立多少仓库等设施?建在哪里?什么时候建?建多大合适?这些仓库应该供应哪些供应商和客户?应该从工厂/供应商直送还是经过仓库进行中转运输? 如果采用先建设再在实际经营中评估的方式,则会给相应的投资带来极大的风险,所以事前的评估分析非常重要。

悠桦林物流网络规划解决方案,能够基于历史数据,结合客户未来发展规划,同时兼顾成本与服务水平, 对现有供应链网络进行评估分析,通过全局的定性和量化分析,基于业务要求设计更合理的网络结构和层次。 在实现全网络覆盖的基础上,增加物流网络灵活性,帮助企业减少成本、降低风险。

主要应用场景:评估物流网络合理性、仓库/中转场优化选址、物流运输路径优化等


需求预测

在供应链系统中,需求预测是销售计划、补货计划、生产计划的基础。在物流业务中,需求预测可以为物流企业提示出物流市场未来的趋势和方向, 可以根据各个运输节点的需求/货量预测,规划及优化相应的运输资源,做好提前应对措施。 比如,面对节假日的消费暴增、企业市场营销活动引发需求/货量增长、消费淡旺季等市场状况,合理的需求预测与物流计划对企业的经营就显得尤其重要。

悠桦林物流需求预测解决方案,能够参考历史数据和人工经验,并使用AI机器学习和OR运筹优化等技术对需求/货量进行预测。 机器学习技术能够更加高效准确地发掘数据规律、提炼人工经验,提高需求/货量预测准确性;然后可以基于获得的需求/货量预测结果, 运用运筹优化算法对物流方案进行评估分析,并获得最优方案,帮助企业提高物流运作效率和效益。

主要应用场景:物流业务效益评估、中短期运力资源分析、节假日运力评估等


库存优化

需求个性化和多样化对库存管理提出了越来越高的要求,尤其是多仓情况下的库存高企和意外缺货对企业的经营带来极大的不便,容易导致企业资金占用或降低客户服务水平。 为了提高库存管理能力,需要对全系统库存进行分析和评估,解决库存管理中的诸多问题:库存应该放在哪里?放多少?什么时候放?什么时候补货?补多少货?产品在不同的区域销售特征是怎样的? 哪些属于快流件?哪些属于慢流件?针对不同的产品和区域应该采用怎样的库存策略?

悠桦林库存优化解决方案能够使用AI机器学习技术对需求特征进行分析和分类,给出区别化的库存放置策略, 并基于OR运筹优化算法对库存结构和库存量进行优化,获取全局最优的库存策略。 帮助企业有效降低库存水平,降低库存持有成本,提高库存周转。

主要应用场景:企业库存评估、库存策略优化等


路径优化

支线接送货和城市配送业务,作为物流运输的两端环节,直接面对着供应商或客户,其业务有着需求分散、数量众多、时效要求高、在途运输路况复杂等特点, 导致运输路线的规划排定考虑因素极多,很难使用手工方式进行排定,于是普遍存在使用车辆资源多、运输里程长、司机工作时间长、错过取送时间窗口、成本高等问题。

悠桦林物流路径规划解决方案,能够基于业务需要,综合考虑司机资源、收发货点收发时间窗口、车辆运力、订单量及订单分布、装卸效率、在途时间、交通法规等多项影响因素,通过高效的优化算法进行全局优化, 快速排定循环取货/循环送,或边取边送等运输路线,实现路线、订单、取送货点、司机与车辆等快速绑定,获取的路线方案能够有效降低车辆占用、降低运输里程、提高路线排定效率、降低运输成本。

主要应用场景:如快递/快运的多点取货/多点送货业务、生鲜的送货业务、运输公司的计划排定、评估运输资源优化运输调度和配载等


排产优化

随着社会的高速发展,人们对消费需求的特性已快速转向个性化消费。而作为产品的制造企业,大批量生产某一种产品已经跟不上时代的需求,快速制造多种类产品以满足客户需求已经成为企业立稳脚跟的核心竞争力。企业常因无法确实掌握生产制造现场实际的产能状况及物料进货时程,采取有单就接的接单政策与粗估产能的生产排程方式,但又在提高对顾客的服务水平及允诺交期的基本前提下,导致生产车间常以加班或外包来满足订单交期。此外,由于物料规划无法考虑产能的限制,又可能造成原料/零组件的采购计划无法配合生产计划,以致影响既定生产进度而造成无法满足顾客交期或成本过高的恶性循环。

悠桦林排程排产优化解决方案,利用先进的运筹优化和人工智能技术,在考虑物料和能力限制条件与生产现场的控制与派工法则下,规划可行的物料需求计划与生产排程计划以满足顾客需求。结合what-if 分析和可视化图表,可以让规划者快速结合生产信息,作出平衡企业利益与顾客权益的最佳规划和决策。

主要应用场景:如离散型/流程型制造企业生产计划与排程优化、供应链资源配置优化、人员排班优化等


冶金优化

高级生产排程

市场的灵活多变导致了客户需求的不确定性,并导致上下游协同更加困难。以市场为驱动的整体环境下,实现全程按单设计、按单计划、按单生产尤为重要。在充分尊重灵活的客户需求的基础上,如何管控生产批量是一个相当复杂的优化过程;不同产品在不同设备上的能力消耗,导致上下游平衡也需要一定的优化技巧;炼钢轧制近乎互相冲突的生产要求导致钢轧

悠桦林高级生产排程优化解决方案能够基于复杂的生产次序,在满足交付进度的基础上,优化处理紧急订单等事件。通过优化物料计划,提高成品与半成品库存周转率,并通过全流程一体化协同计划,降低在制品库存;通过智能化优化产能计划,提高整体设备利用率,充分利用瓶颈设备产能,提高产量;通过智能化快速、精准交期应答,提升交期应答速度与准确性,同时提升交期应答精度;通过优化全局订单计划,确保客户订单按时计划生产,在全局一体化计划、制造过程动态优化、与生产过程自动控制协同作用下,确保生产计划顺利执行,订单准时交付。

主要场景:物料计划优化;生产计划与排程优化;询单应答;全局订单计划


全流程物流计划优化

钢铁企业生产工艺复杂, 生产介于连续与离散之间, 属于半连续生产过程, 一般包括炼铁、 炼钢、 连铸、 热轧、冷轧、 精整等工序. 前后工序间每天都有数量巨大的原料及半成品等物料在流动. 这些物料的流向、 流量直接影响各个工序的生产计划与调度。

悠桦林物流计划优化解决方案在确保全流程各个工序机组产能和库存能力限制以及满足客户需求的前提下, 决策炼钢、连铸、热轧及冷轧工序间的物料流向和流量, 最小化物流成本、产能损失及库存费用,合理优化原料入厂计划,包括码头堆场计划、装船\装车计划、运输计划、原材料库存优化等,厂内铁路物流调度,包括车皮计划、机车计划、线路计划、装卸计划等,以及成品出厂计划,包括发运计划、装载计划、成品库存优化等,有效减轻厂内、厂附近的交通压力,降低运输成本,提高生产效率。

主要场景:进厂物流优化;出厂物流优化;厂内物流优化


钢材切割优化

在现代钢铁厂中,板材产品根据按订单生产进行高度定制,因此有不同的规格和要求,钢铁企业需要再批量生产模式下满足客户个性化的需求。金属板切割问题是工厂生产中的一个大问题,往往涉及到原料的使用总量和切割过程的生产费用,其中材料成本是制造业的主要成本,切割优化能够最大限度地减少原材料的浪费,从而能够有效减少原材料的生产量,降低成本,提高生产率。

悠桦林钢材切割优化解决方案能够需要综合考虑生产工艺和机械的限制,优化板材上的排样以及切割路径,为企业提供最优的切割方案以实现最高的钢板材料利用率,减少原料浪费,并节省切割成本。

主要场景:板材切割优化,线材切割优化