華為雲數智融合平台支撐MetaERP計劃引擎更智能更實時

2023-05-23     華為雲

原標題:華為雲數智融合平台支撐MetaERP計劃引擎更智能更實時

計劃引擎是ERP系統中計劃組件的大腦,要能根據實時的供需數據運算得出精準的計劃指令。華為的供應鏈覆蓋了數萬種採購物料,每年交易額超過千億,物料清單層級高達十層,約束條件和場景多達上百個。每次計劃引擎的輸入量都達到千萬級,需要處理成千上萬的頂層編碼、多層物料清單結構以及所有工廠的生產要求。計劃引擎還需要統籌物料之間的備用替代關係,綜合10餘種替代場景、數千個替代物料、7000多個上游用戶的物料版本切換。應對錯綜複雜的業務場景以及超大規模的運算流程依賴於計劃引擎快速決策

原有的計劃引擎軟體包匹配周期長,新計劃引擎不僅要實現運算效率翻倍,還需要最大程度地確保其輸出指令可信、可執行,尤其是在統籌物料備用替代的場景,綜合考慮庫倉、供應商產能等因素後,達到動態模擬推薦效率提升10倍。MetaERP是如何做到的?

攻堅克難,跨越三座大山

  • 千萬級數據的實時集成和輸出

千萬級的數據集成後,經過計劃引擎供需匹配組合裝配出上億級的數據結果,如何降低引擎整體的運算周期,從2小時縮減到分鐘級是一個大挑戰。

  • 上百個算法因子的調度

計劃排產不是簡單的供需匹配,而是將相當數量的業務場景交錯綜合起來,只有匹配了這些場景要求,引擎計算出的結果才是可信、可執行的,否則可能造成災難級的影響。

  • 上億級計算高性能的保障

公司頂層編碼超過2.5萬種,底層採購編碼超過8萬種,物料清單8-10層,這三個因素多樣化組合導致的匹配運算瞬間峰值高達上億次,在限定的時間內得到排產結果是技術架構需要面對的挑戰。

現代技術發展面臨的種種挑戰需要一系列相輔相成的策略來應對。當技術專家構建算法模型時,需要更智能的技術保證性能達標。華為雲數智融合平台搭載AI開發生產線ModelArts和數據治理生產線DataArts,以領先的技術能力成為解題首選方案

實時供數,計劃引擎快速決策

華為雲數據治理生產線DataArts提供MRS實時數據湖解決方案,通過流批一體技術棧簡化整體架構,實現端到端實時供數,把交易側數據生成到計劃排產寬表生成的時間由1小時縮短至5分鐘

  • 秒級數據同步:基於MRS CDL(Change Data Loader)實時同步工具,將交易側數據秒級同步到實時數據湖;
  • 數據實時加工:採用實時流表技術,實現千萬條數據的分鐘級計算與合併;
  • 數據一致性:基於MRS流式計算引擎,結合實時交易記錄完成跨數據對象的一致性校驗。

運籌帷幄,計劃引擎智能決策

MetaERP計劃引擎以華為雲AI開發生產線ModelArts提供的天籌AI求解器作為優化求解引擎,通過創新的求解器+運籌優化+AI深度融合技術,實現計算資源最優配置,數據並行高速讀寫,模型算法運行性能提升,算法執行從5小時降至2小時,效率大幅提升。

  • 智能建模:提供低代碼+可視化編排建模技術,搭配豐富的模型庫,對計劃引擎功能特性進行精細劃分,實現特性標準化,快速組合適配多種連續性場景;
  • 高效穩定求解:可以有效處理供應鏈計劃場景下的超大規模病態矩陣,保證計算結果的準確與計劃引擎的穩定運行;
  • 精準智能調優:基於歷史信息自適應優化模型結構,實現模型自動疊代更新,模型越調越優、越解越快。加工計劃任務可自動執行率提升1/3以上,反覆調撥比例改善90%以上,系統輸出計劃準確率達到85%等,執行效率顯著改善。

華為雲天籌AI求解器支撐計劃引擎實現海量的供需數據和工廠網絡排產,高效精準預測與分析數據趨勢,解決人、財、物資源配置問題,使能企業最優資源配置。

彈性計算,計劃引擎穩定決策

華為雲數智融合平台提供Superior調度器,提高超大規模調度效率、解決多租戶場景的混合負載問題,通過專利調度算法進行優化,實現計算資源的秒級申請調度,調度效率可達每秒65萬容器

  • 實時數據流達到瞬時億級峰值時,秒級拓展計算資源,為計劃引擎提供充足的算力;
  • 智能預測算法配置高SLA優先級權限,當作業間出現資源爭搶時,優先保障計劃引擎資源需求。

首戰告捷,繼續攀登珠峰北坡

當前,基於華為雲數智融合平台構建的計劃引擎已在MetaERP上線部署,在全球資源中心的採購系統中支撐了千億級企業的採購指令的下達,性能提升10倍。

華為雲踐行「一切皆服務」,持續深耕數智融合技術,打造創新解決方案,支持華為公司內部管理和運營的IT系統,使能公司運作更高效、更安全。同時,華為雲將做好行業數字化轉型的「雲底座」和「使能器」,通過豐富的行業實踐,推動千行百業快速發展。

文章來源: https://twgreatdaily.com/zh-tw/9b722d7a83566175ee5b38c720507b30.html