物料之于制造业就像血液之于人体，适时、适量、适当品种的物料供应直接影响企业的生产计划能否顺利进行和生产成本的高低。
当前国内外企业通常用物料需求计划（Material Requirement Planning, MRP）根据成品生产需求数量和需求日期，结合各种参数计算所需物料的采购时间和采购量。在MRP系统的帮助下，企业能够获得物料采购建议、库存冗余信息、生产作业计划等决策支持，从而提升采购效率、降低库存成本、缩短交货周期。
随着企业生产模式越来越复杂，小批量定制化生产越来越多，MRP需要解决的实际物料问题也在变得更加复杂，比如物料BOM层级更多、物料替换关系更错综复杂、约束条件更严苛等等。传统MRP面对复杂的物料替代关系计算效率低，难以处理物料计划管理中的多目标多约束问题，催生着MRP不断向更强大、高效和灵活进化。
面对日益复杂的物料需求，MRP的困难点都有哪些？
什么样的建模方法可以大幅提高MRP的计算能力和效率？
基于智能决策技术的MRP有哪些优势？
联想MRP落地应用效果如何？
12月10日（周六）20：00联想研究院人工智能实验室智能供应链团队经理、资深研究员欧阳文理博士，将以“运筹学在联想供应链物料需求计划中的落地实践”为主题，分享联想MRP系统在联想供应链物料需求计划领域的技术积累与实践经验。
欢迎12月10日（周六）20：00莅临直播间，与我们一同交流探讨。
关注ML OR 智能决策，获取直播地址。分享更多干货，欢迎交流~
扫描二维码关注公众号，回复：
15421284 查看本文章
