说起化工行业，其实对我们来说并不陌生，化工产品（石油化工、农业化工、化学医药、高分子、涂料、油脂等）渗透到了我们生活的方方面面，对电子、家居建材、纺织、装备制造、农业、航天航空等许多行业都有巨大的关联带动作用，其发展速度和规模对社会经济各个部门有着直接影响，是国民经济的重要产业。
化工的地位举足轻重，但化工企业的日子却并不好过。
国内化工企业大多数是一些附加值低、产能落后传统型企业，数字化基础薄弱，随着市场供需两侧不确定因素增加，原先粗犷式的经营方式失灵，大多化工企业缺乏抵御市场风险的韧性，经营压力大。据公开数据显示，截至2021年前三季度，A股化学制品行业上市公司273家，其中24%的企业净利润不到1亿元人民币，10%的企业处于亏损状态，行业整体利润微薄甚至亏损，化工企业亟待转型。
化工行业利润微薄甚至亏损，7成上市公司未部署数字化
化工行业需求难以预测响应速度跟不上市场变化错失良机
近年来，化工行业市场竞争愈加激烈，要求质量好、交付快、价格优，企业生产交付压力大。此外，化工行业受上下游影响业务量波动大。如近期国际能源价格上涨，叠加海运价格高企，化工企业成本控制承压；另一方面受国际局部形势影响，部分化工产品（如化肥）价格飙升，市场需求瞬息万变，化工企业需要及时了解产品最终用途需求变化并快速对业务进行调整。具体来说，化工企业当前面临的挑战有以下几方面：
前段供应，化工原材料种类复杂，大宗期货价格波动较大，物料需求与供应批量约束多样，分配方式复杂，不同产线需求差异大，企业采购供应统筹规划难度大；
中段生产，连续生产，产能期望拉满，但需求存在波动，叠加环保政策、限电及场内物流等因素，如何匹配市场需求，合理分配产能，生产合适种类产品实现收益最大化；
后段销售，信息流单向流通，部门之间的信息缺少共享和协同，各部门的计划割裂，无法看到整体经营状况；如何用现有资源、最短时间达到最优效果，提升收益，支撑增长。
这些挑战对化工企业的生产资源配置、生产排程追踪、工艺精细化管理、营销体系以及产销协同等全局各个环节的经营决策质量都提出了更高的要求，基于业务规则+经验决策的传统业务决策方式已无法满足企业需求，亟需更加智能化的决策机制。
化工行业生产特征显著，行业竞争加剧
环保高压安全与合规管理压力大
随着“双碳”政策体系逐步建立，各个行业出台实施方案，化工企业成长路径明确。化工作为流程制造业往往需要追求连续生产，由此来降低成本和综合能耗，但在过去他们往往只计算了经济账而忽视了能耗账。随着国家对安全环保和合规管控加强，行业面临较大的成本压力，部分企业产能严重过剩与国家提倡的“绿色制造”格格不入。
因此化工企业在做核心经营决策之时，将需要多增加一个能耗维度，企业面临的问题将从单纯的最优生产运营增长问题，变化为“能耗—增长”双优的问题，甚至加入更多的优化目标。面对多种约束条件与优化目标，化工企业的决策也变得越来越复杂，传统业务决策方式根本无法满足需求，这背后需要企业决策者拥有更加智能的决策工具。
无论是需求的快速响应还是安全环保合规管控，对化工企业而言都需要通盘考虑，从局部优化到全局优化。面对如此复杂的企业决策，人工经验愈发难以应对。企业需要新的决策机制来降低对人的依赖，而智能决策的应用能够很好地解决这一难题。智能决策会利用多种智能技术和工具，基于既定目标，综合考虑约束条件（如环保）、策略、偏好、不确定性等因素，对化工企业相关数据进行建模、分析可自动实现最优决策，为化工企业决策提供核心优化模拟能力和扩展性，快速响应市场，实现利益最大化。
构建全局可控的经营决策系统打造化工企业精细化管理能力
化工企业想要破局，需要从全局出发改进整体经营，从产、供、销、存、运等多个角度全盘考虑企业经营决策，因此企业领导层也将面临的是一个长周期的多目标复杂决策。面对这样一个多阶段多目标的联合决策问题，之前的决策办法将不再适用，取而代之的是可量化、精细化的智能经营决策系统。
通过智能决策技术，建设全局的智能经营决策系统实现智能化升级，从而更加合理地安排生产物料资源，实现利润最大化。化工企业可以借助经营决策系统进行销量预测，掌握市场动态，更加科学的制定生产计划，合理规划企业供应链；经营决策系统能够以利润为导向，指导整体采购、生产、库存、发运。同时通过优化产能规划与生产工艺，进⼀步符合环保控制要求。
这里我们以农化企业部署全局智能经营决策系统为例。
农化企业也是一个典型的高能耗化工企业，它的化肥产品的销售有淡旺季之分。因此企业一直需要利用淡季进行提前备货准备，以此来弥补旺季到来时的产能不足。但是长久以来，淡季的提前备货也导致了他们有一定量的库存积压；这些积压的化肥也会因为存储时间过久需要额外的回炉操作，才能重新销售，这就又增加能耗和成本问题。
针对该类业务场景，可利用智能决策技术对潜在可能出现的场景进行模拟，并查看相应场景下的结果，以便做出最优决策，用于直观地指导后续生产、销售、采购等计划。例如，通过机器学习对淡季旺季的销售进行预测，基于运筹优化技术建立安全库存模型，通过模型给出最优分批次生产策略，指导淡旺季生产的同时，还能进一步降低库存的风险。这种高效的协同模拟可以帮助企业将偶发变动因素（例如：偶发急单插单计划）快速可视化，得出现有生产计划影响最小、生产成本最低的方案。
智能经营决策系统助力企业精细化管理
由于化肥生产是典型的连续性生产，决策系统也考虑了连续能耗的使用，尽可能地降低切换生产类型造成的能耗与物料损失。从企业经营的全局出发，更加准确地识别市场变化、采用能耗更低的生产计划、实现更加低的库存呆滞、拥有更加敏捷的供应链体系。
国内一家典型的以磷化工为主体的农化企业，国内拥有7家子公司、18个销区，覆盖30个省份、1600个经销商、2万个电商、250万吨化肥、100+品种，通过智能决策技术实现数字化转型第三级跳，转型效果显著，其综合能耗降低10%，库存积压率降低20%，仓储成本节约超6000万，有效产能利用率实现20%的提升。同时，这种供给侧平衡为企业生产、仓储、运输成本带来了显著降低，进而实现了碳减排的绿色发展目标。
智能决策引领化工行业新一轮变革
全新的经济形势下，化工企业将不得不调整经营策略，转向精细化运营，而智能决策技术则是帮助化工企业打造精细化管理能力的一方良药。从前端供应到中段生产再到后段产销协同，智能决策价值立竿见影并正在用其特有的方式创造更多更加直接的制造价值，帮助更多化工企业在“乌卡时代”可以更好地适应变化。
目前，工业智能决策技术尚处于技术接纳生命周期曲线的早期，预计未来5年将逐步渗透早期采用者和早期大众，走向规模化。随着智能决策技术应用的普及，化工行业也将迎来新一轮商业变革，开启智能化化工时代。欲了解更多智能决策的应用价值与商业案例，可通过杉数科技官网获取完整版《2022工业智能决策白皮书》。
