之前的一篇博客文章重点讨论了需求不确定性给全球汽车制造商带来的诸多挑战，尤其是电动汽车（EV）。全球范围内电动汽车的普及程度不均衡，使得汽车制造商难以根据渠道和地区获得正确的产品组合，因为他们同时生产内燃机 (ICE) 车型、电动汽车和混合动力汽车。
虽然电动汽车需求波动给整个供应链带来了规划挑战，但电池规划尤其充满复杂性和风险。电动汽车电池因其使用创新材料以及制造商不断发展的设计和电源技术而受到业界的广泛关注。电池之所以成为新闻焦点，还因为它们的重量（平均 1000 磅）被视为一项关键的工程挑战。较重的电池可产生更多的电力，但重量也会限制电力效率和行驶里程。
从生产计划的角度来看，电池之所以如此重要还有另一个原因。由于开发成本高、交货时间长、使用稀缺材料以及与危险材料、重量和可持续性相关的运输挑战，电池是汽车规划和生产难题的关键一环。
如果预测过高，汽车制造商最终会积攒极其昂贵、沉重的零部件库存，需要特殊的处理和储存。更糟糕的是，随着电池创新的加速，库存正在迅速老化。如果预测过低，制造商就会错失近期收入和利润下滑的行业的销售机会。
加剧了电动汽车精准规划和生产的问题？汽车制造商采用两种完全不同的方法来规划和制造电动汽车及其电池。
大多数汽车和卡车制造商与其电池供应商合作，采用按库存生产、供应驱动的方式来生产和采购电动汽车电池，基于锂、镍、锰和钴等稀缺材料的供应。原材料供应预测、生产能力和供应商可用性是主要制约因素。目标是持续补充电动汽车电池库存，因为它们用于成品汽车。
然而，当电池进入传统的车辆生产计划流程时，它们现在成为需求驱动的离散制造业务的一部分。电池以电芯、电子元件和成品电池组的形式进入生产流程，带来了一系列混合生产规划和元件集成挑战。它们的特殊处理要求给入站运输、生产设施存储和车辆装配带来了实际和财务挑战。电池流入电动汽车生产线的过程并不顺畅、可预测且易于管理。
最终结果如何？电动汽车电池生产的“推动力”很少能精确地满足电动汽车需求的“拉动力”。
很容易看出汽车制造商为何会陷入这种困境。电动汽车电池中使用的稀有材料受到越来越大的限制，特别是由于俄罗斯-乌克兰冲突等地缘政治事件。采购专家和电池生产规划人员确实意识到，这一单一约束必然会推动电动汽车的制造计划和产出。
另一方面，人们并不相信消费者会等到电动汽车生产完毕并配备电池后再购买。尽管中国每月售出超过一百万辆电动汽车，但世界其他地区的需求却较低且难以预测。
不难理解为什么汽车制造商开始采用这种推拉相结合的驱动方式，尽管这种方式往往与自身相矛盾。但在当今极其动荡的电动汽车生产环境中，这种过时的方法既不明智，也不具有经济可持续性。制造商无法承受持续储存笨重、昂贵且受到严格管控的电池的后果，因为他们没有合理的预期这些电池将被安装到即将出售的汽车中。
那么答案是什么？在 Blue Yonder，我们坚信由人工智能 (AI) 和机器学习 (ML) 驱动的动态、集成的生产规划方法。
想象一下，如果将规划供应、需求、运输、仓储和生产（包括零部件和整车）所需的所有数字功能集成到同一个平台上。如果他们共享相同的实时、端到端数据会怎样？如果这种可视性超越汽车制造商的内部供应链，涵盖主要供应商和合作伙伴，情况会怎样？
在这个理想化的环境中，规划、生产和物流将相互智能协调。供应链某个节点的异常情况（例如电池材料短缺、装配线停工或电动汽车需求下降）都会被整个网络识别。人工智能和机器学习将自主且立即地找到最佳解决方案，例如新的材料供应商，以保持供需的盈利和最佳平衡。
为了实现这一愿景，汽车制造商需要找到一个技术合作伙伴，通过一组在边缘支持平台上统一的可互操作的解决方案，协调整个端到端供应链——从采购到最后一英里交付。在动态匹配供应和需求时，这些融合人工智能、可互操作的解决方案将获取实时数据并应用高级分析，以实现更明智的决策、更快的响应和更互联、更可预测的结果。
每天的头条新闻都充斥着有关电动汽车电池创新的新闻。最近，松下、 Stellantis 、福特、初创公司Slate和中国巨头CATL都宣布了重大的性能改进和技术创新。尽管全球对电动汽车的需求尚不明确，但很明显，领先的汽车制造商及其供应商正在对汽车电气化的未来投入巨资。
现在是时候将产品创新与同样创新、充满活力的供应链规划和协作方法结合起来了。实现完美的电动汽车电池设计固然很好，但汽车供应链仍然需要将其作为成品汽车的一部分，以盈利和可靠的方式交付给消费者。
