每當(dāng)有新的技術(shù)應(yīng)用于供應(yīng)鏈管理,都會(huì)促進(jìn)供應(yīng)鏈管理水平的提升,但是20年來,供應(yīng)鏈的優(yōu)化難題,一直都沒有發(fā)生根本的改變。
在《哈佛商業(yè)評(píng)論》中文版2024年第5期有一篇文章《供應(yīng)鏈管理 供應(yīng)鏈難題解析新解:OML》,文章主要通過OML(優(yōu)化機(jī)器學(xué)習(xí))的決策方法解決供應(yīng)鏈優(yōu)化難題。
文中提到:
這種被稱為“優(yōu)化機(jī)器學(xué)習(xí)”(optimal machine learning, OML)的新方法,會(huì)利用AI技術(shù)創(chuàng)建一個(gè)數(shù)學(xué)模型,將與供應(yīng)鏈相關(guān)的關(guān)鍵數(shù)據(jù)(網(wǎng)絡(luò)節(jié)點(diǎn)、節(jié)點(diǎn)位置、銷售和貨運(yùn)交易、財(cái)務(wù)參數(shù)、營(yíng)銷推廣、物流和產(chǎn)能限制等)和計(jì)劃決策(例如,生產(chǎn)什么數(shù)量的產(chǎn)品,或在每個(gè)地點(diǎn)儲(chǔ)備多少庫存)聯(lián)系起來。該模型可以考慮公司的優(yōu)先事項(xiàng)(如合同規(guī)定的或希望達(dá)到的客戶服務(wù)水平)、預(yù)算限制和其他資源限制(如材料和勞動(dòng)力的可用性等)。用這種方式存儲(chǔ)的數(shù)據(jù)幾乎可以做到實(shí)時(shí)更新和快速修改計(jì)算結(jié)果,為決策提供依據(jù)?!豆鹕虡I(yè)評(píng)論》中文版2024第五期
而20年前剛剛進(jìn)入供應(yīng)鏈管理領(lǐng)域時(shí),APS主要解決的難題也是:
1、根據(jù)公司決策的優(yōu)先級(jí)順序;
2、根據(jù)資源限制(限制理論);
3、為企業(yè)提供優(yōu)化的生產(chǎn)計(jì)劃、排產(chǎn)、采購計(jì)劃、庫存計(jì)劃;
4、數(shù)據(jù)可以定時(shí)更新和快速修改結(jié)果。
此文的OML方法和APS解決的難題是非常類似的,唯一的差別是:OML實(shí)時(shí)更新和快速修改計(jì)算結(jié)果;而APS是可以每天給更新和修改計(jì)算結(jié)果,如果小部分修正可以即時(shí)更新。
所有供應(yīng)鏈管理優(yōu)化的難題20年沒有改變。
而在最新的文章中,OML的方法,本質(zhì)上和20年前的先進(jìn)計(jì)劃系統(tǒng)沒有區(qū)別。OML方法需要要求:
1、要確定OML目標(biāo),捕捉業(yè)務(wù)限制因素,確定KPI和相關(guān)數(shù)據(jù)。
2、重新設(shè)計(jì)銷售與運(yùn)營(yíng)計(jì)劃(S&OP)流程,讓團(tuán)隊(duì)成員共同制定銷售、生產(chǎn)和庫存計(jì)劃的流程。
3、OML使企業(yè)能夠根據(jù)歷史和當(dāng)前的供需信息做決策,而不僅是更準(zhǔn)確地預(yù)測(cè)。
而文章中的兩個(gè)例子:(1)半導(dǎo)體設(shè)備公司的備件庫存與服務(wù)難題的解決;(2)消費(fèi)電子的需求與庫存優(yōu)化。
這兩個(gè)例子本質(zhì)上都是需求管理與庫存優(yōu)化,原理與20年前的理論也基本上一致。
雖然文章中使用了機(jī)器學(xué)習(xí)的人工智能技術(shù),但僅僅是提升了更新的數(shù)據(jù)頻率。
而且現(xiàn)在的人工智能技術(shù)應(yīng)用于供應(yīng)鏈管理優(yōu)化,與APS的效果是一樣的:為供應(yīng)鏈優(yōu)化的新手賦能,讓新手快速具有經(jīng)驗(yàn)。