सारांश
कोविड-19 प्रत्यक्ष और सहायक घटनाओं ने स्पष्ट कर दिया है कि अनिश्चितता मांग-आपूर्ति नेटवर्क संरचना का एक अंतर्निहित हिस्सा है। नियमित आधार पर प्रत्येक फर्म को "जोखिम स्थितियों" का सामना करना पड़ता है जैसे कि विनिर्माण भ्रमण, अप्रत्याशित नई मांग या मांग में कमी, घटक आपूर्तिकर्ता रुकावट, आदि। इसने जोखिम प्रबंधन और रैपिड इंटेलिजेंट रिस्पांस (आरआईआर) को एससीएम समाचार में सामने और केंद्र में रखा है। सामुदायिक बुद्धिमत्ता को सुविधाजनक बनाने और संरचनात्मक भेद्यता बिंदुओं का अनुमान लगाने के लिए आरआईआर को डेटा विज्ञान और कम्प्यूटेशनल मॉडल के एक विचारशील संयोजन की आवश्यकता है। एससीबी वेबिनार "कैसे डेटा साइंस और मॉडलिंग आपके जोखिम प्रबंधन को सुपरचार्ज कर सकते हैंइस विषय को विस्तार से शामिल किया गया है। यह ब्लॉग एक फर्म के लिए आरआईआर हासिल करने के लिए डेटा विज्ञान और मॉडलिंग की कुछ प्रमुख चुनौतियों पर चर्चा करता है।
परिचय
19 के अंत मेंth शतक "शास्त्रीय भौतिकी” और इसकी एक धारणा घड़ी की कल का ब्रह्मांड चुनौती रहित था. आकाशीय पिंडों की गतिविधियों की भविष्यवाणी/व्याख्या करने के लिए पृथ्वी-केंद्रित (टॉलेमी) मॉडलिंग पद्धति को प्रतिस्थापित करने के लिए 150 साल की लड़ाई के बाद सूर्य केन्द्रित मॉडल यह तेजी से गुरुत्वाकर्षण, यांत्रिकी और को संस्थागत बनाने की ओर अग्रसर हुआ विद्युत. इस समय सबसे कड़ी आपत्ति है डार्विन का विकासवाद का सिद्धांत से आया भौतिकी और पृथ्वी की आयु का उसका अनुमान। द्वारा 1905 आइंस्टीन के चार पेपर स्थापित आधुनिक भौतिकी और गंभीर की पहचान की गई शास्त्रीय भौतिकी की सीमाएँ। कोपेनहेगन कार्य क्वांटम यांत्रिकी पर यह स्पष्ट हो गया कि ब्रह्मांड में अनिश्चितता अंतर्निहित थी। शास्त्रीय भौतिकी की अभी भी एक महत्वपूर्ण भूमिका है, लेकिन थी अपर्याप्त कंप्यूटर या जीपीएस के लिए.
यही स्थिति आज मांग-आपूर्ति नेटवर्क (डीएसएन) के प्रबंधन में भी हो रही है। 1990 के दशक की शुरुआत में जब आपूर्ति श्रृंखला प्रबंधन (एससीएम)/ एस एंड ओपी प्रारंभ में, इसे एक सनक के रूप में देखा गया जिसमें किसी संगठन के दैनिक संचालन में कोई दीर्घकालिक संभावना नहीं थी। शुरुआती सूर्य-केंद्रित मॉडलों की तरह, इसका प्रदर्शन वर्तमान मौजूदा (पृथ्वी-केंद्रित) से भी बदतर था। प्रदर्शन को समाधान की गुणवत्ता, समाधान के मूल्य और कम्प्यूटेशनल व्यवहार्यता द्वारा मापा जाता है। SAP द्वारा आरंभिक SCM पेशकशें केवल पुरानी (पृथ्वी-केंद्रित) प्रथाओं की नकल करती थीं। ऐसे में 21 दिनों में एंड-टू-एंड रीप्लान करना एक चुनौती थी। 1995 से 2015 तक, एससीएम (शास्त्रीय या "बिग बैंग") में वर्तमान सर्वोत्तम प्रथाओं ने जोर पकड़ लिया जहां दो लंगर भंडार रहे मांग प्रबंधन और केंद्रीय नियोजन इंजन (सीपीई)। यह दृष्टिकोण एक घड़ी-कार्य ब्रह्मांड मानता है: मांग का एकल बिंदु अनुमान, पुराने और अप्रभावी का उपयोग करना दृष्टिकोण एसटी आंतरायिक मांग अनुमान और इन्वेंट्री प्रबंधन, क्षमता की रैखिक खपत, घटक उत्पादों की उपलब्धता की धारणा, आदि।
कोविड-19 प्रत्यक्ष और सहायक घटनाओं ने स्पष्ट कर दिया है कि मांग-आपूर्ति नेटवर्क (डीएसएन) ब्रह्मांड में अनिश्चितता अंतर्निहित है। अनिश्चितता के अन्य साक्ष्य बड़े व्यवधानों से लेकर हैं जैसे चिप की कमी, 2014 में एलए बंदरगाह का बंद होना, 2017 में तूफान मारिया, 2021 में औपनिवेशिक पाइपलाइन का बंद होना,) साथ ही दिन-प्रतिदिन के अनेक समायोजन योजनाकारों को सीमित "संज्ञानात्मक उपकरणों" से निपटना होगा जो उपयोग करने में विफल रहते हैं सामुदायिक खुफिया.
यह स्पष्ट है कि शास्त्रीय एससीएम दृष्टिकोण को अनिश्चितता से निपटने के लिए "तेजी से बुद्धिमान प्रतिक्रिया" (आरआईआर) विकसित करना चाहिए। इस विषय पर विस्तार से चर्चा की गई है आपूर्ति श्रृंखला संक्षिप्त webinar
कैसे डेटा साइंस और मॉडलिंग आपके जोखिम प्रबंधन को सुपरचार्ज कर सकते हैं. इस ब्लॉग में, मैं मांग प्रबंधन (डीएम) और केंद्रीय नियोजन इंजन (सीपीई) में कार्य को बढ़ाने के लिए डेटा विज्ञान और मॉडलिंग की चुनौतियों के उदाहरण प्रस्तुत करूंगा।
मांग का अनुमान लगाने में डेटा विज्ञान के लिए चुनौतियाँ।
RSI सर्वोत्तम प्रथाओं का मूल शास्त्रीय मांग प्रबंधन में प्रमुख ऐतिहासिक डेटा को कैप्चर करना, पूर्व पूर्वानुमानों को बनाए रखना, सहयोग को सक्षम करना और इससे भी बेहतर शामिल है समय-श्रृंखला पूर्वानुमान - जहां बेहतर को पूर्वानुमान त्रुटि आधारित कम करने के रूप में परिभाषित किया गया है फिट और भविष्यवाणी पर. अधिकांश सॉफ़्टवेयर प्रदाता (अर्कीवा सहित) "त्रुटि को कम करने का पूर्वानुमान" पर केंद्रित हैं।
जैसा कि भौतिकविदों ने पता लगाया है, अनिश्चितता संरचना में बनी हुई है, चुनौती अनिश्चितता (जोखिम प्रोफ़ाइल) और अंतर्दृष्टि को सीमित करने की है। इसे निम्नलिखित छतरियों की मांग अनुमान चुनौती में दर्शाया गया है।
चित्र 1 में छतरियों की बिक्री के 3 वर्षों का एक ग्राफ है, जहां शास्त्रीय आवश्यकता वर्ष 4 में प्रत्येक महीने के लिए एक बिंदु अनुमान होगी।
कभी-कभी शास्त्रीय मांग का आकलन सरल "कारण" कारकों पर गौर करेगा। चित्र 2 में बारिश की विफलता और विज्ञापन के साथ छाते की बिक्री का रेखांकन दिखाया गया है।
आधुनिक एससीएम को निम्नलिखित की आवश्यकता है
- सबसे बड़ी अनिश्चितता की पहचान 6 और 7 महीने में है (चित्र 3)।
- वर्षा और विज्ञापन डॉलर अत्यधिक सहसंबद्ध हैं जो उनके "कारण" मूल्य को सीमित करते हैं। (चित्र 4)
केंद्रीय योजना इंजनों में मॉडलिंग के लिए चुनौतियाँ
- समर्थन के लिए मॉडलिंग के तरीके केंद्रीय नियोजन इंजन 1995 के बाद से समाधानों को शीघ्रता से उत्पन्न करने की क्षमता के संदर्भ में इंजीनियरिंग में पर्याप्त सुधार किए गए हैं, जो अधिकांश जटिलताओं और आकार को पकड़ लेते हैं। आपूर्ति योजना or मांग के साथ परिसंपत्तियों का मिलान. दो महत्वपूर्ण संवर्द्धन हैं जिनमें सुधार किया जाना चाहिए। सीपीई मॉडल संरचनाओं का मूल भौतिक संतुलन सहित रैखिक संबंधों पर आधारित है 1957 की बात है. इसमें और अधिक शामिल करने की जरूरत है।' जटिल संरचनाएं.
- एक क्षमता मांग-आपूर्ति नेटवर्क के बारे में तर्क करना (चित्र 5 में साधारण बेकरी डीएसएन है)। उदाहरण के लिए, यदि बैटर मिक्सर टूल्स में डाउनटाइम है, तो इसका क्या प्रभाव पड़ेगा और सबसे अच्छी प्रतिक्रिया कैसे दी जाएगी? संभावित आपूर्ति कमजोरियाँ क्या हैं?
निष्कर्ष
सफल जोखिम प्रबंधन के लिए सामुदायिक बुद्धिमत्ता को सुविधाजनक बनाने और संरचनात्मक भेद्यता बिंदुओं का अनुमान लगाने के लिए डेटा विज्ञान और कम्प्यूटेशनल मॉडल के एक विचारशील संयोजन की आवश्यकता होती है।
इस पोस्ट का आनंद लिया? सदस्यता या Arkieva का अनुसरण करें Linkedin, ट्विटर, तथा फेसबुक ब्लॉग अपडेट के लिए.
स्रोत: https://blog.arkieva.com/supply-चेन-रैपिड-इंटेलिजेंट-रेस्पॉन्स/
