ניהול שרשרת אספקה ​​קלאסית מתעמת עם המהפכה הקוונטית שלה - הדרך לתגובה חכמה מהירה (RIR)

<br> סיכום

אירועים ישירים ונלווים של COVID-19 הבהירו שאי ודאות היא חלק אינהרנטי ממבנה רשת הביקוש וההיצע. כל חברה מתמודדת על בסיס קבוע עם "מצבי סיכון" כגון טיולי ייצור, ביקוש חדש בלתי צפוי או אובדן ביקוש, הפרעה לספק רכיבים וכו'. זה הציב את ניהול הסיכונים ותגובה חכמה מהירה (RIR) בראש ובמרכז החדשות של SCM. RIR דורש שילוב מתחשב של מדעי נתונים ומודלים חישוביים כדי להקל על מודיעין קהילתי ולצפות נקודות פגיעות מבניות. הסמינר המקוון של SCB "כיצד מדעי הנתונים והמודלים יכולים להעצים את ניהול הסיכונים שלך" מכסה את הנושא הזה בפירוט. בלוג זה דן בכמה אתגרים מרכזיים עבור מדעי הנתונים ומודלים עבור חברה להשיג RIR.

מבוא

בסוף ה -19^th המאה"פיזיקה קלאסית” והנחתו של א יקום שעון היה ללא עוררין. לאחר קרב של 150 שנה להחלפת שיטת מידול ממוקדת כדור הארץ (תלמי) לניבוי/הסבר תנועות של עצמים שמימיים ב- דגם ממוקד שמש הוא עבר במהירות למסד כוח הכבידה, מכניקה ו אלקטרומגנטיות. בשלב זה, ההתנגדות החזקה ביותר תורת האבולוציה של דרווין הגיע מ פיזיקה והערכת גיל כדור הארץ. על ידי 1905 ארבעת המסמכים של איינשטיין נוסד פיזיקה מודרנית וזוהה רציני גבולות הפיזיקה הקלאסית. ה עבודה בקופנהגן על מכניקת הקוונטים הבהיר כי אי ודאות טבועה ביקום. לפיזיקה הקלאסית יש עדיין תפקיד חשוב, אבל זה היה לא מספיק עבור מחשבים או GPS.

אותו מצב מתרחש היום בניהול רשתות אספקת ביקוש (DSN). בתחילת שנות ה-1990 מתי ניהול שרשרת הספקה (SCM) / לְהַספִּיג התחיל, זה נתפס כאופנה ללא סיכויים ארוכי טווח בניהול היומיומי של ארגון. כמו בדגמים המוקדמים ממוקדי השמש, הביצועים שלו היו גרועים יותר מהבעלים הנוכחיים (ממוקדי כדור הארץ). הביצועים נמדדים לפי איכות הפתרון, ערך הפתרון והיתכנות חישובית. הצעות ה-SCM המוקדמות ביותר של SAP פשוט חיקו שיטות ישנות (הממוקדות בכדור הארץ). במצב זה, זה היה אתגר לעשות תוכנית מחדש מקצה לקצה תוך 21 ימים. משנת 1995 עד 2015, שיטות העבודה המומלצות הנוכחיות ב-SCM (קלאסי או "המפץ הגדול") תפסו מקום שבו שתי חנויות עוגן יש לו ניהול ביקוש ומנועי תכנון מרכזי (CPE). גישה זו מניחה יקום של עבודה בשעון: אומדן נקודה אחת של הביקוש, משתמש ישן ולא יעיל גישות ל הערכת ביקוש לסירוגין וניהול מלאי, צריכה ליניארית של קיבולת, הנחת זמינות של מוצרי רכיבים וכו'.

אירועים ישירים ונלווים של COVID-19 הבהירו כי אי הוודאות טבועה ביקום רשת אספקת הביקוש (DSN). עדויות אחרות לאי ודאות נעות בין שיבושים גדולים כמו מחסור בשבבים, סגירת נמל לוס אנג'לס ב-2014, הוריקן מריה ב-2017, סגירת צינור קולוניאלי ב-2021) וכן התאמות יומיומיות רבות המתכננים חייבים להתמודד עם "כלים קוגניטיביים" מוגבלים שאינם מצליחים לרתום מודיעין קהילתי.

ברור שגישת SCM הקלאסית חייבת להתפתח "תגובה חכמה מהירה" (RIR) מכדי להתמודד עם אי ודאות. נושא זה נדון בפירוט ב תקציר שרשרת האספקה סמינר

כיצד מדעי הנתונים והמודלים יכולים להעצים את ניהול הסיכונים שלך. בבלוג זה, אציג דוגמאות של אתגרים למדעי הנתונים ומידול כדי לשפר את הפונקציה בניהול ביקוש (DM) ובמנועי תכנון מרכזי (CPE).

אתגרים למדעי הנתונים בהערכת הביקוש.

השמיים ליבת שיטות עבודה מומלצות עבור ניהול ביקוש קלאסי כולל לכידת נתונים היסטוריים מרכזיים, שמירה על תחזיות קודמות, מתן שיתוף פעולה ואפילו טוב יותר תחזיות של סדרות זמן - כאשר טוב יותר מוגדר כמבוסס על שגיאות תחזית הפחתת על התאמה וחיזוי. רוב ספקי התוכנה (כולל ארקייבה) מתמקדים ב"הפחתת שגיאות תחזית".

כפי שגילו פיזיקאים, אי הוודאות מובנית במארג, האתגר הוא לעבור לתחום אי הוודאות (פרופיל הסיכון) והתובנה. זה מומחש באתגר הערכת המטריות הבאות.

באיור 1 יש גרף של 3 שנים של מכירות מטריות, כאשר הצורך הקלאסי יהיה אומדן נקודתי עבור כל חודש בשנה 4.

מדי פעם הערכת ביקוש קלאסית תבחן גורמים "סיבתיים" פשוטים. באיור 2 יש גרף של מכירות מטריות עם כשל בגשם ופרסום.

SCM מודרני דורש את הדברים הבאים

1. זיהוי אי הוודאות הגדול ביותר הוא בחודשים 6 ו-7 (איור 3).
2. גשמים ודולרים לפרסום נמצאים בקורלציה גבוהה, מה שמגביל את הערך ה"סיבתי" שלהם. (איור 4)

אתגרים למידול במנועי תכנון מרכזי

1. שיטות דוגמנות לתמיכה מנועי תכנון מרכזיים ביצעו שיפורים הנדסיים מהותיים מאז 1995 מבחינת היכולת ליצור במהירות פתרונות שתופסים חלק גדול מהמורכבות והגודל של תכנון אספקה or התאמת נכסים לביקוש. ישנם שני שיפורים קריטיים שיש לשפר. הליבה של מבני מודל CPE מבוססת על קשרים ליניאריים כולל איזון חומרי זה מאז 1957. יש צורך לשלב יותר מבנים מורכבים.
2. יכולת לנמק לגבי רשת היצע הביקוש (איור 5 כולל מאפייה פשוטה DSN). לדוגמה, אם לכלי מערבל הבלילה יש זמן השבתה, מה ההשפעה, ואיך הכי טוב להגיב? מהן פגיעות פוטנציאליות באספקה?

סיכום

ניהול סיכונים מוצלח דורש שילוב מתחשב של מדעי נתונים ומודלים חישוביים כדי להקל על מודיעין קהילתי ולצפות נקודות פגיעות מבניות.

נהנית מהפוסט הזה? הירשם או עקוב אחר ארקיווה Linkedin, טויטר, ו פייסבוק לעדכוני בלוג.

מקור: https://blog.arkieva.com/supply-chain-rapid-intelligent-response/