博客

2017/10/25

供应链计划可以全靠理论计算吗?

作者:FuturMaster 供应链专家 Lucile Belgacem

16.12.2015-Peut-on-réduire-miniat

在这个全球化、数字化的时代,企业面临着全球化转型的挑战。这种挑战不仅在战略层面,也在组织和运营层面。过去流程相对固定的供应链,也变成了一个不断变化的环节。在不同的供应链管理方式下,供应链可以是足以拖垮一家公司的负担,也可以是驱动价值创造的巨大机会。通过供应链杠杆,公司可以实施有效支持目标的转型项目,从高层战略到细化的运营流程。不论行业与公司规模,供应链管理和计划流程的性能、反应性和柔性都是决定一家公司成功与否的关键因素。德勤的最新研究显示,拥有高绩效供应链的公司中,有79%的公司利润显著高于行业平均水平。

决策问题的复杂性

从原材料供应到销售、预测,再到库存管理、生产管理、路线选择,供应链的每一个环节都需要多重决策。这些决策影响重大,涉及到方方面面:增加利润、降低生产、采购、撤单与交通成本、减少运营资金等。公司需要高效、可靠地做出这些决策,而商业环境充满着日益复杂的变化:大量上市新产品不断地推翻既定的生产常规,愈加分散而庞大的供应链(带来了更多可能性与风险),分销渠道的急剧增加……决策的难点数不胜数!

大量运筹学专业文献表明,供应链计划问题是难度最高的数学优化问题之一,是研究的热点领域。但这不仅是一个纯粹学术的探索;这些不断的研究所获得的成果被应用于企业计划策略中,为企业达成了供应链性能的提高。

解算优化问题,要同时决定所有的因素,获得最佳结果。显然,由于情况和整体策略的不同,每个公司对“最佳结果”都有不同的定义,对于各个层面的风险(订单满足率降低、利润损失、罚金、浪费等)和成本(库存、采购、交通、生产)都有不同的标准。做这些决策的难点在于,有大量相互矛盾的耦合约束。这些约束让许多决策彼此相关:产能约束、货源或资源的备用选项、产品系列的策略、部件的可用性……选择一个答案是非常困难的。如果没有一个整合决策流程的工具,我们会很容易做出非常片面的决策。
片面的决策,或使用非优化的算法做出的决策,可能会造成一些非预期的、代价高昂的后果。例如,如果我们引进了一系列新产品,生产部门决定把他们都安排在一大批内生产,来减少换线时间。但这没有考虑到,我们需要储存库存更久,增加成本,并且给仓库的精益管理带来更大的容量压力。此外,我们可能会发货过早,造成产品过时和退货的风险。

数字智能技术创造新的机遇

针对这些问题,所选的工具需要帮助决策者整体地理解、评估所有因素,从而做出最有效的决策。高级计划系统(APS)之类的决策工具,让决策者记录并形式化流程、约束、决策、以及策略,提供供应链全局可视性。取决于所选方法和公司成熟度,这些解决方案可以在不同层面上创造价值。

首先,解决方案可以将流程自动化、现代化。通过自动化数据采集与计算,它们会代替需求管理和排程团队完成低增值任务,节省资源。决策流程可以受益于例外管理功能并且符合工效学的设计(灵活浏览、高效率计算、适用于各层次、关键绩效指标……)这样,需求与供应计划员就可以将更多时间与精力投入到需要分析、调整和判断的特殊问题中了。

决策支持工具可以帮我们解算复杂的计划问题,达到精益运营,并保障有效实行公司战略。运筹学前沿技术的效能与最新的计算机运算能力相结合,让我们可以解算更复杂、更庞大的问题。

最终,在智能工具的辅助下,供应链可以成为企业优化、改造的引擎。APS解决方案的全局优化方法(端到端供应链)和分析模拟功能,可以帮我们找到瓶颈、增益因子、以及优化的杠杆,并且建议新策略(库存策略、采购策略、优先级的变化、管理手法的转型等等)。这样,我们可以预期战略决策的影响,客观地测量绩效(指标、关键绩效指标、价值创造等)。供应链的重要性在于,它不仅是被动地应用策略,也可以积极参与决策。

为了充分利用这些工具,从优化中获益,我们必须了解它们的局限。

人类智能的配合不可或缺

一个供应链计划项目的成功,离不开三个要点:

  • 高质量、高时效性的主数据和事务性数据
  • 符合业务需求和目标的计划反应性与质量
  • 团队严格管控流程(分析、管理等)

我们需要选择一个合适的计划粒度(时间段、粒度、地区级别等),这对计划流程有根本性的影响(数据可用性、管理复杂度、计算时间),必须与可用资源(团队与材料)和决策需求相匹配。一方面,达到所需的细节水平和最优性才能获取可靠、有用的结果,另一方面,复杂度管理也有自身的成本和风险。公司需要在这两者间找到最佳平衡点。

显然,输入数据的精确性决定了计划的精确性。保证源数据的完整性、准确性、单一性和储存寿命需要很多资源,常常需要改造已有的运营和信息流程。这样的改造很容易给企业的其他方面带来意料之外的益处。您为优化做出越多的努力,您数据的精确性就会越直接地提高优化质量。

但是,我们仍然要保持务实的态度,不能期望一个智能化高性能的高级计划解决方案(APS),可以自动完成所有的计划和预测工作。决策支持系统不能考虑所有背景,也不能接受主观的感受,而这些是决策的重要部分(外生知识、经验、直觉、风险平衡等)。期望一个系统能够完全无遗漏地描述任何供应链中的规则、约束、具体案例和例外事件,是不现实的。虽然已经开发了更多的大量处理分析电子数据的方法,无论这些方法是内生的还是外生的,这些技术(大数据、机器学习等)现在还不能应用于优化的高级解决方案。

为了最小化管理的风险,我们必须同时依靠人的专业经验和自动计算工具。决策支持系统必须提供可靠的结果,在大多数情况下,该结果必须直接可用。此外,解决方案需要提供分析和例外管理功能,让计划员处理其余的(结果不直接可用的)情况,通过管理计划杠杆、或者在有必要时单个指定计划中的决策。这样,计划员省下了收集、处理数据的时间,可以更高效地工作;他们可以进行例外管理,做出基于更精确模型的高质量、可以真正带来价值的决策。

社交媒体

博客

博客

突发事件之下,供应链计划如何敏捷应对?

“人之所以不愿改变,是因为害怕未知,但历史唯一不变的事实,就是一切都会改变。”

-尤瓦尔·赫拉利

《未来简史》

博客

实现IBP(集成业务计划)需要什么?

作者:Richard House,FuturMaster 英国分公司总经理 目前,在已经实现了 IBP(集成业 […]

博客

预测的基本原理:聚合预测

作者:Gary Shaw, 供应链高级顾问 ​需求预测既是一门艺术,也是一门科学。需求预测的“艺术”在于,需求 […]

联系我们

FuturMaster - France
Immeuble Aurélium
1, cours de l’Ile Seguin
92100 Boulogne-Billancourt
FRANCE
Tel +33 (0)1 46 08 05 45 


电话 +33 (0)1 46 08 05 45