自我修复的供应链进行全球研究

 
在对供应链计划(SCP)市场进行全球研究的过程中，我与来自整个行业的解决方案提供商的高管进行了交谈。一遍又一遍的话题是供应链计划模型是数字孪生的想法。供应计划的数字孪生是实际供应链流程的数字复制品。
供应计划基于需要更少的库存来满足服务水平，需要更少的劳动力和能源来生产商品以及能够以较低的总着陆成本向客户交付商品而提供了可观的投资回报。
在上一篇文章中，我讨论过一个想法，即用于计划供应的良好数字孪生涉及以正确的分辨率表示供应链过程的能力。但是几位高管表示，虽然这是一个很好的起点，但要在SCP中拥有出色的数字双胞胎还需要更多。 Solvoyo的首席创新官Omer Bakkalbasi写给我说，一个坚实的计划解决方案需要“具有随着世界变化而更新交易代表的能力。毕竟，活着的数字孪生可用于决策支持，而不是被冻结的副本。”
计划应用程序产生的解决方案的质量取决于模型的质量。供应计划模型基于一个高级模型，该模型涵盖了将原材料送入工厂的时间(提前期)，了解制造这些产品将花费多长时间以及了解交付这些产品将花费多长时间。给客户。 (缩略图显示LLamasoft的应用程序)。如果产品的制造方式发生了变化(例如，物料清单(BOM)的变化)，并且模型中没有反映出这种变化，则计划产生节约的能力就会降低。同样，如果提前期发生变化，并且未在模型中反映出来，则生成的计划将不是最佳计划。模型退化的问题长期以来一直是这个市场中的问题。
一些更新的参数数据是在内部生成的。 BOM更新就是一个例子。大型企业资源计划公司认为，他们具有更好的定位来更新计划模型，因为这种集成具有优雅和无缝的功能，这是同类产品中无法比拟的。
但是一些需要更新的数据是外部的-交货时间就是一个例子。 JDA Software与FourKite合作，例如，获取对这些模型至关重要的实时交货时间数据。
JDA Software的高级主管Mark Stanton将此称为“动态参数计算”。好消息是，供应链计划市场中的许多供应商正在通过新产品开发和联盟专门解决此问题。
在某些情况下，机器学习被用来改善数据输入。例如，AspenTech正在使用预测分析输入来确定何时精炼厂的关键机械将发生故障，以允许以更自主的方式生成替代生产计划。
机器学习也被认为是从一个数字参数化转变的一种有用方法-例如，从亚洲的供应商到俄勒冈州的工厂的交货时间为26天-能够使用可变参数来更有效地反映正在发生的事情。现实中。例如，10月供应商的交货时间为31天，1月为20。 Adexa首席执行官Cyrus Hadavi告诉我，他们正在为几个客户提供这种功能。
斯坦顿先生还指出了数字供应链双胞胎正在发生的事情，以打开新的机会。数字双胞胎应该“通过先进的供应链控制塔提供实时可见性以及协调供应链网络的能力”。 RELEX Solutions的联合创始人JohannaSmåros认为，“控制塔功能应嵌入决策制定的地方(通常是供应链计划和优化软件)，所有定义明确的异常应由系统自动管理，并且只有得益于手动关注和更持久的性能问题的例外情况应提交给计划者以采取行动。”
供应链领域永远不会缺少专业术语。开始使用“自我修复的供应链”一词。该术语反映了参数应自动​​更新的想法。它还包括一个想法，那就是，如果发生意外事件，最佳计划是无用的。重要的是，不仅要制定最佳计划，而且要根据需要使用坚固的控制塔进行重新计划。没有健壮的供应链数字双胞胎，就不可能实现自我修复的供应链。