供應(yīng)鏈的優(yōu)化難題，20年沒有改變

每當(dāng)有新的技術(shù)應(yīng)用于供應(yīng)鏈管理，都會促進供應(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)化機器學(xué)習(xí)”(optimal machine learning, OML)的新方法，會利用AI技術(shù)創(chuàng)建一個數(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、節(jié)點位置、銷售和貨運交易、財務(wù)參數(shù)、營銷推廣、物流和產(chǎn)能限制等）和計劃決策（例如，生產(chǎn)什么數(shù)量的產(chǎn)品，或在每個地點儲備多少庫存）聯(lián)系起來。該模型可以考慮公司的優(yōu)先事項（如合同規(guī)定的或希望達到的客戶服務(wù)水平）、預(yù)算限制和其他資源限制（如材料和勞動力的可用性等）。用這種方式存儲的數(shù)據(jù)幾乎可以做到實時更新和快速修改計算結(jié)果，為決策提供依據(jù)?！豆鹕虡I(yè)評論》中文版2024第五期

而20年前剛剛進入供應(yīng)鏈管理領(lǐng)域時，APS主要解決的難題也是：

1、根據(jù)公司決策的優(yōu)先級順序；

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)計劃、排產(chǎn)、采購計劃、庫存計劃；

4、數(shù)據(jù)可以定時更新和快速修改結(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實時更新和快速修改計算結(jié)果；而APS是可以每天給更新和修改計算結(jié)果，如果小部分修正可以即時更新。

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年前的先進計劃系統(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)計銷售與運營計劃（S&OP）流程，讓團隊成員共同制定銷售、生產(chǎn)和庫存計劃的流程。

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。

而文章中的兩個例子：（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）消費電子的需求與庫存優(yōu)化。

這兩個例子本質(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。