サプライ チェーン プランニング – リアルタイムでない場合、なぜわざわざ行う必要があるのでしょうか?

サプライチェーンのリーダーのほとんどは、サプライチェーンの混乱はもはや例外ではなく、計画の一部として考慮する必要があることに同意するでしょう。実際、いわゆる 反脆弱性計画 例外や混乱から利益を得られるように、計画の中で例外や混乱を考慮する必要があることを意味します。単にそれらに対して立ち直るだけではありません。供給側だけでなく需要側でも例外が頻繁になるため、望ましいかどうかにかかわらずイベントを予測し、リアルタイムで対応できるように計画の頻度を調整する必要があります。現在のテクノロジープロバイダーのほとんどは、そのアプローチに大きな欠陥を抱えています。彼らの想定は、最初に毎週または毎月の決定論的モデルに基づいて計画を立て、その後イベントが発生した場合には手動またはその他の方法で対処するというものです。そうですね、元の計画は決定論的であるだけでなく、リアルタイムで現場の状況がどのようなものであるかをまったく把握していないという点で、そもそも最初から欠陥があります。この目的のために、現在の運営上の問題の程度を知らずにコミットメントが与えられ、割り当てが行われます。

したがって、計画と運用は分離されています。社会通念は「橋を架ける」です。ご存知のとおり、このアプローチでは意思決定とデータの遅延が発生します。計画が運用を認識したとき、または運用が計画の内容を知ったときには、もう手遅れです。港での船の立ち往生、トラックの遅れ、竜巻、スエズ運河の閉鎖など、すべてが予測できるわけではありません。しかし、それを見つけて手動で何とかしようとした時には、手遅れになってしまいます。また、すべてのビジネス優先事項が最適に満たされるようにするために再割り当てや実行の変更が必要な場合、どのような選択をするかを知ることは人間には不可能です。このタスクを手動で最適に実行することはほとんど不可能です。

反脆弱性サプライチェーンの構成要素は次のとおりです。

• 計画と実行の間に分離はありません。つまり、リアルタイムでデータを共有する
• リアルタイムで計画に対応し、調整する能力。手動による計画やシナリオ分析ではありません。
• サプライチェーンの完全なモデルまたは表現、つまり真のデジタルツイン。リソースをバケットと集計で表すだけでは十分ではありません。これはスプレッドシートによる計画と何ら変わりません。
• 最適化、予測、対応するためのインテリジェンス、つまり環境から学習します。学習は次のように行う必要があります。 継続的にモデルを自己修正し、ビジネス ポリシーを自己改善し、アルゴリズムを自己最適化する.

継続的に学習することで、特定のイベントを監視し、サプライチェーンがそのような出来事に対して脆弱にならないように「ワクチン接種」することができます。一例として、1 年の特定の月に米国南東部で竜巻が発生するという予測があります。その地域のサプライヤー、顧客、配送センターなどの場所に応じて、そのような予測から利益を得るためにいくつかの決定を下すことができます。在庫を構築する（つまり、予測と計画を立てる）ことで、 弾力性のあります このタイプのイベントの場合は重要ですが、イベントが発生した場合、または予測どおりに発生しなかった場合に、十分に迅速に対応できれば、より競争力が高まり、 もろい.

現在でも、ほとんどのサプライ チェーン計画システムが導入されており、プランナーは計画の準備に数週間とは言わないまでも数日を費やしています。計画が作成され、すべてのシナリオが分析されるまでに、需要が変化したり、実行条件が同じでなくなったり、その他の例外や中断が発生したりする可能性があるため、計画は適用できなくなります。

持って 計画と実行 統一された環境で プランナーは、ほぼリアルタイムで最適に構築された計画を立てることができます。したがって、実行と潜在的な混乱に十分対応できる適切な計画が作成されます。プランナーは必要に応じて、必要に応じて数分以内に計画を改善したり、特定の決定が行われた理由についてシステムに質問したりできます。

スプレッドシートが導入された 80 年代の計画概念を変える時期が来ています。現在利用可能であり、急速に変化し続けるテクノロジーに基づいて、はるかに高速なプロセスを展開できるようになりました。機械学習や GenAI および古いテクノロジーに関する最近のイノベーション 過去のコンセプトも良く見えるかもしれません。しかし、それは何十年も前のテクノロジーを単にごまかしたものにすぎません。大切なのは表面だけではなく、基礎です。