サプライ チェーン プランニングでシナリオ分析を自動化する時が来ました

What-if シナリオ分析は、サプライ チェーンの専門家によって、過去または将来発生する可能性のあるイベントに対する最適な対応を見つけるために広く使用されています。 利用可能な変数の数と数百万のオプションを考えると、さらに多くのことを行うには時間と労力がかかりすぎるため、ほんの一握りのシナリオのみを検討します。 それは解決策が必要なプロセスです 構築 多くの可能性のうち。 満足のいく解決策が見つかったとしても、選択したシナリオのすべての結果がわかっているかどうかは不明です。

行われたすべての決定には、目に見える場合と見えない場合がある多くの結果があります。 たとえば、代替製品の使用にはそれに伴うコストがかかり、それを使用すると優先度の高い注文が後日間に合わなくなり、顧客を失う可能性があります。 これらすべてのオプションと各決定の結果を全体として理解することは、どんな人間にとっても圧倒的です。 しかし、それは長い間人気のある習慣です。

より高速な処理能力、大容量メモリの可用性、以前はおそらく利用可能であったがコンピューティングとメモリ能力の不足のために実用的ではなかった ML アルゴリズムの使用など、さまざまな理由から、私たちは現在、異なる時代にいます。 現在のテクノロジーにより、システムは何百万ものシナリオをほぼリアルタイムで実行し、ユーザーが目的に応じて選択できるソリューションの選択肢を提供することができます。 常に複数の目的を達成する必要があるため、XNUMX つのソリューションが必ずしも「最善」であるとは限りません。

シナリオ分析の自動化を実現するには、システムが選択肢と可能性を理解する必要があります。 たとえば、代替部品または代替サプライヤの使用、または一部の注文などのソフトな制約は、わずかに遅れる可能性があります。 物理的なサプライ チェーンを理解し、最新の状態に保たれる真のサプライ チェーン デジタル ツインを使用して、システムは巧妙なアルゴリズムを使用して望ましくないソリューションをすべて排除し、ユーザーが選択できる最適なソリューションを見つけます。 そのような手法の XNUMX つに、AI で広く使用されている制約伝播 (CP) があります。これにより、検索スペースを縮小し、問題を管理しやすくして解決策を迅速に見つけることができます。 このアプローチの例は、 8-クイーン問題 解決。 サプライ チェーン計画で使用される AI と ML のこのトピックおよび他のトピックの詳細については、クリックしてください。 ここに.